FAB 披露,Agentathon 形成的方案概念将为未来银行 AI 项目和企业用例提供参考,支持长期数字化转型议程。它帮助银行通过动手协作更快开发和验证 AI 方案,推动从试点倡议走向实际影响。 公开资料未给出具体财务节省,但展示了一个重要管理指标:AI 用例不应仅由创新部门单独提出,而应通过业务挑战、跨职能团队、技术伙伴和评审机制共同筛选。这样能提高用例与真实业务优先级的贴合度。
真实案例
- 机构:First Abu Dhabi Bank + Presight + Microsoft
- 项目:AI Agentathon
- 时间:2026 年 3 月
- 类别:平台治理 / 企业 AI 创新 / 智能体 / 跨职能协作 / 用例孵化
- 来源:https://www.bankfab.com/en-ae/about-fab/group/in-the-media/ai-agentathon-presight-enterprise-ai-innovation ↗
业务背景
大型银行在 AI 落地中经常遇到“试点很多、上线很少”的问题。业务团队知道痛点,但不了解 AI 能力;技术团队懂模型和平台,但不一定熟悉每条业务线的真实流程。要从概念走向实际价值,银行需要一种机制让业务、技术和合作伙伴围绕明确问题快速共创、评估和筛选方案。
First Abu Dhabi Bank 在 2026 年与 Presight 合作、Microsoft 支持下举办 AI Agentathon,体现中东大型银行从 AI 试点转向企业级落地的组织方法。它不是单个产品,而是一种用一天时间围绕真实业务挑战孵化智能体方案的创新机制。
AI 方案
Agentathon 是一日虚拟创新冲刺,聚集内部和外部参与者,围绕银行预定义的真实业务挑战开发 AI 驱动方案。四个跨职能团队由 FAB 业务与技术代表、Microsoft 和 Presight 专家组成,协作设计并展示 AI 方案。
项目设置联合评审小组,从潜在影响、可行性和与业务优先级的一致性评估最终输出。FAB 强调,AI 是其战略核心支柱,重点以有纪律、负责任的方式在全企业扩展,优先选择能提升决策、提高效率和改善客户体验的用例。
已披露效果
FAB 披露,Agentathon 形成的方案概念将为未来银行 AI 项目和企业用例提供参考,支持长期数字化转型议程。它帮助银行通过动手协作更快开发和验证 AI 方案,推动从试点倡议走向实际影响。
公开资料未给出具体财务节省,但展示了一个重要管理指标:AI 用例不应仅由创新部门单独提出,而应通过业务挑战、跨职能团队、技术伙伴和评审机制共同筛选。这样能提高用例与真实业务优先级的贴合度。
可迁移到银行的设计
- 用 Agentathon 或 Hackathon 机制收集真实业务挑战。
- 每个团队必须包含业务、数据、技术、风险或合规角色。
- 事先定义评估维度:影响、可行性、风险、数据可得性、上线路径。
- 让外部伙伴提供平台能力,但业务价值由银行内部确认。
- 结束后将概念分成可立即试点、需补数据、暂缓三类。
- 将优秀概念进入正式用例组合管理和模型风险评估。
风险治理要点
- 创新冲刺不能绕过采购、数据、安全和模型治理流程。
- 业务团队提出的自动化设想要评估是否涉及客户权益或监管义务。
- 外部参与者接触的资料应限定为脱敏、模拟或公开数据。
- 评审不应只看炫酷程度,要重视可审计性和可维护性。
- 概念进入 PoC 后要补齐数据来源、责任人和退出机制。
- 要防止一次活动后缺乏后续资源,导致用例停在演示阶段。
本项目可做的小实验
- 设计一场银行 AI Agentathon,列出 4 个业务挑战和团队构成。
- 为每个挑战写一页方案卡:痛点、数据、AI 能力、风险、指标。
- 制作评审打分表,权重包括价值 30%、可行性 30%、风险 20%、复用性 20%。
- 模拟把 10 个创意分为马上试点、延后研究和放弃。
- 设计 Agentathon 后 30 天跟进机制,防止创意流失。
- 讨论哪些银行场景不适合通过创新冲刺快速推进。
原始来源与整理依据
文字分析来自内容源;业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径,未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。