美国银行的伯纳德·汉普顿

今天的《 我、我自己和人工智能 播客，第13季的最后一集，探讨了美国银行如何通过技能提升和再培训，为庞大的全球劳动力做好迎接人工智能未来的准备。该金融机构培训学院负责人伯纳德·汉普顿解释了学习与发展组织如何聚焦于劳动力灵活性，并培养技术与软技能的结合。

伯纳德概述了采用人工智能的三级方法，并分享了他认为人类需要保持参与的情况。

订阅 我、我自己和人工智能 在 苹果播客 或者 Spotify.

成绩单

艾莉森·赖德： 从一家为数十万员工提供人工智能技能提升培训的组织中，我们能学到哪些学习与发展方面的经验？敬请收听今天的节目。

伯纳德·汉普顿 我是美国银行的伯纳德·汉普顿，您正在收听的是 我、我自己和人工智能.

萨姆·兰斯博瑟姆： 欢迎来到 我、我自己和人工智能，来自的播客 麻省理工学院斯隆管理评论 探索人工智能的未来。 麻省理工学院 SMR 自 2014 年以来，内容包括研究文章、年度行业报告、案例研究以及现在的 12 季播客节目。

欢迎回来 我、我自己和人工智能今天，我们邀请到了美国银行学院负责人伯纳德·汉普顿。该学院是美国企业界规模最大的学习与入职培训机构之一，为全球超过20万名员工提供支持。伯纳德在银行提升员工技能、再培训以及为人工智能应用储备人才方面扮演着核心角色。伯纳德，欢迎来到我们的节目。

伯纳德·汉普顿 嘿，山姆，非常感谢。很高兴见到你。

萨姆·兰斯博瑟姆： 我猜大多数听众对美国银行都很熟悉。它规模庞大，是全球最大的金融机构之一。我查了一下：7000万客户，遍布35个国家。它确实很大，但我想大多数人可能不太了解你领导的“学院”。能跟我们介绍一下“学院”以及它与美国银行的关系吗？

伯纳德·汉普顿 是的，当然。该学院自2017年成立，取代了我们原有的学习组织，是美国银行屡获殊荣的入职教育与职业发展机构，致力于推动全公司员工的成长与成功。

在学院，我们高度聚焦于劳动力敏捷性。这意味着我们要更快地在合适的岗位上培养合适的技能，并持续优化流程、寻求卓越运营的机会，或引入新技术与新方法，以实现这一目标。这本质上关乎人工智能赋能劳动力的流动性、技能提升与准备度。

萨姆·兰斯博瑟姆： 你知道吗，我们其实差不多。我一年教几百个学生，你有二十万。这差不多，对吧？

伯纳德·汉普顿 关闭。

萨姆·兰斯博瑟姆： 这种规模似乎相当惊人——再加上一切变化的速度之快。你是如何同时应对这两件事的？

伯纳德·汉普顿 我们学院的课程路径非常注重技术技能、数据和人工智能素养、面向客户的卓越能力以及可扩展的领导力。因此，当考虑到整个组织针对特定群体的优先事项变化时，我们会采取几项措施。首先，我们拥有一个内部传统的学习技能组织，但同时，我们会将其与来自业务部门的主题专家相匹配。在过去几年里，我所在的部门中，大约有750人从业务线转入学院，成为正式的学院团队成员，为组织贡献了真实的实践经验。

萨姆·兰斯博瑟姆： 听起来不错，我也喜欢这个想法，但感觉确实很难。大概一年前，每个人都觉得需要学习提示工程，然后RAG（检索增强生成）又成了最新热点。感觉这些话题更新得太快了。实际上，我可以选今天的话题，但我们在播出前一个月录制，到时候可能已经过时了。你是怎么跟上这种节奏的？如何设计一个能应对这种快速变化的流程？

伯纳德·汉普顿 人工智能确实为我们创造了大量空间和机遇。它将学习重点转向了更快掌握核心岗位技能；如你所想，更强的批判性思维与决策能力；更出色的沟通和人际关系技巧；以及将人工智能实际应用于日常工作的能力。

当我们使用基于AI的学习模块时，重点不在于说：“哦，我们只是把AI工具放在某人面前来辅助学习。”而是要真正从实际角度思考：我们最终服务的是谁？我们要达成什么目标？然后反向推导，确定最佳的解决方案，使我们能够大规模地做到实用、基于事实，帮助人们以心理安全且富有吸引力的方式专注于核心技能并加以培养。

萨姆·兰斯博瑟姆： 你提到了沟通技巧，同时也提到了AI技术技能。如果从超级软技能到更技术性的技能这个范围来看，你的挑战在哪里？你在哪方面遇到更多困难？或者对于这两种不同类型的学习体验，挑战有何不同？

伯纳德·汉普顿 最终，我们必须始终将这两者牢记于心，这一点至关重要。如今，人工智能占据了大多数新闻头条，主导着你在网上阅读的内容，成为人们热衷谈论的话题。但现实是，它并非玩具——真正重视人工智能的公司会从领导层开始自上而下地推动，培养相关技能，使其渗透到整个组织。而那些不够重视的公司，只会把它当作一时兴起的玩具，玩腻了就丢到一边。

与此同时，我们始终秉持一个核心理念：人类应在人工智能领域占据主导地位。因此，当我们同时探讨这两者时，意味着人类技能的重要性依然不可替代——尤其在同理心、倾听、判断力和决策力等方面，这些能力正成为关键的差异化优势。它们的重要性与日俱增，而掌握人工智能技术的能力也同样变得至关重要。

另外两点背景是，人工智能将继续以越来越快的速度改变我们的工作方式——正如我们所能想象的，如果我们拥抱这项技术所能带来的最终价值，同时我们也必须持续思考职业流动性的形态，以及劳动力在技能发展进程中所处的位置。

随着工作方式的变化，某些岗位所需人员可能减少，但归根结底，我们是一家面向客户的企业。我们不仅希望有更多人与客户直接对接，更希望思考：如果人们能减少行政或事务性工作的时间，他们能为客户带来什么？真正去支持和理解客户的需求、目标与愿景——无论他们处于何种阶段。

萨姆·兰斯博瑟姆： 我可能会把这个数据说错，所以你可以纠正我，但我记得曾在某处读到过，你们大约40%的职位是通过内部填补的。我猜这需要大量的技能提升和再培训。挑战在于这里吗？还是说目标是更多地使用内部或外部资源，或者你们是如何考虑这种组合的？

伯纳德·汉普顿 你们已经很接近了。去年我们招聘了2万人，其中包括2000名校园实习生——去年近45%的空缺职位由内部填补，这进一步说明了为什么技能培养和提升在整个组织中如此重要。

萨姆·兰斯博瑟姆： 我读到过你谈到希望重新部署人才而非裁员。现在确实有这样一个热门话题。每次我看新闻，似乎总能看到"某公司因AI裁员数千人"。首先，我本就怀疑这真的归因于AI。但据我所知，你公开主张采取与裁员不同的策略。你对此有何看法？

伯纳德·汉普顿 我们CEO已经明确表示，这关乎我们的客户、我们的团队成员以及社区。因此，当你考虑到像我们这样规模和体量的雇主时，组织的知识储备和客户联系变得至关重要。对于我们的团队成员，是的，我们曾说过，随着时间的推移，组织中某些职能可能需要更少的人手，但与此同时，也存在再投资的机会。

因此，我们的机遇在于认识到员工为组织带来了巨大价值。他们展现出承诺与忠诚，对于那些渴望持续学习、保持好奇心且具备适应能力的员工，我们将持续提供工具，助力他们在职业生涯中实现所期望的充分流动。同时，无论是从事风险管理工作还是面向客户的岗位，他们都具备对客户和组织有益的敏锐洞察力与丰富经验。例如，我们希望他们能持续发挥最佳状态并乐在其中，而我们的员工敬业度调查结果也印证了这一点。

萨姆·兰斯博瑟姆： 你的组织里有各种各样的人，从技术大牛到技术小白。你怎么判断谁需要知道什么？这让我很困惑。

伯纳德·汉普顿 简而言之，每个人都需要了解一些东西。我认为，最简化的理解是，我们可以从三个不同层面来思考人工智能。第一层涉及每个角色和职能，关乎个人对工具的使用，也就是个人生产力。如今，每个人都能接触到某种形式的人工智能，从而提升当前的工作效率，并思考诸如需要撰写或分析信息、准备材料等任务导向或行政类功能。我们希望人们能够自信且有能力地以创造性的方式运用人工智能，让工作负担变得更轻松。

现在，一方面你当然可以说，“哦，我节省了大量时间。我可以深呼吸放松一下，”但现实是，衡量这一点的最佳标准是，你如何利用这种增强的能力？我们的思考方式是，如何衡量人们从自我提升到将时间投入到对客户有益、对组织生产力有益或支持他人服务客户等更具增值性的活动中的转变？

然后是第二层人工智能，主要涉及功能层面。我们会采用独特的系统。也许某个团队最常使用某一系统，我们将通过智能代理进行策划，使其能够解读、整合、汇总信息，从而简化特定团队中的这一功能。

然后是第三级，我们考虑的是大型工作流、多个数据源、多个代理参与，这通常规模较大，且横向覆盖整个组织。

归根结底，每一项都为组织带来了显著的收益，逐步构建起一幅生产力提升的图景。随着生产力的提高，我们能够逐渐开始判断哪些地方存在重新部署的机会，或者哪些岗位或许无需填补，但这并不意味着要像某些公司那样最终导致大规模裁员。

萨姆·兰斯博瑟姆： 这些层级很有意思，很高兴你提到了衡量标准，尤其是第一层级。我相信美国银行和其他机构一样，肯定有一整套关键绩效指标来衡量进展、生产力和效率等。但我在想，这些指标的普遍存在可能会让我们过度关注你所说的第一层级——因为它更容易衡量，也更符合现有的KPI体系。相比之下，第三层级似乎更具跨领域性，有可能改变组织内部的平衡。

如何避免把所有事情都变成一级类型——“嘿，让我们更高效、更有生产力”？

伯纳德·汉普顿 从我们的角度来看，这意味着（1）你要同时推进所有事项，并且（2）在此基础上，我们在学院所做的大量工作不仅包括协助开发工具和资源，以帮助整个组织提升人工智能素养并做好使用这些工具的准备，同时我们的技能库也持续为团队成员提供自我提升的机会。因此，在衡量标准上需要取得平衡。有时这种衡量可能涉及那些希望用更先进的人工智能系统或能更好与客户沟通的技术来取代的旧系统。

另一部分则是衡量我们花在高价值工作上的时间。这并不只是衡量生产力的问题。有几个不同的触发因素。一个是人们会主动去做事情。另一个则是将从事某项工作的人数减少到与剩余工作量相匹配的合理水平。

萨姆·兰斯博瑟姆： 您是否遇到过这样的情况：在纸面上看起来很适合应用AI的领域，但最终因风险过高而放弃？或者，您是如何制定相关指导原则，明确哪些场景应该使用工具，而哪些场景只是可能使用工具？

伯纳德·汉普顿 想想人工智能真正擅长什么。人工智能非常擅长研究，也非常擅长写作和行政职能，它擅长处理任务。但人工智能不擅长需要人类参与判断的事情。

在思考培训过程中的“内容”与“方式”时，我们运用人工智能使学习（1）更实用、（2）更相关、（3）更具可扩展性。这包括模拟训练、引导式练习等基于AI的学习体验。学院利用AI对话模拟器，通过互动角色扮演和辅导帮助团队成员培养并强化软技能，在此过程中持续提升能力。这本质上是AI引导的学习方式。其设计旨在加速各岗位团队成员的技能准备，支持职业发展，并确保人工监督始终是学习体验的核心。

这样一来，我们就能开始大致说出：“嘿，这才是人工智能真正擅长的事情。”我们希望让人们置身于能够体验并提升自身技能的情境中。我特别提到的是一种互动平台，它能让团队成员练习真实场景。这正是人工智能的一大妙用——思考如何让人们在安全、模拟的环境中沉浸于某种情境。最终，这能培养自豪感、熟练度和专业精神。

萨姆·兰斯博瑟姆： 哦，我真的很喜欢这个。几年前我们做过一项研究，将其定义为自我决定。如果你觉得自己更有权威、更自信、与他人关系更好、对自己所做的事感到满意，你就更可能使用这些工具，即使你可能会认为它们是“取代”人类的工具，但这完全不是我们的观点。而且我很喜欢那种模拟的方面。

你看吗？ 《善地》，那个电视节目？我推荐它。我觉得它很搞笑。但其中一个场景是 《善地》 他们让某人模拟与女友分手的过程。你并没有那么多机会和女友分手，所以你想做得妥当。对于恋爱中的人，我想说，他发现没有好的方式去做这件事；无论如何都会很痛苦。

但你刚才提到的是让人们在一个安全的地方练习那些困难的事情，那些我们很少有机会练习的事情。你在这个互动模拟环境中设置了哪些内容？我很好奇人们实际可以练习什么。

伯纳德·汉普顿 这些主要用于我们高流量、快节奏的环境中。想想我们的客服中心。想想全国3500个金融中心在不同时间段的业务高峰。在每一个地方，无论是慢节奏还是快节奏，我们都需要员工作出明智的判断，让客户感受到被倾听，感受到有人富有同理心并努力帮助他们，最终专注于客户想要达成的目标。

所以可以是任何事情，从兑现支票到执行复杂交易。我们把人们置于真实场景中，让他们与一个看起来像活生生的、会走路、会说话、会呼吸的客户化身互动。你可以参与各种场景，并实时获得关于你处理方式的反馈，包括你对工具和资源的使用，以及你如何运用判断力。这就是一个例子。

第二，当我想到“以人为本”时，开发、培训并正确使用技术的一个关键问题是：假设你连续五次处理高风险交易。如果你使用某种AI，它每次都回答“是，是，是”。关键问题必须是：“第六次会发生什么？”Sam是否会看着它说：“它已经连续五次说‘是’了，这次可能也一样？”识别“以人为本”的能力，就是利用场景让人们准备好问：“作为人类，我应该用什么来验证当前推荐行动的准确性？”因此，我们必须始终考虑这些因素，既要保护客户，保护组织，又要让客户获得良好体验。

萨姆·兰斯博瑟姆： 你有一个庞大的组织，拥有大量资源和规模来投入其中。对于那些可能没有这些资源来开发这种基础设施的人，你有什么建议？这些事情在小规模下也能有效运作，还是需要大规模才能奏效？

伯纳德·汉普顿 你知道吗？它们绝对可以。事实上，我们还有一些其他常规做法。是的，我们还会衡量一些额外的东西，比如我们想要逐步淘汰的系统。我们衡量一个组织按业务线编写的提示词数量。那么，组织中各个团队采用AI的文化是什么样的？其中一些东西，大多数人都可以根据他们选择的AI工具及其基础设施情况来获取。

但我们得到的一些最佳建议实际上来自多个层面。我们最近在组织内的高级团队中做了这件事。我们与组织内其他部门、跨职能团队在多个层面会面，并进行了数百次这样的倾听会议，每次召集20到30人，开始与他们讨论对AI的看法。他们觉得什么有帮助？他们仍然对什么感到好奇？他们需要哪些帮助？所有这些想法和反馈都产生了各种成果：为我的团队提供反馈，因为我们正在构建和开发培训；为我们的技术团队和委员会提供反馈，以便我们思考下一步；或者筛选出公司接下来应投资哪些优先重大项目来支持我们的同事。

所以，任何人在部署工具时，只需与人交谈并倾听，就能从中获得优先排序的机会，无论组织规模大小，这都是一种价值。

萨姆·兰斯博瑟姆： 我认为这是一种很好的思考方式……那些不需要大量资源来实施的事情，似乎完全在大多数组织的能力范围内。

伯纳德·汉普顿 我与各种规模的公司交谈。在这段旅程中，保持好奇心对我来说一直很重要。对我的领导团队来说也是如此。我们会见一些世界上最大的公司，也会见一些中型和小型组织，因为从中我会思考我们的客户可能如何看待它以及他们需要什么。我如何思考规模不同的群体？他们可能遗漏了什么？我们可能遗漏了什么？这种普遍的好奇心，以及从其他公司的失误和成功中学习，是进行对话的重要基础，并且要深思熟虑先做什么、下一步做什么，这样你就不仅仅是在试验，而是真正有意图地决定采用什么？理由是什么？这样才能让人们在另一端有信心，明白为什么接下来会经历X、Y或Z。

萨姆·兰斯博瑟姆： 我喜欢你提到了“失误”。我认为我们总是过于犹豫，不愿承认自己做过任何错事。你知道，除了我之外，大多数人在过去都做过错事。但获取反馈的想法非常重要，你在模拟部分也提到了这一点。

我发现学生其实并不像你想象的那样讨厌考试，因为他们能看到自己不擅长的领域以及可以改进的地方。我们非常喜欢改进。我认为这贯穿了你所谈论的主题：让人们知道哪些领域需要改进以及如何改进，人们通常喜欢这样。

我提到了我的学生。你提到40%到45%的员工是内部培养的。如果我算得没错，这意味着55%到60%来自外部。对于现在进入职场的人，你能给出什么建议？他们应该考虑培养哪些技能，才能成为当前劳动力中的活跃一员？

伯纳德·汉普顿 第一，我认为你在提到“技能”时用对了关键词，因为有一点已经变得很清楚：技术技能，或者说技术技能的半衰期，可能在我成年后的任何时候都变得更短了。要认识到我们公司一直在谈论的东西：清晰度、学习敏捷性和求知欲。持续将这些放在首位是极其重要的特质。

我们不仅在美银这里经常谈论这些，而且具体来说，好奇心能让你保持与时俱进，包括对新技术的了解。当我今天思考AI时，它不应该是未知的恐惧，而是拥抱某种东西的机会，这种东西在当今和未来的环境中，将像使用电话或电子邮件开展业务一样重要。

我想对任何考虑自己职业生涯的人说：要有意识地挑战自己。有机会时选择有挑战性的工作，这能培养你可重复使用的技能，然后通过向他人学习和分享，成为一名优秀的团队成员。协作在这种工作环境中是非常重要的特质。跨公司来看，单打独斗的日子通常已经过去了，特别是如果你在客户业务中工作，你对他人的需求以及思考以客户为中心的组织力量，其重要性怎么强调都不为过。最后，我想说，继续培养人际技能，并认识到道德、判断力和决策力的优势仍然极其重要。

萨姆·兰斯博瑟姆： 我喜欢你对这些事情的思考，可能比我深入得多。我们在节目中有时会做的一件事，我觉得对你来说会很有趣，就是问你一连串快速问答。

你认为目前人们对人工智能有什么误解？你看到很多人在学习这项技术——他们误解了什么？

伯纳德·汉普顿 可能想到两件事。一是认为它会消失，是一种潮流；二是认为它本身意味着每个人的工作都会消失。

萨姆·兰斯博瑟姆： 关于AI，有什么比你预想的进展更快或更慢？

伯纳德·汉普顿 可能进展更快的是采用率，我认为这在一定程度上与我们组织采取的方法有关。我认为进展更慢的是——我说更慢，但也是以适当的速度——我们是一个高度监管的行业，所以我们在行动时总是会深思熟虑。

很难相信，就在十多年前，我们还没有客户AI解决方案，但今天，我们有一个客户每季度使用超过1.69亿次且持续增长的解决方案。所以我说有些事情进展较慢，但这是以正确的风险心态适当衡量的。

萨姆·兰斯博瑟姆： 就你个人而言，在日常生活中如何从AI工具中获得最大价值？你从中获得最多的是什么？

伯纳德·汉普顿 我当然用它来写作。我用它来分析信息，并用AI来整理信息。我一直在思考如何以可扩展的方式整合和发展我们的培训解决方案，以满足他们的需求。有时是关于个人生产力工具，有时是关于我们可能构建的供应商或工具，这些工具是可扩展的，能够以比其他方式更快或不同于当前方式的速度帮助我们建立熟练度。

萨姆·兰斯博瑟姆： 更快地建立熟练度——这似乎是一个很好的总结方式。我认为这是你努力的核心。我认为以你试图达到的规模，这是一个巨大的挑战。感谢你今天分享你的想法。感谢你加入我们。

伯纳德·汉普顿 这是我的荣幸。很高兴和你在一起。

萨姆·兰斯博瑟姆： 感谢您加入我们的又一季 我、我自己和人工智能。我们进行了一些关于学习和AI发展的非常有趣的对话，而关于AI对劳动力影响的讨论感觉尤其重要。我们与美国劳工部的Taylor Stockton、Andrew Palmer进行了交谈， 经济学人，以及今天与伯纳德的讨论。很难选出最喜欢的！我们将在今年夏天回归，推出更多具有学术研究视角的特别节目。我们鼓励您继续评价我们的播客，并向我们发送任何意见或希望我们涵盖的主题请求。感谢您帮助我们让 我、我自己和人工智能 如此成功。

我、我自己和人工智能^® 是麻省理工学院的联邦注册商标。