美國銀行的 Bernard Hampton

今天的 我、我自己和人工智慧 播客節目，也是第13季的最後一集，探討美國銀行如何透過技能提升與再培訓，為龐大的全球勞動力做好迎接AI未來的準備。該金融機構學院負責人伯納德·漢普頓解釋了這個學習與發展組織如何專注於勞動力敏捷性，以及技術與軟技能的結合培養。

伯納德概述了採用人工智慧的三層次方法，並分享了他認為人類需要保持主導權的情境。

訂閱 我、我自己和人工智慧 在 蘋果播客 或 Spotify.

成績單

艾莉森賴德： 從一個為數十萬員工進行AI技能提升的組織中，我們能學到哪些學習與發展的經驗？請在今天的節目中尋找答案。

伯納德·漢普頓： 我是美國銀行的伯納德·漢普頓，您正在收聽 我、我自己和人工智慧.

薩姆·蘭斯博瑟姆： 歡迎來到 我、我自己和人工智慧，來自的播客 麻省理工學院斯隆管理評論 探索人工智慧的未來。我是 Sam Ransbotham，波士頓學院分析學教授。我一直在研究數據、分析和人工智慧 MIT SMR 自 2014 年以來，內容包括研究文章、年度行業報告、案例研究以及現在的 12 季播客節目。在每一集中，企業領導人、前沿研究人員和人工智慧政策制定者都會與我們一起剖析人工智慧炒作與人工智慧成功之間的差異。

歡迎回到 我、我自己和人工智慧。今天我們邀請到美國銀行學院負責人伯納德·漢普頓。學院是美國企業界最大的學習與入職組織之一，支援全球超過20萬名員工。伯納德在銀行推動員工技能提升、再培訓以及為AI應用做好人才準備方面扮演核心角色。伯納德，歡迎來到節目。

伯納德·漢普頓： 嘿，山姆，非常感謝。很高興見到你。

薩姆·蘭斯博瑟姆： 我猜大多數聽眾對美國銀行相當熟悉。它規模龐大，是全球最大的金融機構之一。我查了一下：7000萬客戶，遍及35個國家。規模驚人，但我猜多數人可能不熟悉你所領導的學院。能請你介紹一下學院以及它與美國銀行的關係嗎？

伯納德·漢普頓： 好的，當然。學院自2017年成立，取代了我們原有的學習組織。它是美國銀行屢獲殊榮的入職教育與專業發展組織，致力於推動全公司團隊成員的成長與成功。

在學院，我們高度聚焦於勞動力敏捷性。這意味著我們要更快地在正確的崗位上培養正確的技能，並持續優化流程、尋找提升營運效率或引進新技術與模式的機會，以達成目標。這實際上關乎AI賦能勞動力的流動性、技能提升與準備度。

薩姆·蘭斯博瑟姆： 你知道，我們有點類似。我每年教幾百名學生，而你負責20萬人。這差不多，對吧？

伯納德·漢普頓： 差不多。

薩姆·蘭斯博瑟姆： 規模似乎相當驚人——再加上一切變化的速度。你如何同時應對這兩個挑戰？

伯納德·漢普頓： 我們的學院路徑主要聚焦於技術技能、數據與AI素養、客戶服務卓越能力以及可擴展的領導力。因此，當我們考慮組織內特定群體的優先事項變化時，我們會採取幾項措施。首先，我們擁有內部的傳統學習技能組織，同時也結合來自業務部門的專業知識。過去幾年，我的組織內約有750人從業務部門調入學院，成為全職的學院團隊成員，為組織貢獻實務經驗。

薩姆·蘭斯博瑟姆： 聽起來不錯，我喜歡這個想法，但似乎非常困難。回想大約一年前，每個人都覺得需要學習提示工程。然後RAG（檢索增強生成）成了最新話題。感覺這些主題變化得非常快。事實上，我可以選今天的主題，但我們錄製時間比播出時間早一個月，到時可能已經過時了。你如何跟上這種變化？如何設計一個能應對這種敏捷性的流程？

伯納德·漢普頓： AI確實為我們創造了許多發展空間與機會。它將學習重點轉向：更快掌握核心角色技能、更好的批判性思考與決策能力（可想而知）、更強的溝通與人際關係技巧，以及將AI實際應用於日常工作。

當我們使用AI學習模組時，重點不是說「哦，我們把AI工具放在某人面前來幫助學習」，而是以實際的方式思考：我們最終服務誰？我們想達成什麼目標？然後反向推導，找出最佳解決方案，使我們能夠大規模地提供實用、基於事實的內容，幫助人們在心理安全且具吸引力的環境中專注並發展核心技能。

薩姆·蘭斯博瑟姆： 你同時提到了溝通技巧和AI技術技能。如果考慮從超級軟技能到技術技能的範圍，你的挑戰在哪裡？哪些方面更難處理？或者，這兩類學習體驗的挑戰有何不同？

伯納德·漢普頓： 最終，將兩者都牢記在心極為重要。我的意思是，如今AI主導了大多數新聞報導，也主導了你在網路上閱讀的內容。它是個有趣的談論話題，但實際上它並非玩具——認真對待的公司會從高層開始，培養領導層的相關技能，使其在組織中流動。而那些不那麼認真的公司則會把它當作玩一陣子就收起來的玩具。

與此同時，背後運作的概念是我們相信人類應始終主導AI。因此，我們能同時討論兩者，意味著人類技能的重要性依然極高，並且在思考同理心、傾聽、判斷與決策等面向時，成為關鍵的差異化因素。這些技能變得極其重要，同時AI技術的熟練度也變得極其重要。

另外兩點我想補充的是，人工智能將持續以越來越快的速度改變我們的工作方式——正如我們所能想像的，如果我們擁抱這項技術最終能為我們帶來的益處，同時我們也必須持續思考職業流動性的樣貌，以及勞動力在技能發展歷程中所處的位置。

隨著工作型態的轉變，某些任務所需的人手可能減少，但歸根結底，我們是以客戶為導向的企業。我們不僅希望有更多人直接與客戶對接，更希望思考：如果同仁能減少行政或例行性事務的時間，他們能為客戶帶來什麼更多價值？無論客戶處於哪個階段，都能真正去支援並理解他們的需求、目標與宗旨。

薩姆·蘭斯博瑟姆： 我可能会把这个数据说错，所以你可以纠正我，但我记得好像在哪里读到过，你们大约40%的职位是通过内部填补的。我想这需要大量的技能提升和再培训。挑战是在这里吗？还是说目标是更多地使用内部还是外部资源，或者你们对这两者的比例是怎么考虑的？

伯納德·漢普頓： 你真的很接近了。去年我們聘用了兩萬人，其中包括兩千名校園招聘的學生——去年近45%的職缺是由內部填補，這進一步說明了為何技能培訓與提升在整個組織中如此重要。

薩姆·蘭斯博瑟姆： 我讀到過你提到希望重新部署人才而非裁員。現在確實有這樣的新聞標題。每次我看新聞，總會看到「某公司因AI裁員數千人」。首先，我懷疑這是否真的歸因於AI。但我認為你公開表示過嘗試不同於裁員的做法。你的想法是什麼？

伯納德·漢普頓： 我們執行長說得很清楚，這其實關乎我們的客戶、我們的團隊成員，以及我們的社區。因此，當你考慮到像我們這樣規模的雇主時，組織的知識和客戶連結就變得非常重要。對我們的團隊成員來說，是的，我們曾說過，隨著時間推移，組織中某些職能可能需要更少的人手，但與此同時，也存在重新投資的機會。

因此，我們的機遇在於認識到員工為組織帶來了巨大價值。他們展現了承諾與忠誠，而對於那些渴望持續學習、充滿好奇心且具備適應力的員工，我們持續提供工具，讓他們能在職業生涯中享有充分的流動性。同時，他們所具備的敏銳度與經驗，無論是在風險管理領域或客戶導向的職位上，都能為客戶與組織帶來助益。舉例來說，我們希望他們能持續發揮所長並樂在其中，而我們的員工敬業度調查結果也證實了這一點。

薩姆·蘭斯博瑟姆： 你的組織裡有各式各樣的人，從極度技術型到極度非技術型都有。你如何判斷誰需要知道什麼？這點讓我很困擾。

伯納德·漢普頓： 簡而言之，每個人都需要了解一些事情。我認為最簡單的形式是，我們從三個不同層次來思考人工智慧。第一層次關乎每個角色與職能，也就是個人對工具的使用，涉及個人生產力。如今每個人都能使用某種形式的人工智慧，來強化當前的工作，並思考諸如需要撰寫或分析資訊、準備資料等任務導向或行政類的功能。我們希望他們感到自信且有能力，能以創意的方式運用人工智慧，讓工作負擔更輕鬆。

現在，從一方面來看，你當然可以說：「哦，我節省了很多時間。我可以深呼吸、放鬆一下。」但實際上，最好的衡量標準是，你把這種增強的能力轉化成了什麼？而我們思考的方式是，如何衡量人們從自我提升，到將時間投入於對客戶有益、對組織生產力有幫助，或支持其他照顧客戶的人等更具增值性的活動的轉變？

然後還有第二層的人工智能，實際上是關於功能的。我們會採用獨特的系統。也許有一組人最常需要使用某個系統，我們會透過代理來策劃，使其能夠解讀、整合、匯總資訊，從而簡化特定群體中的這項功能。

然後是第三層，我們考慮的是大型工作流程、多個數據來源、多個代理參與，這通常是大規模且橫跨整個組織的。

最終，每一項都能為組織帶來相當大的收益，逐步構建出生產力的全貌。隨著生產力提升，我們便能開始評估哪些環節有重新部署的機會，或哪些職位可能無需替補，但這並不意味著必須像某些公司那樣，最終走向大規模裁員的局面。

薩姆·蘭斯博瑟姆： 這些層級很有意思，我很高興你提到了衡量標準，特別是第一層。我相信美國銀行和其他地方一樣，有許多關鍵績效指標（KPI）來衡量進展、生產力與效率等。但我在想，我擔心這類衡量標準的普及，可能會讓我們過度專注於你所說的第一層——因為它更容易衡量，也更符合現有的KPI。相較之下，第三層似乎更具跨領域性質，有可能改變組織內部的平衡。

你如何避免把所有事情都簡化成第一層次的問題——「嘿，我們來提高效率和生產力吧？」

伯納德·漢普頓： 從我們的角度來看，這意味著（1）你同時進行所有這些工作，以及（2）另一方面，我們在學院所做的工作中，很大一部分不僅是協助開發工具和資源，以幫助整個組織提升AI素養並準備好使用這些工具，同時我們的技能庫也持續為團隊成員提供自我投資的機會。因此，你所衡量的內容需要取得平衡。有時，這些衡量可能涉及那些你希望淘汰的舊系統，轉而採用更以AI為導向的新系統，或能讓你更有效地與客戶溝通的技術。

另一部分則是衡量我們投入高價值工作的時間。這不僅僅是衡量生產力的問題。有幾個不同的觸發因素。一個是，人們會主動去做一些事情。另一個是，你將從事該工作的人數減少到與剩餘工作量相匹配的適當規模。

薩姆·蘭斯博瑟姆： 在紙上評估過哪些可能適合使用AI的地方，但最終認為風險不值得？或者，你們是如何制定這些指導方針的？我們應該在哪些地方使用工具，而不是在哪些地方可以使用工具？

伯納德·漢普頓： 思考一下AI真正擅長的是什麼。AI非常擅長研究，也非常擅長寫作和行政工作，它擅長處理任務。但AI並不擅長需要人類參與判斷的事務。

在思考培訓過程中的「內容」與「方式」時，我們運用人工智能讓學習變得（1）更實用、（2）更相關，以及（3）更具擴展性。這包括由人工智能驅動的學習體驗，例如模擬訓練與引導練習。學院利用人工智能對話模擬器，透過互動角色扮演與指導，幫助團隊成員建立並強化軟技能，並在此過程中持續提升。這是由人工智能引導的學習方式。其設計旨在加速不同崗位團隊成員的準備度，支持職業流動性，並確保人類監督始終是學習體驗的核心。

如此一來，我們開始能夠稍微這麼說：「嘿，這才是AI真正擅長的事。」我們希望讓人們置身於能體驗並提升自身技能的情境中。我特別提到的是一個互動平台，讓團隊成員能練習真實世界的場景。這正是AI的一大妙用——思考如何讓人在安全、模擬的環境中沉浸於某種情境。最終，這能培養自豪感、熟練度與專業精神。

薩姆·蘭斯博瑟姆： 喔，我真的很喜歡這個觀點。幾年前我們做過一項研究，將它定位為「自我決定」。如果你覺得自己擁有更多主導權、更有自信、與他人關係更好、對自己正在做的事感到滿意，那麼即使你認為這些工具可能會「取代」人類，你反而更有可能去使用它們——而這根本不是我們想傳達的觀點。而且我很喜歡那種模擬的層面。

你看嗎？ 良善之地我推薦這個電視節目，覺得它超好笑。但其中一個情節在 良善之地 他們會安排一個人模擬與女友分手的場景。畢竟，你沒有太多機會和女友分手，所以總希望能處理得當。對於戀人們，我想說的是，他發現無論怎麼做都不會有好方法；無論如何，這都會是痛苦的。

但你剛才所說的，是讓人在安全的地方練習困難的事情，那些我們平時較少機會練習的事。那麼，你們在這個互動模擬環境中，究竟會放入哪些具體內容呢？我很好奇人們實際上可以練習哪些事情。

伯納德·漢普頓： 這些主要應用於我們高流量、快節奏的環境中。想想我們的客服中心，想想全國各地3,500個金融中心在不同時段出現的業務高峰。無論是在節奏緩慢或快速的時刻，每個據點都需要員工展現卓越的判斷力，讓客戶感受到被同理心傾聽，並獲得盡心協助，最終專注於達成客戶期望的目標。

因此，從兌現支票到執行複雜交易，各種情況都有可能。我們將人們置於真實情境中，讓他們與一個看起來像活生生、會走會說會呼吸的客戶的虛擬化身互動。你可以參與各種場景，並即時獲得反饋，了解你如何處理情況、在過程中如何運用工具和資源，以及如何運用判斷力。這就是其中一個例子。

第二，當我思考人類主導時，開發、訓練及正確使用技術的關鍵問題之一，在於某些情境下，例如連續處理五次高風險交易。如果你使用某種人工智慧，它連續五次回答「是」，那麼關鍵問題必然是：「第六次會發生什麼？」山姆是否會看著這個結果說：「它已經連續五次說『是』了，這次大概也一樣？」人類主導的能力，在於運用情境讓人們準備好問自己：「我應該用什麼？」——作為人類，去驗證當下所建議行動的準確性。因此，我們必須始終將這些考量銘記在心，既要保護客戶、保護組織，也要讓客戶獲得絕佳的體驗。

薩姆·蘭斯博瑟姆： 你擁有一個龐大的組織。你擁有大量資源和規模可以投入其中。對於那些可能沒有這些資源來開發同等基礎設施的人，你有什麼建議？這些做法是否適合小規模進行，還是需要大規模才能見效？

伯納德·漢普頓： 你知道嗎？它們絕對可以。事實上，我們還有其他一些常規做法。是的，我們還衡量一些額外的事項，比如我們想要淘汰的系統，轉而採用其他系統。我們衡量每個業務部門撰寫了多少提示詞。那麼，組織內各個群體採用AI的文化是怎樣的？其中一些事項，大多數人根據他們選擇的AI工具及其基礎設施狀況，應該都能夠接觸到。

但我們獲得的一些最佳建議實際上來自多個層級。我們最近在組織內的一個高層小組中進行了這項工作。我們與組織內其他部門、跨職能團隊在多個層級進行了會面，並舉辦了數百場這樣的聆聽會議，每次召集20到30人，開始與他們交流他們對AI的看法。他們覺得哪些方面有幫助？他們仍然對什麼感到好奇？他們在哪裡需要幫助？所有這些想法和回饋，為我的團隊在建立和開發培訓時提供了回饋；為我們的技術團隊和委員會在思考下一步時提供了回饋；或者篩選出公司接下來應優先投資的重大項目和計劃，以支持我們的團隊成員。

所以，任何人在部署工具時，只需與人交談並傾聽，就能從中獲得優先排序的機會，這是一種無論組織規模大小都有的價值。

薩姆·蘭斯博瑟姆： 我認為這是一個很好的思考方式。……那些不需要大量資源來實施的事情，似乎完全在大多數組織的能力範圍內。

伯納德·漢普頓： 我與各種規模的公司交談。在這段旅程中，保持好奇心對我來說一直很重要。對我的領導團隊也是如此。我們會見了世界上一些最大的公司，但也會見了許多中型和小型組織，因為從中我思考我們的客戶可能如何看待這個問題以及他們需要什麼。我如何思考規模大小不同的群體？他們可能遺漏了什麼？我們可能遺漏了什麼？這種普遍的好奇心，以及從其他公司的失誤和成功中學習，是進行對話的重要基礎，並深思熟慮你首先做什麼、接下來做什麼，這樣你就不僅僅是在實驗，而是非常有意識地決定採用什麼？原因是什麼，才能讓人在另一端對「我為什麼接下來會體驗到X、Y或Z」充滿信心？

薩姆·蘭斯博瑟姆： 我喜歡你提到失誤。我認為我們總是太不願意承認自己做錯了什麼。你知道，除了我之外，大多數人在過去都做錯過事情。但獲取回饋的想法非常重要，你在模擬部分提到了這一點。

我發現學生們其實不像你想像的那麼討厭考試，因為他們能看到自己不太了解的地方以及可以改進的地方。我們非常喜歡改進。我認為這是你談話中貫穿的主題；讓人們知道哪些領域需要改進以及如何改進，人們通常會喜歡這樣。

我提到了我的學生。你提到你們40%、45%的員工是內部人員。如果我算得沒錯，這意味著55%或60%來自外部。對於現在進入職場的人，你有什麼建議？他們應該考慮具備哪些技能，才能積極參與當今的勞動力市場？

伯納德·漢普頓： 第一，我認為你在提到技能時說對了關鍵詞，因為有一點已經變得明確：技術技能，或者說技術技能的半衰期，可能在我成年以來從未如此短暫。要認識到我們在公司裡不斷談論的事情：清晰度、學習敏捷性和求知欲。持續將這些放在首位是極其重要的特質。

我們不僅在美國銀行內部經常談論這些，而且具體來說，好奇心能讓你保持相關性，這也包括對新技術的好奇。當我思考今天的AI時，不應該對未知感到恐懼，而應該把握機會擁抱這個在當今和未來環境中，與使用電話或電子郵件做生意同樣重要的事物。

我想對任何考慮未來職業生涯的人說：要有意識地挑戰自己。有機會時選擇有挑戰性的工作，這能培養你可重複使用的技能，然後通過向他人學習和分享，成為一個優秀的團隊成員。協作在這種工作環境中是非常重要的特質。跨公司來看，通常，各自為政的時代已經過去，特別是在客戶業務中，你對他人的需求以及思考以客戶為中心的組織力量，其重要性再怎麼強調也不為過。最後，我想說的是，持續發展人性技能，並認識到倫理、判斷力和決策力的力量仍然極其重要。

薩姆·蘭斯博瑟姆： 我喜歡你對這些事情的思考，可能比我深入得多。我們在節目中有時會做的一件事，我認為對你來說會很有趣，就是問你一系列快速問答。

你認為人們目前對人工智慧有哪些誤解？你看到很多人正在學習這項技術——他們錯在哪裡？

伯納德·漢普頓： 可能想到兩點。一是它會消失，只是曇花一現；二是認為它本身意味著每個人的工作都會消失。

薩姆·蘭斯博瑟姆： 關於AI，有什麼比你預想的進展更快或更慢？

伯納德·漢普頓： 可能進展更快的是採用率，我認為這在一定程度上與我們組織所採取的方法有關。我認為進展較慢的是——我說較慢，但也是以適當的速度——我們是一個高度監管的行業，所以我們在行動時總是會深思熟慮。

很難相信，就在十多年前，我們還沒有客戶端AI解決方案，但今天我們有一個客戶每季度使用超過1.69億次且持續增長的解決方案。所以我說有些事情進展較慢，但這是用正確的風險思維適當衡量的。

薩姆·蘭斯博瑟姆： 在您的日常生活中，您個人如何從AI工具中獲得最大價值？您從中獲得最多的是什麼？

伯納德·漢普頓： 我當然用它來寫作。我用它來分析信息，並用AI來策劃信息。我一直在思考如何以可擴展的方式整合和發展我們的培訓解決方案，以滿足他們的需求。有時是關於個人生產力工具，有時是關於我們可能構建的供應商或工具，這些工具是可擴展的，能夠讓我們比通過其他方式更快地達到熟練程度，或者可能與我們目前的做法不同。

薩姆·蘭斯博瑟姆： 更快地建立熟練度——這似乎是總結的好方式。我認為這是你努力的核心。我認為在你試圖達到的規模下，這是一個驚人的挑戰。感謝你今天分享你的想法。感謝你加入我們。

伯納德·漢普頓： 不客氣。很高興與你交流。

薩姆·蘭斯博瑟姆： 感謝您加入我們新一季的 我、我自己和人工智慧。我們進行了一些關於學習和AI發展的非常有趣的對話，而我們關於AI對勞動力影響的討論感覺尤其重要。我們與美國勞工部的Taylor Stockton、來自 經濟學人的Andrew Palmer以及今天與Bernard的討論進行了交流。很難選出最喜歡的！我們將在今年夏天回歸，帶來更多學術研究視角的特別節目。我們鼓勵您繼續評論我們的播客，並向我們發送任何意見或您希望我們涵蓋的主題請求。感謝您幫助我們讓 我、我自己和人工智慧 如此成功。

我、我自己和人工智慧^® 是麻省理工學院的聯邦註冊商標。版權所有。