这家拥有60年历史的银行是由14家区域银行相继合并而成的,该银行正计划上线网络银行,通过在线服务瞄准全国市场,以确保其未来的增长。
Merling于2021年10月上任的时候,Arvest已经开始了转型过程:在一系列年度“推动变革”员工态度调查中进行了第一次调查,并试验了新的核心银行软件,计划以此为基础建立新的银行。
但也是有挑战的。
Merling说:“大家都在搭建零售新银行。”这形成了一个竞争激烈的市场,在这个市场中,获得一个新客户的成本约为1000美元。“你会把所有的钱都花在获取客户上,而不是建设基础设施上。”
最重要的是,公司内部对变革存在一定程度的抵制——或者至少是漠不关心的。Merling总结了关于员工为变革做好准备的内部调查结果发现,三分之一的人“当然,我接受”,三分之一的人模棱两可,三分之一的人“我还没有真正准备好”。
她说,当不清楚改变是什么时,员工很难支持改变。
学习,学习,再学习
为了更清楚地了解Arvest的现状和发展方向,Merling的第一步是委托对公司整个技术堆栈进行一项研究,并对数据格局进行另一项研究。她说:“我们会同时看这两方面,这两者既相关又不同:获取数据的难易程度有多大,我们有哪些数据?”
与此同时,Arvest还研究了哪些不足可能导致客户流失,以及可以利用哪些优势来制定新战略。
她说:“我来这里的头几个月,我们做了很多事情。”
所有这些回溯的结果就是Arvest银行改变了方向——或者更确切地说,回到了以前做得最好的那个方面。新银行的计划被放弃了,取而代之的是,“我们提出了一个新的使命。我们希望成为领先的、以社区为中心的银行,为商业和小型企业提供服务,”Merling说。
这并不意味着Arvest银行拒绝零售客户。通过支持当地雇主,“如果这方面能取得成功的话,你也会赢得零售客户。”
这意味着,要围绕商业贷款构建新的应用和流程,并对核心IT基础设施进行一些变动。
迁移到云端
在Merling被任命几个月之后,Arvest银行宣布与Google Cloud建立为期五年的合作伙伴关系,准备对他们的呼叫中心实施数字化,并精简掉两座数据中心。
“如果我们只是等待本地部署的话,就无法扩展和创新,”她说。
大约在这个时候,第二次Driving Change调查的结果出炉了。原先一些对转型持怀疑态度的人已经转向“模棱两可”的中间立场,但在IT部门——随着基础设施的变化,IT部门是最先看到明确方向的一方——阻力实际上增大了。
她说:“这些都是惧怕心理,担心‘我会丢掉工作’,或者‘我不懂这项技术,我也没有机会学习这项技术。’”
调查中的员工评论表明,他们认为自己的技能没有被管理层重视,甚至不为管理层所知。
这促使Arvest银行启动了一个项目来帮助员工提高技能或者重新学习技能。她说:“这个项目实际上是我们从一家合作伙伴那里借鉴过来的,他们公司内部打造了这个项目。”
这个名为me@arvest的技能提升计划是从2022年2月启动,在公司准备将本地工作负载转移到Google Cloud时对IT团队进行培训。Merling说:“我们需要大家了解这些技能。”但是创建下一波学习之旅花费的时间要比计划的要长,最终在7月真正启动的时候,人们开始担心他们无法获得所需的教育。
转折点是他们在11月围绕Google Cloud进行了一整天的培训,有500多人线下参加,另外500人在线参加。Merling说:“我们的高管、银行行长、整个技术团队都参加了。”
最初是面向IT团队,后来扩大到运营人员,me@arvest计划很快也面向市场营销部门开放了。
在这个过程中,Merling决定由IT组织内部的一个人来负责运营这个项目,之前主要是通过人力资源运营的。这个计划让她能够满足IT团队长达十年的技能需求。
一个新的目标
Merling保留了原始战略中的一个部分,那就是Arvest已经试验过的Thought Machine 新核心银行软件——但现在这已经不是重新定义零售银行业务了,而是支持银行商业贷款流程的现代化。
“我们基本上是通过假设银行即服务的结构来为银行重建整个技术堆栈,无论我们是否选择使用这种堆栈,”她说。
她解释说,通过这种方式他们可以利用Thought Machine的云原生、基于微服务的方法,构建可以通过API访问的新产品和服务。
当他们开始向Thought Machine迁移的时候,旧的核心银行软件并不会立马消失,因此Arvest银行使用Google Cloud来提供对客户的单一视图。“这是未来能够为客户提供服务的一个关键部分。”
Merling还引入了外部帮助来支持Google Cloud,同时培训自己的员工以确保持续的维护。她说:“我们自己完成了Thought Machine方面的工作。”
她的转型和运营战略下包括了现有核心软件的CIO和构建新软件的CTO。开发团队最初规模很小,但通过新员工的组合以及随着人们学习新技能和内部调动而不断扩大。
她说:“我对他们的承诺,就是要确保让每个人都能参与进来,我不想造成‘我们对抗他们’这种局面,这对于银行的长期发展来说至关重要。”
持续的沟通
这是不言而喻的,但“90%的变革管理都是沟通。”
为此,她每个月都会与团队中的二级经理举行越级会议,并举行“转型会谈”,向员工介绍变革。除了渐进地重建银行核心之外,这些谈话也是讨论“速赢”的机会:能够带来影响力的小规模技术变革,例如最近针对拨入呼叫中心的客户引入预身份验证。Merling说:“这每月至少节省了200到300小时的通话时间。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。