ZD至顶网CIO与应用频道 07月08日 北京消息: 复杂且被高度条规控制的金融机构通常很难进行创新,而西班牙银行的创新之路可圈可点。从2008年开始进行数字化创新,BBVA一直克服各种难题,CEO兼主席从公司战略层面实施数字化改革,并持续通过实验并学习的方式调整其创新计划。本报告将帮助电商及渠道专家更好地了解如何建立并调整企业的创新计划。
不要执迷于“最初设立正确的“企业创新架构
BBVA应对变化的创新内容重点及相应的企业框架,对创新计划进行过三次调整。企业应先设立其创新计划并随时准备根据变化对其进行调整,而非盲目的执着于最初计划。
重点打造支撑企业数字化创新的基础
数字专家们应针对可能发生变化的创新重点和企业架构设计灵活的技术,推广跨职能合作并支持开放创新的业务流程。
实验多种方法及不同类型的投入
BBVA持续通过不同方式去开发并尝试不同想法,测试创新中心的工作效率等等。企业应该不断尝试,测试并从该过程中进行学习。
现状:BBVA视创新为数字化变革的核心
BBVA作为一家拥有6520亿欧元资产的全球银行集团,2007年应对全球金融危机时,BBVA开启其创新旅程,对集团进行数字化革新。FranciscoGonzález,富有远见银行CEO兼主席在2001便将创新视为企业数字化转型的重要一步。尽管拥有上层认可及远见,BBVA经过数年不同方法和结构的尝试,成为真正的数字化创新者。
·BBVA经历三个不同的创新阶段:过去8年内,随着消费者行为,市场环境等变化,数字化创新重点在银行不同部门中进行着调整。BBVA经历过三个创新团队调整阶段:IT内部创新、扩大团队包含与银行业务发展重点的创新、数字银行分支匹配敏捷项目管理的三次团队扩大。
·BBVA通过数字技术系统性的提升产品及服务:BBVA通过管理客户财富,增加一对一个人服务,提供丰富的手机银行服务功能,简化交易流程、扩大应用范围并加速转账速度,将社交添加到金融业务,为传统银行业加入娱乐元素,并且为商业用户提供洞察。
最佳案例:BBVA充分利用实验与学习的方法
BBVA的成功数字创新归结于其对新科学技术的投入及应用,以及对消费者需求的不断探索。。
·BBVA开放创新环境,加速新想法的开发和实施
BBVA采用实验与学习的方法,将员工,高校研究机构、创新机构、BBVA创新中心、BBVA创业公司比赛,Innova黑客马拉松挑战赛,BBVABeta测试器,BBVA风投,以及收购和合作伙伴融入整个创新生态圈。
·BBVA选择灵活、项目化的创新方法
BBVA的创新项目趋于项目化管理方式:设立指导委员会设立优先项目,灵活的预算编制以及敏捷运营执行的实施。
结果:创新的指标和数字转型相互融合
鉴于西班牙银行的高数字化成熟度,其创新能力及数字化转型指标相互交错,为了更好的衡量其数字化创新程度,BBVA正在开发衡量数字创新的衡量标准,该标准将包含员工奖励机制,为此BBVA正在关注:消费者对于创新的接受程度,消费者和银行通过数字触点的互动,数字化对于销售的影响。
下一步:BBVA努力为客户提供更多附加价值
西班牙银行所拥有的强大的技术及企业架构基础使得银行现在更注重为客户提供更多的价值,BBVA正在准备发布数字科技助力的更多新产品和服务,开发数据驱动的产品和服务并且扩大器创新生态系统。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。