精選解讀｜花旗集團把生成式 AI 推進日常：4,000 人志工網絡背後的治理工法
精選解讀｜花旗集團把生成式 AI 推進日常：4,000 人志工網絡背後的治理工法
工具上線只是起點；能否擴到跨國、跨法規、跨部門，取決於「放行邊界」與「同儕擴散」能不能一起運作
不是模型不夠強，而是組織還沒準備好讓它被大量使用
在大型企業談 AI 導入，常會遇到一個相當現實的場景：簡報上的模型表現亮眼，Demo 也順利，但一回到日常工作，流程幾乎沒有改變。不是員工抗拒，而是不清楚哪些地方可以用、怎麼用、萬一出問題責任誰扛。對受監管產業而言，這個問題更直接，合規與稽核沒有點頭，再好的工具也只能停在「少數人試用」。
花旗集團的案例之所以值得細看，並不是因為它推出了什麼全新模型，而是它把重心放在一個更難、也更少被寫進新聞的問題上：組織要怎麼擴張使用。從外部報導與官方說法來看，花旗一方面建立了約 4,000 人的內部志工型推廣網絡，另一方面嚴格把員工的使用行為限制在公司核准的工具與護欄之內，走的是「先把邊界定清楚，再把邊界內的價值做到最大」的路線。
在大型企業談 AI 導入，常會遇到一個相當現實的場景：簡報上的模型表現亮眼，Demo 也順利，但一回到日常工作，流程幾乎沒有改變。不是員工抗拒，而是不清楚哪些地方可以用、怎麼用、萬一出問題責任誰扛。對受監管產業而言，這個問題更直接，合規與稽核沒有點頭，再好的工具也只能停在「少數人試用」。
花旗集團的案例之所以值得細看，並不是因為它推出了什麼全新模型，而是它把重心放在一個更難、也更少被寫進新聞的問題上：組織要怎麼擴張使用。從外部報導與官方說法來看，花旗一方面建立了約 4,000 人的內部志工型推廣網絡，另一方面嚴格把員工的使用行為限制在公司核准的工具與護欄之內，走的是「先把邊界定清楚，再把邊界內的價值做到最大」的路線。
01｜4,000 人不是新部門，而是一張同儕支援網
這篇解讀讓我們把焦點放在一件看似不顯眼、卻最花力氣的工程：花旗如何讓 AI 從少數人的興趣，變成多數人的工作習慣。花旗逐步形成約 4,000 人的內部 AI 推廣人力，其核心精神是「同儕帶同儕」。每個業務單位都有懂得示範、能回答問題的人，也能把成功做法寫回內部知識庫。
員工自願成為推動者，在原有職務之外，固定投入時間協助同事；人數較少的關鍵推廣者，則分布在各條業務線上，負責整合與協調。這種架構的關鍵，不在於中央小組四處救火，而是把支援點直接放在第一線，讓「想用的人」隨時找得到人，也更容易把 AI 真正放進自己的日常工作流程中。
02｜擴張進度的指標，不是專案數，而是可用覆蓋
先補一個必要的時間線說明。以下數字來自不同時間點的公開揭露，描述的是「逐步放行」的過程，而不是同一時間盤點卻彼此矛盾的數據。
把幾個來源放在一起看，會發現花旗在對外談 AI 進度時，刻意避開「完成多少專案測試」這類說法，反而反覆強調一件事：有多少員工、橫跨多少國家或司法管轄區，已經實際可以使用。
2025 年 6 月，花旗官網的觀點文章提到，內部 AI 工具已推進到約 15 萬名同仁可用。同時，Citi Assist 被整合進 Microsoft Teams，Citi Stylus 也以瀏覽器外掛的形式出現，目標很清楚，就是讓工具直接卡進員工原本就熟悉的工作場景。
2025 年 9 月，官方新聞稿以澳洲與紐西蘭為例說明擴張進度，指出可用人數來到約 166,000 人，橫跨 76 個國家，並放在「接下來還要再擴 25 個國家」的全球節奏中一起解釋。
2025 年 10 月 14 日，路透社引述花旗執行長 Jane Fraser 在法說會上的說法，進一步將規模拉到接近 18 萬名員工、83 個國家，同時把對外溝通重點，轉成「每週釋出 100,000 小時的開發容量」。
2025 年 11 月 12 日，台北時報報導花旗在台灣推出 Citi AI，提到可用人數接近 18.5 萬人，涵蓋 84 個司法管轄區，並指出同年 9 月已推出由代理型 AI 驅動的 Citi Stylus Workspaces 強化版，用於承接更長、流程更複雜的工作目標。這裡更合理的理解，是產品方向的揭示，而不是已完全量化、可即時對帳的效能承諾。
把這些數字串在一起看，重點其實不在於「哪一個才算正確」，而是在於看見受監管企業的真實節奏。每多放行一個國家或司法管轄區，背後都必須重新對齊資料分類、權限設定、留痕機制、供應商風險評估，以及員工訓練內容。擴張速度慢，看起來像保守，實際上反映的是治理成本被逐一攤開、逐步消化的過程。
03｜工具命名背後，是高頻工作流的治理拆解
從花旗官網與外媒的整理可以看出，它並沒有把生成式 AI 當成單一平台全面鋪開，而是刻意切進四種相對容易治理、也較容易被稽核的工作類型。這種拆解方式，幾乎就是為銀行業量身打造的導入路徑。
第一類，是文件理解。Citi Stylus 的角色很明確，從不同格式的文件中擷取重點，進行摘要、比較與問答，目的不是寫得更華麗，而是縮短「全部讀完，才知道重點在哪」的時間成本。
第二類，是內容生成與任務協作。Citi Stylus Workspaces 以對話方式，協助撰寫電子郵件、簡報講稿與長文件摘要；其強化版則被定位為可以承接更長、流程更複雜的任務，讓多個步驟不必反覆切換工具完成。
第三類，是政策與程序導航。Citi Assist 協助同仁快速查找政策與作業程序。在銀行內部，員工最常遇到的問題，往往不是「能不能寫得更好」，而是「我這樣做可不可以」，而這正是治理最敏感、也最需要即時回應的場景。
第四類，是軟體開發加速。Citi Squad 協助內部開發者更有效率地寫程式、縮短產品上市時間。路透社則把這件事轉成高層容易理解的績效語言，也就是每週釋出約 100,000 小時的開發容量。
這樣的拆解方式，有效避免把生成式 AI包裝成無所不能的萬用助理，而是將它拆成一個個可嵌入、可控管的工作流零件。代價很清楚，自由實驗的空間會被壓縮；但換來的，是更大的實際覆蓋範圍，以及合規單位與主管更高的放行意願。
04｜會議室裡的三個爭論，花旗的選擇
把花旗的作法拉回企業決策現場，其實會發現，幾乎每一場 AI 導入會議，最後都會繞回同樣的三個問題。
第一個問題，是要讓使用自然擴散，還是先把治理收緊。花旗沒有選邊站，而是同時做了兩件事。一方面，透過志工型的推動者與關鍵推廣者，建立同儕擴散網絡，把學習、示範與實作往第一線下放；另一方面，工具與資料邊界仍然集中管理，放行權限牢牢握在治理體系中。
第二個問題，是先做在地成功案例，還是先追求全球一致。花旗的選擇，是先確立全球一致的工具與工作流，再依各地監理差異分批放行，並用「可用覆蓋」這個指標，持續追蹤治理成本隨規模擴張的變化。
第三個問題，則是日常工作瑣事不夠吸引人，要怎麼轉成董事會聽得懂的成果。花旗沒有強調省下多少人力，而是改用「產能釋放」來說明進度。這個說法的重點，不是裁減，而是重新分配時間，讓 AI 從單純的效率工具，進入容量管理的語境。
05｜對台灣企業的三個前提檢核
以下內容不是最佳實務清單，而是導入生成式 AI 之前，必須先通過的風險篩檢。
第一個檢核點，是你是否已經劃清放行邊界。這不只是政策文件，而是實際可執行的界線，包括資料如何分級、哪些內容可以輸入、輸出是否需要留痕，以及責任鏈由誰承擔。邊界不清，受監管產業往往第一關就卡住；邊界模糊，員工也只會選擇不用。
第二個檢核點，是組織內是否真的存在同儕支援角色。花旗的推動者與關鍵推廣者，不是掛名角色，而是第一線的在地支援點。若所有問題都回到中央小組，需求必然排隊，最後的結果，往往是少數人愈用愈熟，多數人始終站在門外。
第三個檢核點，是你是否已準備好把成效轉譯成管理語言。花旗用可用覆蓋與產能釋放來說明進度。這些指標不必照抄，但至少要能被財務、人資與稽核同時理解，否則 AI 很難真正進入決策層的討論框架。
總結｜花旗的重點不在工具，而在擴張的成本結構
花旗的案例提醒我們，生成式 AI 在大型受監管企業要走到規模化，往往不是靠一次性上線，而是靠反覆放行與反覆校準。當它把「多少人可使用」當成進度指標，你看到的其實是治理工程被量化後的結果。
約 4,000 人的志工型推廣網絡之所以關鍵，不在於新潮，而在於它讓知識流動制度化，讓示範、問答與案例回寫自然發生在組織內部，降低對中央小組的依賴，使 AI 更像基礎設施，而不是一次性的專案。
值得我們思考的是，當高層開始用「容量管理」的語言談 AI，觀察焦點就會從「模型多強」，轉向「在護欄之內，能不能承接更長、更複雜的任務，同時留下可稽核的過程與責任鏈」。
FAQ
Q1：花旗所謂的「4,000 人內部 AI 人力」，是正式編制嗎？
從目前可見的公開資訊來看，這比較像是一張志工型的推廣網絡，而不是新成立的正式部門。員工在原有職務之外，固定投入部分時間，協助同事熟悉並使用公司核准的工具；其中少數人則扮演關鍵推動角色，負責跨單位的協調與帶領。這套設計的目的，是建立一條穩定的擴散管道，讓採用不必完全仰賴中央小組。
Q2：為什麼花旗要把員工使用行為限制在公司核准的工具範圍內？在受監管產業中，擴張的瓶頸通常不是技術跑得多快，而是「能不能被允許」。將工具限制在核准清單內，並搭配清楚的護欄與使用留痕，有助於降低主管與合規部門的不安，讓放行範圍得以逐步擴大。代價很明確，自由實驗的空間會被壓縮，但換來的是更高的整體覆蓋率。
Q3：Citi Stylus、Workspaces、Assist、Squad 之間差在哪裡？
依花旗官網新聞稿整理，這些工具其實對應不同的工作類型，而不是同一個系統換名字。Stylus 聚焦在文件理解，包括摘要、比較與問答；Workspaces 偏向對話式的任務協作與內容生成，並進一步推出可處理更長、更複雜流程的強化版本；Assist 專注於政策與作業程序查詢；Squad 則協助內部開發者提升寫程式效率、加快產品推出速度。比較好的理解方式，是把它們視為不同的「工作流程零件」。
Q4：路透社提到的「每週 100,000 小時」，該怎麼看？
路透社引述的是花旗執行長在法說會上的說法，意思是 AI 的使用，讓開發者每週釋出約 100,000 小時的工作容量。這不必然等同於直接省下多少人力成本，而是把時間重新挪去承接其他開發任務。管理上的關鍵，在於花旗選擇用「容量」這種語言來說明 AI 的價值，使其更容易被納入資源配置與績效討論。
Q5：為什麼不同報導中的可用人數，會從 15 萬、16.6 萬一路增加到接近 18 萬、18.5 萬？
這些數字其實對應不同時間點與不同來源的揭露口徑。2025 年 6 月，官網觀點文章提到約 15 萬人；2025 年 9 月，官網新聞稿提到約 16.6 萬人、橫跨 76 國；2025 年 10 月，路透社提到接近 18 萬人、83 國；2025 年 11 月，另外有媒體則提到接近 18.5 萬人、84 個司法管轄區。因此，把它們理解為逐步放行的擴張軌跡，會比把數字當成彼此矛盾來得合理。
參考資料：
The quiet work behind Citi’s 4,000-person internal AI rollout
Citi has quietly built a 4,000-person internal AI workforce
Strengthening Our Commitment to AI Innovation
Citi Expands Generative AI Capabilities to Australia and New Zealand
Citigroup's AI usage frees up 100,000 hours for developers a week
Citi launches AI tools for Taiwan employees
相關閱讀推薦：
文/ InfoAI 編輯部
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。
AI 協作聲明：
本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。
JUDGEMENT
We help you make better judgement about AI.
不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。
InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。