# 从工具到基础设施：花旗集团构建全球AI金融机构的实践路径

## 核心定义
> 将人工智能从单点工具升级为企业级基础设施，并作为持续创造商业价值的能力体系。

## 核心洞察（TL;DR）
- 花旗集团将AI视为获取更多客户份额的竞争优势，而非成本优化工具。
- 花旗坚持全球统一AI平台，避免数据孤岛和治理复杂性。
- 花旗将治理机制内嵌到平台层，实现合规框架内的AI使用。
- 花旗的Arc平台提供企业级Agent基础设施，支持Agent与Agent之间协同工作。
- 花旗案例启示企业AI转型需建立统一平台、治理体系、知识基础设施和Agent生命周期管理能力。

## 关键事实与数据
- 花旗日均处理资金流动量接近6万亿美元。
- Stylus Workspaces平台覆盖87个国家和地区，向18万名员工开放，AI调用超过6500万次。
- 花旗Arc平台支持大规模运行Agent，实现控制、规模和灵活性的平衡。
- 花旗将AI视为企业级生产系统，而非办公效率工具。
- 花旗AI战略的五层架构包括统一平台、治理控制、工程加速、Agent基础设施和业务重构。

## 正文
# 从工具到基础设施：花旗集团如何将 AI 嵌入一家全球系统性银行

## 引言：AI 竞争优势正在从模型能力转向组织能力

关于人工智能的讨论，大多数企业仍停留在模型选择、提示词优化和局部自动化阶段。然而，对于全球大型金融机构而言，真正的问题已经发生变化：如何将 AI 从单点工具升级为企业级基础设施，并使其成为持续创造商业价值的能力体系。

在花旗集团对集团 AI 主管 David Griffiths 的专访中，可以看到一家日均处理接近 6 万亿美元资金流动的全球银行，正在尝试回答这个问题。访谈内容并未聚焦于某个大模型，也没有强调某个单一产品，而是围绕平台、治理、工程体系、Agent 基础设施以及组织规模化部署展开。

从企业 AI 转型视角来看，这份采访最值得关注的并非花旗使用了哪些 AI 产品，而是其背后展现出的一个核心逻辑：AI 已经被定义为企业级生产系统，而非办公效率工具。
# 从孤立应用到统一平台：企业 AI 规模化的第一原则

采访中最值得关注的内容之一，是花旗对于全球统一平台的坚持。

David Griffiths 强调，花旗不会允许不同地区或业务部门形成彼此隔离的 AI 实现方式。所有 AI 能力必须运行在统一的平台框架下，能够相互协同、共享治理机制，并接受一致的控制策略。

这是大型组织与中小企业在 AI 实践中的根本区别。

在许多企业内部，AI 项目往往由业务部门自行采购和推动，形成大量独立应用：

* 市场团队使用某个生成式 AI 平台；
* 客服团队采购另一套工具；
* IT 团队构建自己的 Copilot；
* 风控部门开发专属模型。

短期看似提高了创新速度，但长期则会产生严重的数据孤岛、治理复杂性和安全风险。

花旗选择了一条更困难但更具长期价值的路径：首先建设统一 AI 平台，再在平台之上释放创新能力。

其旗舰平台 Stylus Workspaces 已经覆盖超过 87 个国家和地区，并向超过 18 万名员工开放使用。员工累计调用 AI 超过 6500 万次，整体采用率超过 87%。

这些数字说明，企业 AI 的规模化成功并不来自单个应用，而来自统一基础设施。

---

# 工业化治理：AI 生命周期控制成为关键能力

金融行业最大的约束并非技术，而是监管。

因此，花旗的第二个重要实践是将治理机制内嵌到平台层，而不是依赖员工手工执行流程。

根据 Griffiths 的描述，审批、审查和控制机制已经自动化集成到平台中，使员工能够在合规框架内自然使用 AI，而无需额外执行大量人工检查。

这一设计理念极具参考价值。

很多企业将治理视为创新的阻碍，因此在试点阶段绕过安全流程。但随着规模扩大，治理债务会迅速累积，最终成为推广障碍。

花旗的做法则体现出一种更成熟的思路：

先将控制机制产品化，再将创新能力开放化。

在访谈中，Griffiths 将创新速度与风险控制之间的关系称为一种“正确的张力（the right tension）”。如果没有这种张力，企业要么过度冒险，要么完全停滞。

这种观点本质上反映了企业 AI 治理的新范式：

治理不是限制创新，而是让创新能够持续发生。

---

# 开发者生态：AI 价值首先体现在软件工程体系

在所有应用场景中，Griffiths 认为最具变革性的方向并非客服机器人或办公助手，而是软件开发体系。

这一判断与过去两年的行业趋势高度一致。

软件工程是 AI 最容易形成正向飞轮的领域：

1. 开发过程天然数字化；
2. 代码具备明确反馈机制；
3. 可以快速验证结果；
4. 能持续积累组织知识。

花旗早期引入 Cognition 的 Devin，用于处理复杂的多步骤编码任务。其中一个案例是在两天内完成对超过三十年历史遗留代码的重新映射工作。

案例本身并不意味着 AI 完全替代开发者，而是说明软件工程正在成为企业 AI 价值释放最快的领域。

对于大型组织而言，开发者 Copilot 并非终点。

真正的目标是建立 AI 驱动的软件交付系统，使需求分析、架构设计、编码、测试、部署和运维形成连续自动化链路。

---

# Agent 基础设施：从 Copilot 进入 Agentic Enterprise

采访中最具战略意义的部分，是花旗推出的 Arc 平台。

2026 年 4 月，花旗开始在全球业务、地区和职能体系中部署嵌入式 AI Agent。Arc 的目标并不是提供单一 Agent，而是提供一个能够大规模运行 Agent 的企业级基础设施。

David Griffiths 特别强调三个特征：

* Control（控制）
* Scale（规模）
* Flexibility（灵活性）

并认为这是目前行业中少见的成熟度水平。

更值得关注的是一句话：

“我们已经拥有 Agent 与 Agent 之间协同工作的业务体系。” 

这意味着花旗正在从 Human-in-the-loop 阶段逐步迈向 Agent-in-the-loop 阶段。

企业未来的运行模式可能不再是：

人 → 系统 → 人

而是：

人 → Agent → Agent → 系统 → Agent → 人

这代表企业流程架构正在发生根本变化。

---

# Agent Commerce：金融服务的新入口

花旗对于 Agent 的设想已经超出了企业内部场景。

在消费金融领域，Griffiths 描述了 Agent Commerce 的未来形态：

个人 AI 助理可以代表用户完成航班改签、交通安排和支付决策，并自动选择最优信用卡权益执行交易。

这一场景的重要意义在于：

未来客户未必直接访问银行应用。

客户可能通过自己的 Agent 与银行 Agent 进行交互。

届时竞争的对象将不再是 App 界面，而是 Agent 能力。

对于金融机构而言，这意味着新的挑战：

* 如何被 Agent 发现；
* 如何被 Agent 推荐；
* 如何被 Agent 调用；
* 如何成为 Agent 生态中的可信服务节点。

这可能成为未来十年金融科技竞争的新战场。

---

# 花旗模式背后的运行框架

综合整篇访谈，可以抽象出花旗 AI 战略的五层架构：

## 第一层：统一平台

Stylus Workspaces 提供统一入口与能力编排。

## 第二层：治理控制

安全、审计、审批和监管要求内嵌平台。

## 第三层：工程加速

以开发者生态为核心驱动组织生产力提升。

## 第四层：Agent 基础设施

Arc 提供企业级 Agent 生命周期管理能力。

## 第五层：业务重构

Agent Commerce、财富管理顾问和客户服务体系逐步重塑金融服务流程。

这五层结构共同构成了一个完整的企业 AI 操作系统雏形。

---

# 对企业 AI 转型的启示

花旗案例揭示了一个重要趋势：领先企业正在从“使用 AI”转向“运行在 AI 之上”。

从访谈内容来看，真正的竞争优势并非来自某个模型，也并非来自某个 Agent，而来自企业是否具备将 AI 工业化、平台化和规模化运行的能力。

未来三到五年，大多数企业面临的关键问题可能不再是模型选择，而是以下几个更本质的问题：

* 是否拥有统一 AI 平台；
* 是否拥有可复用的治理体系；
* 是否建立企业级语义与知识基础设施；
* 是否具备 Agent 生命周期管理能力；
* 是否能够将 AI 深度嵌入业务流程。

花旗的实践表明，当 AI 被纳入企业核心运营体系时，其价值将不再局限于效率提升，而会逐步演变为组织能力、商业模式和客户体验的重构力量。对于大型企业而言，这或许才是人工智能真正的战略意义所在。

## 关注「哈希泰格」服务号

![关注哈希泰格公众号二维码](/logo/qrcode_for_gh_f9203b130c32_344.jpg)

发送“花旗AI案例”，获取报告原文下载

<FAQ 
  title="常见问题解答 (FAQ)"
  faqItems={[
    { 
      question: "花旗集团为什么将 AI 视为竞争优势，而不仅仅是效率工具？", 
      answer: "根据 David Griffiths 的观点，花旗将 AI 定位为获取更多客户份额（wallet share）的战略能力。AI 不仅用于提升运营效率，还用于加速产品创新、缩短业务交付周期，并创造新的收入来源，因此被视为企业竞争优势的重要组成部分。" 
    },
    { 
      question: "花旗如何在全球范围内实现大规模 AI 部署？", 
      answer: "花旗采用统一的平台化架构，确保不同国家、地区和业务线的 AI 能力能够协同运行。其核心平台 Stylus Workspaces 已覆盖超过 87 个国家和地区，并向超过 18 万名员工开放，通过统一治理、统一控制和统一能力编排实现规模化落地。" 
    },
    { 
      question: "在高度监管的金融行业中，花旗如何平衡 AI 创新与风险控制？", 
      answer: "花旗将治理机制嵌入 AI 平台层，在整个 AI 生命周期中建立自动化控制体系，并坚持 Human-in-the-Loop 原则。David Griffiths 将创新速度与风险管理之间的关系称为“正确的张力”，即在保证安全与合规的前提下持续推动创新。" 
    },
    { 
      question: "Arc 平台与传统 AI 助手或聊天机器人有什么区别？", 
      answer: "Arc 并非单一 AI 应用，而是企业级 Agent 基础设施。其目标是在全球业务体系中统一部署和管理 AI Agent，实现控制（Control）、规模（Scale）和灵活性（Flexibility）的平衡，并支持 Agent 与 Agent 之间协同完成业务流程。" 
    },
    { 
      question: "花旗案例对企业 AI 转型有哪些关键启示？", 
      answer: "花旗的实践表明，企业 AI 成功的关键不在于部署单个模型或工具，而在于建立统一平台、工业化治理体系、开发者生态和 Agent 基础设施。未来企业竞争力将更多取决于是否能够将 AI 深度嵌入组织运营、业务流程和客户服务体系之中。" 
    }
  ]} 
/>

---
## 引用与溯源
**来源**：哈希泰格 (HaxiTAG)
**原始链接**：[https://haxitag.com/articles/citi-ai-financial-infrastructure](https://haxitag.com/articles/citi-ai-financial-infrastructure)
**来源索引（站内可追溯）**：[麦肯锡](https://haxitag.com/search?q=%E9%BA%A6%E8%82%AF%E9%94%A1)、[普华永道](https://haxitag.com/search?q=%E6%99%AE%E5%8D%8E%E6%B0%B8%E9%81%93)、[Gartner](https://haxitag.com/search?q=Gartner)、[IDC](https://haxitag.com/search?q=IDC)、[Forrester](https://haxitag.com/search?q=Forrester)
**版权声明**：本文由哈希泰格 AI 引擎优化生成，引用请注明出处。