同一周，两家银行亮出 AI 成绩单
10 月底，两家分属不同市场的银行几乎在同一窗口披露了 AI 的规模化成效。总部位于阿布扎比的 First Abu Dhabi Bank（FAB）在 10 月 29 日对外说明，AI 驱动的工作流已把贸易单据处理周转时间压减超过 70%；同一天，西班牙 BBVA 也给出一组运营口径的数字：AI 工具让软件开发效率提升 28%，客诉登记时间缩短约 80%。两家银行量级不同、市场不同，但披露的姿态高度一致——不再谈试点与愿景，而是把 AI 的回报写进可核算的流程指标里。
这种用百分比说话的披露方式，本身就是信号。过去两年，银行业是关于 AI 表态最密集的行业之一，但多数停留在战略叙事；当 FAB 与 BBVA 把单据周期、研发效率、在产用例数量摆上台面，企业 AI 是否落地，而今有了横向可比的硬标尺。
FAB：单据减 70%，六千个员工自建智能体
FAB 的披露里最显眼的是贸易金融这条线。贸易单据处理是银行里典型的高重复、强规则、长链路的流程，涉及信用证、报关与多机构核对，历来是人力密集区。FAB 称 AI 工作流把这类单据的周转时间压减超过 70%，意味着同样的人手可以承接更高的业务量，服务交付随之改善。同一窗口，其企业银行条线新客 onboarding 量也实现超过 80% 的增长，部分由 AI 工作流支撑。
另一组数字更值得玩味：员工已经自建超过 6000 个 AI 智能体，成为其企业级 AI 计划的一部分。这说明 FAB 没有把 AI 锁在中心化的数据科学团队手里，而是把搭建能力下放给一线员工，让业务侧自己定义并迭代智能体。配合其创新中枢统一治理可复用能力、30 多个智能体用例在行内推进、超过 90% 的结构化数据已并入企业平台，FAB 走的是一条平台加全员共建的路线。
BBVA：研发加 28%，客诉登记减 80%
BBVA 的数字更偏向研发与客服两条线。该行称 AI 工具让软件开发人员效率提升约 28%，重新设计的流程把客诉登记时间缩短约 80%、企业级财务方案产出缩短约 30%；约 75% 的员工经常使用 ChatGPT 与 Gemini，人均每周节省约 2.4 小时。客服语音试点取得约 90% 的成功解决率，Blue 助手则过滤了 App 内客户与理财经理之间超过一半的对话。
更关键的是规模：BBVA 披露全行处于生产状态的 AI 用例已达 1127 个，服务客户与业务两端。该行还提出名为 The Frame 的通用运营模式，让各团队不必每次从零起步，就能以统一的方式构建、部署、治理智能体。对一家覆盖多国市场的银行来说，这种统一底座加共享治理的打法，决定了 AI 能不能从单点工具变成组织能力。
从个人工具到流程重构：两套打法
把两家放在一起看，差异与共识同样清晰。FAB 的重心在全员共建——把智能体的生产权下沉到一线，用平台与治理兜住质量；BBVA 的重心在统一框架——用 The Frame 把构建与治理工业化，再横向铺开。两者都超越了给员工发一个聊天助手的阶段，开始动真正的业务流程。
这种从个人效率工具到流程重构的跨越，正是企业 AI 过去一年最难的一跳。聊天助手的价值容易感知却难量化，而单据周期、研发效率、客诉时间这类指标，才是组织愿意持续投入的依据。FAB 与 BBVA 的数字，恰好补上了这中间的因果链。
行业底色：UBS、英伦央行的调研
两家银行并非孤例。瑞银（UBS）同期披露在产 AI 用例达到 608 个，同比增长 81%，另有超过 1090 个应用在开发中，员工运行着逾 1.27 万个个人智能体；英格兰银行与金融行为监管局联合发布的 2026 年 AI 调研显示，受访金融机构中 86% 已在用 AI（2024 年为 75%），其中完整问卷受访者里 80% 已部署 AI 智能体，但仅有 2% 具备较广的自主决策能力。
这组数字勾勒出行业的真实水位：用 AI 已成普遍动作，但多数仍停留在人类把关的辅助阶段，真正的自主智能体占比极低。FAB 与 BBVA 的价值不在于跑得多快，而在于把辅助进一步推向重构，并留下可复核的运营痕迹。