銀行導入 AI 不稀奇，稀奇的是把數字攤開來講。2026 年 10 月 1 日，Anthropic 宣布 Barclays 擴大雙方的策略合作，把 Claude 進一步推進這家英國大型銀行的全球營運。對做產品的人來說，這份公告值得讀的不是「又一家銀行用了 AI」，而是它給出了三個可以直接對照自己團隊的導入切面。
開發端：把採用率當成 KPI 來承諾
Barclays 預期 Claude Code 的採用率在 2026 年底達到開發者人口的一半，2027 年進一步覆蓋過半的軟體工程師。用途集中在三件事：加速軟體開發、翻新 legacy 系統、提升營運效率。
多數企業導入 coding assistant 時，只公布「已部署」，不承諾「多少人真的在用」。Barclays 把採用率寫成有時程的目標，等於承認一個現實：買了 seat 不等於改變了工作方式。Group Co-Chief Operating Officer Craig Bright 的說法是，AI 正走向一種嵌入在「建置、測試、防護、維運」流程中的 agentic 能力，而不是一個外掛工具。
客服端：一個已經跑了超過一年的 RAG 助手
具體案例是 Barclays UK 的 Colleague Knowledge Assistant。它透過 retrieval-augmented generation 架構，由 Claude 驅動，幫助前線同事在支援超過 2,000 萬英國零售客戶時更快找到答案。這個功能從 2025 年上線至今，已有超過 16,000 名同事採用，累計處理超過 100 萬次搜尋。
注意它的定位：不是客戶直接對話的 chatbot，而是給內部同事用的知識檢索。這是企業落地 AI 時風險低得多的切入點——人還在迴圈裡，AI 縮短的是「找答案」這一段。
營運端：每天 12 萬封郵件的路由
在 Global Markets 業務裡，Claude 模型負責對進來的客戶郵件做分類、補充資訊、判斷最佳處理路徑，每天約處理 12 萬封。這是典型的「分類加路由」場景：模型不替人做決定，只確保請求帶著足夠的資訊流到對的人手上。
這個做法和我之前寫過的案例思路一致——把 AI 放在流程的樞紐位置，而不是終點。HEMA 用 MCP 與 Bedrock 把內部知識接進 IDE，拆掉入口網站跳轉，解決的也是同一類問題：讓資訊在對的地方、以可執行的形態出現（參考：把內部知識接進 IDE）。
治理不是公關詞，是導入的前置條件
公告反覆強調治理、安全控制與人工監督。在受高度監管的金融業，這不是修辭——Anthropic 商務長 Paul Smith 明確說 Barclays 對 AI 的標準很高，才會以安全與監督為前提推進。
對 builder 的實際啟示是：在企業環境裡， governance 設計往往決定專案能不能從 PoC 走到規模化。先想清楚誰審核、怎麼回滾、錯了誰兜底，比先選模型更重要。
一個保留：這些數字全部來自 Anthropic 與 Barclays 自己的公告，沒有第三方驗證，成本、失敗率和內部反彈都沒有揭露。但光是「採用率有時程、案例有量級、治理有位置」這個敘事結構，就比大多數企業 AI 新聞稿誠實得多，值得拿來當你下一份導入提案的骨架。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。