當多數銀行還卡在 chatbot 階段，BNY Mellon 已在 Eliza 平台部署 130 個 AI 員工、訓練 1,400 名員工通過 40 小時 bootcamp、單年 AI 應用增長 200%。Forrester 把這套「顛倒做」的順序拆給你看，並解釋為什麼這個倒序才是企業 AI 真正能規模化的路徑。
過去兩年，業界把企業 AI 導入講成一個關於工具選型的故事。誰買了 Copilot、誰部署了 Claude、誰先把 chatbot 接到客服系統，這些是會議桌上的熱題，也是大多數企業 AI 預算被消耗掉的地方。然後在某一個季度復盤的早晨，CFO 攤開報表會問同一句話：那 5% 的 EBIT 貢獻，到底什麼時候會出現。
Forrester 上週發表的一份案例研究把這個尷尬時刻翻面攤開。BNY Mellon 是一家總資產規模超過 50 兆美元的全球託管銀行，沒把預算押在 chatbot，先花兩年蓋了一個叫 Eliza 的內部平台，把 1,400 名員工拉去上 40 小時 bootcamp，最後才在 2025 年讓 130 個 AI 員工真的上線工作。集團公開揭露的多年表現：18% 調整後 CAGR、21% 稅前盈餘成長、13% 股息調升。這篇文章把 BNY 的顛倒順序拆給你看，並回到一個更刺耳的問題：為什麼業界其他人都把順序搞錯了。
多數銀行以為先做 chatbot 再補治理，可以一邊跑一邊修
業界主流敘事大約這樣：先用幾個 chatbot 在客服或員工服務試水溫，看到 ROI 再擴大、看到風險再補治理框架。這套邏輯背後的假設是 AI 跟過去 SaaS 工具一樣可以先用後規。但 2025 年的研究數據已經把這條路堵死。
MIT NANDA 2025 報告指出 95% 生成式 AI 專案在 6 個月內未能產生可衡量 ROI；McKinsey 同年調查顯示，雖然 88% 企業已在至少一個功能部署 AI，卻僅有 1% 認為自己的 AI 採用「完全成熟」、47% 高階主管覺得導入速度過慢。BCG 2023 對知識工作者的實驗發現過度依賴 AI 的員工正確率反而下降 19%。
把這三組數字疊在一起會看到共同訊號：問題在工具上線時組織還沒準備好接住它。Forrester 把這個現象叫做「Access without Adoption」（有存取權但沒有採用）：平台買了、帳號開了，員工卻不會用、也不信任輸出。當企業以 chatbot 為起點，再用第二季的 KPI 倒推治理、第三季的客訴倒推培訓，整個系統會在反向修補的過程中崩壞。
| 業界主流路徑 | BNY 的逆向路徑 |
|---|---|
| 先上 chatbot 試水溫 | 先蓋 Eliza 平台、把治理寫進架構 |
| 看到 ROI 再擴大規模 | 看到工作流可以重塑、再放 AI 員工進來 |
| 看到風險再補治理 | 治理是平台第一行程式碼 |
| 員工自己學工具 | 1,400 人 40 小時 bootcamp，再上工 |
BNY 把順序倒過來：平台先、人再、Agent 最後
BNY 在 2023 年啟動 Eliza。這個平台沒有對外宣傳，是一個把 Anthropic、Google、OpenAI 等模型統一收進來、配上完整治理層的內部基礎建設。到 2025 年全行 97% 員工（約 50,000 人）都在 Eliza 上工作，平台撐起超過 160 個量產 AI 應用、年增 200% 以上。
Eliza 之後 BNY 才開始大規模培訓人。1,400 名員工通過 40 小時 真人講師 bootcamp，學的內容是怎麼在治理框架內把 AI 介入點接進自己的工作流，而非單純 prompt 技巧。BCG 對 Reshape 階段（重塑流程而非只是部署工具）企業的觀察發現，67% 員工接受過 5 小時以上 AI 培訓；BNY 把這個數字推到 40 小時，等於把員工當成 AI 平台的共同設計者。
順序的第三步才是 AI Agent 上線。2025 年底 BNY 在生產環境部署 130 個 AI 員工，每個 agent 都被當成新員工 onboarding：有獨立 login、email、人類主管、可被審計的決策軌跡。BNY Head of Applied AI Michael Demissie 把這件事歸結為組織心理學問題：技術早已 work，難在如何讓人接受。當員工看見 AI 同事有名字、有主管、要為錯誤負責，內部對 AI 的抵抗會結構性地下降。
這條順序與 BCG 2023 提出的 10-20-70 法則完全對齊：AI 專案的成功 10% 來自演算法、20% 來自工具與流程、70% 取決於人與組織。多數企業反向把預算押在 10%，所以投越多越累；BNY 把 70% 放最前面，後面 20% 與 10% 才有意義。
換到你的組織，可以怎麼縮小尺度做這件事
並非每家公司都有 BNY 的資源蓋 Eliza，但顛倒順序的邏輯可以在不同規模重新解釋。Forrester 在這份報告的結語有一句話值得整段抄下來：「如果你的 agentic 策略從 agent 開始，那你已經落後了。」它在說的事情很簡單：當企業還沒治理、員工還沒準備好時，買進來的 agent 越多，組織未來要回頭付的學費越貴。
| 你公司可以怎麼開始的三步 | BNY 對應動作 | 中型企業縮放版 |
|---|---|---|
| 第一步：盤點現有 AI 平台與治理 | 建 Eliza、模型統一進來 | 列現有 AI 工具帳單、看誰在用、有沒有治理 |
| 第二步：先訓練核心使用者 | 1,400 人 40 小時 bootcamp | 挑 30 人關鍵職能跑兩天工作坊 |
| 第三步：選一個流程把 AI 員工接進去 | 130 個 agent 逐一賦予身分 | 一個部門、一個流程、一個 agent 試跑 |
BNY 的 1/3 員工已能在 Eliza 上自行組裝小型 AI 流程，這個數字對應的是企業 AI 治理已經內化到日常的程度。換到中型企業的版本，是把「治理是 IT 部門的事」這個習慣改掉，讓員工知道自己也能參與設計。智谷在輔導現場觀察到，企業 AI 導入失敗最常見的場景在 IT、HR、事業群三方順序假設不一致：IT 想先治理、HR 想先培訓、事業群想先看 ROI，最後變成沒有人願意先動。
對 HR 來說，BNY 故事的位置不只是學員。1,400 人 bootcamp 是 HR 與 IT 共同設計的培訓藍圖，HR 在裡面同時扮演學習藍圖規劃者與內部使用者。對事業群主管來說，bootcamp 是先押人才再押工具的訊號：員工在 Eliza 上線前就已經能力對位，agent 一進來不會卡在不會用。要打破三方對立的順序僵局，建議從一張「順序對齊表」開始：把三方各自認為的「第一步」攤開，看歧見落在哪裡。智谷的企業 AI 診斷提供 20 題快速問卷把順序假設可視化；AI 卡牌工作坊把順序對齊變成主管一起玩的決策練習。BNY 真正可以借走的是兩年地基的耐性；中型企業的兩年地基可能濃縮成兩季，但順序不能省。
延伸對照：Shopify 用 AI 把客戶成長拉到兩倍 講把 AI 嵌進既有產品流程、AI 落地痛點與設計思考 講組織如何把 AI 從工具上升到問題定義。BNY 那條順序是這兩篇共用的隱形地基。
FAQ
BNY 為什麼有條件做兩年地基才放 AI 員工出來？
兩個結構因素：託管銀行業務要求極端低風險，治理寫不對會直接違反監管，BNY 沒辦法走「先做 chatbot 再補治理」路線。第二是 BNY 過去十年內部已累積資料治理基礎，Eliza 把治理層接上多模型平台。台灣企業若沒有同等資料基礎，可從更小範圍（例如單一部門）做縮小版的順序對齊。
先平台後 agent 會讓企業錯過短期 ROI 嗎？
短期會比 chatbot 路徑慢，但長期比較穩。MIT NANDA 2025 顯示 95% 生成式 AI 專案 6 個月內沒有可衡量 ROI 的主因，在沒有平台與治理層支撐，agent 一上線就在脆弱的流程裡反覆出錯。BNY 那 18% CAGR 來自平台與培訓兩年累積後的釋放。
中型企業沒有預算蓋 Eliza 怎麼辦？
不需要自建平台。台灣中型企業可以用既有 SaaS 服務（如 Microsoft 365 Copilot、Google Workspace 的 AI 功能）做平台代替，重點放在「把治理與培訓寫到工具上線之前」這個順序。預算優先順序建議：治理框架 > 核心員工培訓 > 試點 agent，與 BNY 同構但規模可縮到 1/100。
怎麼說服 CFO 把預算放在地基而非 agent？
把 MIT NANDA 的 95% 與 McKinsey 的 1% 攤給 CFO 看：絕大多數同業已先做 chatbot 沒拿到 ROI，BNY 的 18% CAGR 才是把順序倒過來的回報。CFO 接「員工心情」的機率低，接「投資報酬結構」的機率高。把預算討論從工具預算翻譯成順序預算，這是對話的轉折點。
智谷在這條順序裡能切進哪個環節？
企業 AI 診斷對應第一步盤點與順序對齊，用 20 題問卷把三方順序假設可視化。AI 卡牌工作坊對應第二步核心使用者培訓，把順序對齊變成主管一起玩的決策練習。第三步試點 agent 則回到企業業務情境內運作。
如果你想盤點公司現在 AI 導入的順序假設卡在哪一步，20 題免費企業 AI 診斷可以當作起點。
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。本文由智谷內容團隊整理，研究來源包含：Forrester 2026 BNY Mellon 數位勞動力案例研究、BCG 2023 generative AI 知識工作者實驗、BCG 2023 AI 10-20-70 法則、McKinsey 2025〈AI in the workplace〉、MIT NANDA 2025 GenAI 企業專案調查、BNY Mellon 2025 Annual Report。
推薦精選文章
📚 Shopify 總裁說 AI 搜尋讓新客翻倍：六個問題拆穿這場成長曲線是真是假
更多企業 AI 培訓服務：https://www.kvalley.biz/tcservice/digital/