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。
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。