<p>當一個組織賦予 20,000 名員工構建自己的定製 AI 代理的權力時，這標誌着企業技術採用的根本轉變——將生成式 AI 從集中式 IT 職能轉變為日常工作的去中心化、無處不在的工具。這種利用 OpenAI 技術在 BNY ELIZA 平台上進行的代理創建的大規模民主化，代表了迄今為止金融行業中最激進和成功的內部 AI 擴展努力之一，優先考慮實踐經驗作為提高素養和實現價值的關鍵驅動力。</p>
<p>BNY Mellon 的全球人才負責人 Michelle O’Reilly 和首席 AI 與數據官 Sarthak Pattanaik 在 OpenAI 提供的最新案例研究中詳細闡述了這一戰略，重點介紹了銀行如何通過將大型語言模型直接集成到工作流程中來轉變內部學習和內容開發。他們的核心理念繞過了傳統的自上而下的培訓模塊，轉而採用一種迭代的、實踐的方法，迫使各個角色的員工——從財務到人力資源——成為提示工程師和代理構建者。</p>
<p>這一戰略建立在一個信念上，即在快速發展的生成式 AI 領域，抽象知識的轉移是不夠的。Sarthak Pattanaik 強調了支撐這一倡議的組織哲學，他表示：“我們相信通過實踐學習，而不僅僅是理論知識。” 對於一個龐大的全球機構而言，這意味着提供必要的工具和沙盒環境，讓員工能夠進行實驗、快速失敗，並發現專門針對其任務的即時效率。BNY ELIZA 平台允許用户根據特定需求定義代理，選擇如文檔搜索的上下文檢索（RAG）或定製交互風格的個性化角色（AVATAR）等類型。</p>
<p>這一投資的即時回報令人震驚，特別是在歷史上被手動內容更新和審查週期拖累的領域。O’Reilly 強調，內部學習和人才團隊利用該平台自動化內容創建和品牌檢查。她指出，以前開發學習內容 “通常需要一個月的時間。現在我們可以在一個小時內完成。” 這種週期時間減少 99% 使主題專家能夠參與更高價值的活動，如直接與員工聯繫和戰略規劃，而不是重複的內容精煉。</p>
<p>這種速度的提升不僅僅是人力資源的指標；在一個高度監管的行業中，這是一個關鍵的競爭優勢，知識傳播必須迅速而準確。能夠快速部署一個代理，例如提供基於內部戰略文件的個性化建議的 “職業教練”，將內部培訓的功能從被動的必要性轉變為主動的、可擴展的資源。</p>
<p>高管們承認，這條道路本質上是模糊的。沒有現成的藍圖可以在全球銀行中以這種規模整合生成式 AI。Michelle O’Reilly 承認：“沒有關於 AI 學習的操作手冊，因此……它必須是多方面的。” 這種缺乏先例的情況需要一個鼓勵和規範實驗的文化環境。</p>
<p>BNY 通過專門的活動將實踐學習制度化。他們舉辦傳統的黑客馬拉松，但也有 “提示馬拉松”，員工在其中競爭開發最有效和創新的提示和代理以解決業務問題。這種遊戲化的方法確保 AI 素養不被視為強制合規課程，而是作為一種持續的、引人入勝的技能發展練習，通過內部競爭和共享學習推動病毒式傳播。這種 AI 開發的文化嵌入或許是其他企業希望超越試點項目時最重要的見解。它將技術部署轉變為人才戰略，確保技術在領域專業知識所在的地方得到充分利用——即員工自身。</p>
<p>該平台提供了保護措施，確保即使創建了 20,000 個代理，數據安全和合規性仍然是核心。員工在選擇時會被引導區分輕量級、非敏感任務與涉及敏感數據的業務關鍵生產項目。這種分層方法確保民主化不等同於混亂，保持了金融服務環境所需的完整性，同時最大化效用。這種賦權與控制之間的微妙平衡對於任何在敏感行業運營的大型組織都是至關重要的。最終，這一模型的成功基於對分佈式創新的信念。O’Reilly 總結道：“好的想法來自組織中的每一個層級，” 強調了賦予每位員工直接參與 AI 轉型的必要性。</p>

<p>BNY Mellon 正在賦能 20,000 名員工創建自定義 AI 代理，這標誌着企業技術的重大轉變。這種去中心化的方法在 BNY ELIZA 平台中利用 OpenAI 技術，強調實踐經驗而非傳統培訓。該策略旨在提高效率，將內容開發時間減少 99%。員工通過黑客馬拉松和提示馬拉松等活動參與實踐學習，促進創新文化。該倡議在賦能與數據安全之間取得平衡，確保合規的同時最大化效用。最終，BNY Mellon 相信分佈式創新，鼓勵來自各個組織層級的貢獻</p>

<p>When an organization empowers 20,000 employees to build their own custom AI agents, it signals a fundamental shift in enterprise technology adoption—moving generative AI from a centralized IT function to a decentralized, ubiquitous tool for daily work. This mass democratization of agent creation, utilizing OpenAI technology within the BNY ELIZA platform, represents one of the most aggressive and successful internal AI scaling efforts seen in the financial sector to date, prioritizing hands-on experience as the critical driver of literacy and value realization.</p>
<div class="lb-trans"><p>當一個組織賦予 20,000 名員工構建自己的定製 AI 代理的權力時，這標誌着企業技術採用的根本轉變——將生成式 AI 從集中式 IT 職能轉變為日常工作的去中心化、無處不在的工具。這種利用 OpenAI 技術在 BNY ELIZA 平台上進行的代理創建的大規模民主化，代表了迄今為止金融行業中最激進和成功的內部 AI 擴展努力之一，優先考慮實踐經驗作為提高素養和實現價值的關鍵驅動力。</p>
</div><p>Michelle O’Reilly, Global Head of Talent, and Sarthak Pattanaik, Chief AI &amp; Data Officer at BNY Mellon, detailed this strategy in a recent case study provided by OpenAI, focusing on how the bank transformed internal learning and content development by integrating large language models directly into the workflow. Their core premise bypasses traditional, top-down training modules in favor of an iterative, practical approach that forces employees across various roles—from finance to HR—to become prompt engineers and agent builders.</p>
<div class="lb-trans"><p>BNY Mellon 的全球人才負責人 Michelle O’Reilly 和首席 AI 與數據官 Sarthak Pattanaik 在 OpenAI 提供的最新案例研究中詳細闡述了這一戰略，重點介紹了銀行如何通過將大型語言模型直接集成到工作流程中來轉變內部學習和內容開發。他們的核心理念繞過了傳統的自上而下的培訓模塊，轉而採用一種迭代的、實踐的方法，迫使各個角色的員工——從財務到人力資源——成為提示工程師和代理構建者。</p>
</div><p>This strategy is built on the belief that abstract knowledge transfer is insufficient in the rapidly evolving domain of generative AI. Sarthak Pattanaik emphasized the organizational philosophy underpinning the initiative, stating, “We believe in learning by doing, not just theoretical knowledge.” For a massive global institution, this means providing the tools and sandbox environment necessary for employees to experiment, fail quickly, and discover immediate efficiencies tailored specifically to their tasks. The BNY ELIZA platform allows users to define agents based on specific requirements, choosing between types like Contextual Retrieval (RAG) for document search or Custom Personas (AVATAR) for tailored interaction styles.</p>
<div class="lb-trans"><p>這一戰略建立在一個信念上，即在快速發展的生成式 AI 領域，抽象知識的轉移是不夠的。Sarthak Pattanaik 強調了支撐這一倡議的組織哲學，他表示：“我們相信通過實踐學習，而不僅僅是理論知識。” 對於一個龐大的全球機構而言，這意味着提供必要的工具和沙盒環境，讓員工能夠進行實驗、快速失敗，並發現專門針對其任務的即時效率。BNY ELIZA 平台允許用户根據特定需求定義代理，選擇如文檔搜索的上下文檢索（RAG）或定製交互風格的個性化角色（AVATAR）等類型。</p>
</div><p>The immediate return on this investment is staggering, particularly in areas historically bogged down by manual content updates and review cycles. O’Reilly highlighted how the internal learning and talent team leveraged the platform to automate content creation and branding checks. She noted that developing learning content “in the past has taken a month to actually develop. Now we can do that in an hour.” This 99% reduction in cycle time frees up subject matter experts to engage in higher-value activities, such as direct employee connection and strategic planning, rather than repetitive content refinement.</p>
<div class="lb-trans"><p>這一投資的即時回報令人震驚，特別是在歷史上被手動內容更新和審查週期拖累的領域。O’Reilly 強調，內部學習和人才團隊利用該平台自動化內容創建和品牌檢查。她指出，以前開發學習內容 “通常需要一個月的時間。現在我們可以在一個小時內完成。” 這種週期時間減少 99% 使主題專家能夠參與更高價值的活動，如直接與員工聯繫和戰略規劃，而不是重複的內容精煉。</p>
</div><p>This speed increase is not merely an HR metric; it is a critical competitive advantage in a highly regulated industry where knowledge dissemination must be rapid and accurate. The ability to quickly deploy an agent, such as a “Career Coach” that provides personalized advice based on internal strategy documents, transforms the function of internal training from a reactive necessity into a proactive, scalable resource.</p>
<div class="lb-trans"><p>這種速度的提升不僅僅是人力資源的指標；在一個高度監管的行業中，這是一個關鍵的競爭優勢，知識傳播必須迅速而準確。能夠快速部署一個代理，例如提供基於內部戰略文件的個性化建議的 “職業教練”，將內部培訓的功能從被動的必要性轉變為主動的、可擴展的資源。</p>
</div><p>The executives acknowledged that this path is inherently ambiguous. There is no existing blueprint for integrating generative AI at this scale within a global bank. Michelle O’Reilly admitted, “There is no playbook for learning for AI, and so it’s… it has to be multi-faceted.” This lack of precedent necessitates a cultural environment where experimentation is encouraged and formalized.</p>
<div class="lb-trans"><p>高管們承認，這條道路本質上是模糊的。沒有現成的藍圖可以在全球銀行中以這種規模整合生成式 AI。Michelle O’Reilly 承認：“沒有關於 AI 學習的操作手冊，因此……它必須是多方面的。” 這種缺乏先例的情況需要一個鼓勵和規範實驗的文化環境。</p>
</div><p>BNY achieves this by institutionalizing practical learning through dedicated events. They host traditional hackathons, but also “promptathons,” where employees compete to develop the most effective and innovative prompts and agents for solving business problems. This gamified approach ensures that AI literacy is not treated as a mandatory compliance course but as a continuous, engaging skill development exercise, driving viral adoption through internal competition and shared learning. This cultural embedding of AI development is perhaps the most significant insight for other enterprises looking to move beyond pilot projects. It transforms technical deployment into a talent strategy, ensuring that the technology is utilized precisely where domain expertise resides—with the employees themselves.</p>
<div class="lb-trans"><p>BNY 通過專門的活動將實踐學習制度化。他們舉辦傳統的黑客馬拉松，但也有 “提示馬拉松”，員工在其中競爭開發最有效和創新的提示和代理以解決業務問題。這種遊戲化的方法確保 AI 素養不被視為強制合規課程，而是作為一種持續的、引人入勝的技能發展練習，通過內部競爭和共享學習推動病毒式傳播。這種 AI 開發的文化嵌入或許是其他企業希望超越試點項目時最重要的見解。它將技術部署轉變為人才戰略，確保技術在領域專業知識所在的地方得到充分利用——即員工自身。</p>
</div><p>The platform provides guardrails, ensuring that even as 20,000 agents are created, data security and regulatory compliance remain central. Employees are guided through choices that delineate between lightweight, non-sensitive tasks and business-critical production initiatives involving sensitive data. This tiered approach ensures that democratization does not equate to chaos, maintaining the integrity required in a financial services environment while maximizing utility. This careful balance between empowerment and control is essential for any large organization operating in a sensitive sector. Ultimately, the success of this model rests on a belief in distributed innovation. O’Reilly concluded that “Good ideas come from every level in the organization,” underscoring the necessity of empowering every employee to contribute directly to the AI transformation.</p>
<div class="lb-trans"><p>該平台提供了保護措施，確保即使創建了 20,000 個代理，數據安全和合規性仍然是核心。員工在選擇時會被引導區分輕量級、非敏感任務與涉及敏感數據的業務關鍵生產項目。這種分層方法確保民主化不等同於混亂，保持了金融服務環境所需的完整性，同時最大化效用。這種賦權與控制之間的微妙平衡對於任何在敏感行業運營的大型組織都是至關重要的。最終，這一模型的成功基於對分佈式創新的信念。O’Reilly 總結道：“好的想法來自組織中的每一個層級，” 強調了賦予每位員工直接參與 AI 轉型的必要性。</p>
</div>

紐約梅隆銀行提升 AI 素養：兩萬代理人的策略