对于不少大型企业而言，人工智能应用仍停留在边缘试验阶段，通常由小团队测试工具、开展试点，并产出难以在多个部门复制的成果。花旗集团在过去两年采取了不同做法，将AI从少数专家的领域扩展到更广泛的日常工作场景。

据《商业内幕》报道，花旗目前约有4,000名内部员工与AI相关工作直接挂钩，分布在技术、运营、风险管理和客户支持等多个岗位。报道还称，花旗全球员工约18.2万人，其中超过70%的员工以某种形式使用公司批准的AI工具。这一使用范围与许多仍将AI访问限制在技术团队或创新实验室的机构形成对比。

从集中试点转向团队内落地

花旗在推动AI应用时，并未首先围绕具体工具设计项目，而是将重点放在人和组织结构上。银行邀请员工自愿担任“AI冠军”，为其提供培训、内部资源以及对获批AI系统早期版本的访问权限。这些“AI冠军”在各自团队中充当本地联络点，为同事提供支持，但并不以正式培训师的身份出现。

这一安排旨在缩短试验与日常工作的距离。花旗的做法基于这样一种判断：新工具在企业内部推广受阻，往往并非技术能力不足，而是员工不清楚在何种场景、以何种方式使用。通过在团队内部嵌入支持角色，花旗试图推动AI从集中试点走向日常使用。

培训是该项目的核心环节之一。员工可以通过完成相关课程，或展示如何利用AI改进自身任务，获得内部“徽章”。这些徽章本身不直接对应晋升或薪酬调整，但有助于在组织内部建立可见度和信誉。《商业内幕》报道称，这种以同事为主导的传播模式，使AI在花旗内部的扩散速度快于单纯依赖自上而下的指令。

聚焦日常场景并设置风险边界

花旗管理层将这项工作视为应对业务规模的举措，而非单纯追求技术新颖性。银行业务涵盖零售银行、投资服务、合规以及客户支持等多个板块，在这些领域中，即便是小幅效率提升，也可能在大规模运营中累积出显著效果。

目前，花旗内部的AI工具主要用于总结文件、起草内部备忘、分析数据集以及辅助软件开发等任务。这些应用场景本身并不罕见，但花旗的特点在于将其系统性地嵌入日常流程，而非局限在试验环境。

在受监管行业，风险控制是推广新技术的前提。花旗对员工可使用的AI工具范围进行限制，仅允许使用公司批准的系统，并围绕数据使用和输出处理设定明确“护栏”。这一安排在一定程度上减缓了部分试验节奏，但也被视为管理层扩大访问权限的前提条件。在此框架下，银行在扩大AI使用范围的同时，试图维持对合规和风险的可控性。

分散使用、集中治理的组织模式

花旗的项目结构为其他大型企业提供了一个案例：在大规模组织中推广AI，并不要求每位员工成为技术专家，而是需要足够多的员工理解工具的基本原理和适用场景，能够在本职工作中负责任地使用，并向同事解释相关做法。

通过培训数千名“AI冠军”和相关人员，而非仅依赖少数专家，花旗在一定程度上降低了对单一技术团队的依赖。这一做法也向内部传递出文化信号——非技术岗位员工被鼓励参与AI应用，AI被定位为日常工作的一部分，而不仅是工程师或数据科学家的专属领域。

这一模式与部分行业调研结果相呼应。包括麦肯锡在内的机构调查显示，许多企业在将AI项目从试点推向生产时面临困难，常见原因包括人才缺口和责任边界不清。花旗的做法是在团队层面分散使用和所有权，同时保持治理和规则设定的集中化，以此应对上述问题中的一部分。

自愿参与与持续推进的挑战

花旗的同伴驱动模式也存在局限。由于高度依赖员工的自愿参与和持续兴趣，不同团队在AI应用上的推进速度可能存在差异，非正式支持网络的覆盖程度也可能不均衡，导致部分团队受益更多。

据报道，花旗通过轮换“AI冠军”人选，并定期更新培训内容，以适应工具和应用场景的变化，从而缓解上述问题。银行在内部将AI视作类似基础设施的存在，更关注其在具体环节中能否减少工作摩擦，而非追求单一项目的“颠覆性”成果。这种定位使得进展更易衡量，也在一定程度上降低了对短期显著成效的期待。

在这一过程中，高层管理的支持与基层员工的主动参与并行存在。项目获得管理层背书，但推动力在很大程度上来自愿意学习和分享的员工群体。对于大型组织而言，这种自下而上的动力被视为新技术能否在日常工作中扎根的关键因素之一。

随着更多企业尝试将AI从试点阶段推向更大范围的生产环境，花旗的实践为如何在不增加大量新工具投入的前提下，提升现有工具的使用深度和覆盖面，提供了一个可供观察的样本。