BBVA 这次给出的数字不小：ChatGPT Enterprise 已经覆盖全球超过 10 万名员工，每周活跃率超过 70%。平均下来，每名员工每周节省约 3 小时。

更有意思的是另一个数字：员工已经创建了超过 2 万个自定义 GPT，其中约 4000 个被频繁使用。

这说明 BBVA 不是把 AI 当成一个“可选插件”发给少数创新团队，而是在尝试把它变成银行内部的工作底座。问题也在这里：银行不是普通软件公司。它要处理身份、交易、授信、法律文件和风险判断。工具越深入，治理成本越高。

我更在意的不是 BBVA 和 OpenAI 合作本身，而是这件事给银行业打了一个样：生成式 AI 进入强监管机构，拼的不是模型演示，而是信任、权限、审计和组织训练。

从 3000 人到 10 万人：工具开始变成基础设施

BBVA 与 OpenAI 的合作从 2024 年开始。最初，BBVA 向多个国家和业务线的 3000 名员工部署 ChatGPT Enterprise。

随后，访问权限扩展到全球超过 10 万名员工。覆盖部门包括法律、风险、工程、运营、财务、营销和客服等。

这个节奏的关键，不是“试点成功”四个字。很多企业都有试点，难的是从试点跨到全员日常使用。

BBVA 披露的数据至少说明，员工端已经有了真实采用。

指标BBVA 披露进展说明什么
部署规模2024 年 3000 人试点，现扩至全球超 10 万员工从创新项目进入全行工具层
使用强度每周活跃率超过 70%不是少数技术团队自用
效率指标人均每周节省约 3 小时先体现为员工生产率改善
自定义 GPT超 2 万个，约 4000 个高频使用业务部门开始沉淀自己的 AI 工作流

这些数字也要克制看。

节省 3 小时，不等于利润已经增加。4000 个高频 GPT，也不等于流程已经重构。公开信息目前能支持的判断，是 BBVA 的员工正在把 AI 放进日常工作，而不是直接证明它已经带来客户增长。

但对银行来说，这一步仍然重要。

银行内部有大量知识密集型工作：找资料、读文件、写初稿、整理风险线索、处理内部咨询。只要这些工作被 AI 稳定改写，组织流程迟早要跟着动。否则，省下来的时间会被旧流程重新吃掉。

高监管行业落地 AI，难点在信任和责任链

BBVA 把内部 AI 推进框架概括为三个词：信任、治理和结构化学习。

这比“全面拥抱 AI”更实在。银行不能只发账号，然后让员工自己摸索。它需要知道数据进了哪里，谁能访问什么，输出能不能追溯，出错后责任怎么分。

BBVA 的做法有几个锚点。

它提供的是企业级访问，而不是放任员工使用消费级工具。安全、法律、合规和技术团队从早期参与规则制定。内部还建立了 AI champions 网络和被称为 AI “wizards”的高级用户群体，帮助培训同事、发现用例。

还有一个细节值得看：BBVA 培训了 250 名高管，包括 CEO 和董事长。

高管会不会真的用工具，影响很大。银行里的 AI 转型不是技术部门单独能推完的事。风控、法务、运营、业务线都要改工作习惯。高管只喊口号，下面很容易把 AI 当成又一轮内部项目。

横向看，摩根士丹利较早把 OpenAI 技术用于财富管理顾问的知识检索。摩根大通、高盛、花旗等大型金融机构也在推进生成式 AI，用于开发、研究、自动化和内部工作流。

BBVA 的差异在于，它披露了更大范围的员工普及数据，也披露了员工自建 GPT 的规模。这说明它不只想把 AI 放在专家团队手里，而是让业务一线自己做一部分工作流改造。

这会改变两类人的动作。

对金融科技和银行数字化团队来说，采购节奏可能要变慢一点，设计周期要变长一点。不能只比模型能力和接口价格，而要先补权限体系、知识库治理、审计日志、数据分类和员工培训。

对企业 AI 转型决策者来说，预算也要重新拆。账号费只是表层成本。真正花钱、花时间的地方，是把 AI 输出接进现有流程，并规定哪些结果只能辅助、哪些场景必须人工复核、哪些数据不能进入模型上下文。

这是银行 AI 和普通办公 AI 的分水岭。

从提效到改流程，The Eight 还要过审计关

BBVA 把长期 AI 路线称为 “The Eight”，覆盖客户体验、商业银行、风险、运营、软件开发和员工效率等八类转型方向。

这个名字听起来很像战略包装。真正要看的，是这些分散用例能不能沉淀成可审计、可复用、可追责的银行流程。

目前披露的典型场景，主要集中在效率和知识处理。

信贷风险场景里，Credit Analysis Pro GPT 可以从年报、ESG 披露和媒体报道中提取非结构化信息，帮助分析师减少手工整理。

法律服务场景里，Retail Banking Legal Assistant GPT 使用内部知识源起草回复，服务分行经理每年约 4 万个客户相关法律咨询。

墨西哥团队用客户体验助手分析开放式问卷。秘鲁超过 3000 名员工使用内部助手，把平均查询处理时间从约 7.5 分钟降到约 1 分钟。

这里有一个边界必须说清：约 7.5 分钟到约 1 分钟，是秘鲁内部查询场景中的效率变化，不能泛化成 BBVA 全行所有流程都提升到这个幅度。

对一线岗位来说，影响会很具体。

风险分析师会少做资料搬运，多做判断和复核。法务人员会少写重复性初稿，多处理例外问题。客服运营和产品经理会更快从问卷、反馈和内部查询中找线索。

但越接近信贷、风险和客户决策，AI 的位置就越敏感。

如果只是帮员工整理材料，风险相对可控。如果 AI 输出进入正式授信、定价、反欺诈或客户分层流程，就必须回答几个问题：依据是什么，谁批准使用，日志留多久，客户能否申诉，监管检查时如何解释。

所以，接下来最该看三件事。

一是 BBVA 是否会把 AI 输出纳入正式信贷和客户决策流程，而不只是作为员工助手。二是监管机构如何界定这类工具在银行内部的使用边界。三是 OpenAI 与 BBVA 的战略合作，能否沉淀出可复制的金融行业方案，而不是只停留在一家银行的内部实践。

目前能确认的是，BBVA 已经跑出了规模化使用和部分效率改善。还不能确认的是，它是否已经带来营收、利润或客户增长。

回到开头那组数字，10 万员工和 70% 周活跃率很亮眼。但银行 AI 的硬仗不在使用率截图里，而在合规档案、权限边界和责任链条里。账号可以买，治理要一层层磨出来。