L'IA di BBVA ha portato il costruttore di GPT davanti a 100.000 dipendenti della banca

Il front end sono 20.000 GPT creati dai dipendenti, non un'unica app

Il numero che fa notizia nel resoconto di OpenAI è 100.000 dipendenti su ChatGPT Enterprise. Il numero più rivelatore è 20.000 — il conteggio dei GPT personalizzati creati dai dipendenti di BBVA, di cui circa 4.000 sono usati di frequente da team in tutto il mondo.

Questa distinzione conta per chi si chiede come l'IA arrivi davvero agli utenti. BBVA non ha costruito un assistente unico per tutta la banca facendoci passare tutti attraverso. L'interfaccia si è invece frammentata in migliaia di piccoli strumenti su misura, gestiti dalle persone che conoscono davvero ogni singolo flusso di lavoro — legale, rischio, servizio clienti, finanza, marketing.

Un GPT è un front end leggero costruito attorno a un modello, più alcune istruzioni e fonti di conoscenza. Lasciando che i dipendenti assemblassero questi involucri da soli, BBVA ha spostato la progettazione dell'interfaccia verso l'esperto di dominio, invece di centralizzarla in un team di prodotto. Quattromila di questi involucri hanno attecchito. Il resto, presumibilmente, no — che è la forma prevista di un modello di sperimentazione basato su costruisci-e-scarta.

Cosa fanno davvero i GPT sopravvissuti

La fonte cita quattro esempi concreti, e ognuno è un'interfaccia ristretta su un problema specifico legato a documenti o dati, non un chatbot generico.

Credit Analysis Pro GPT estrae e analizza dati non strutturati da bilanci annuali, informative ESG e coperture mediatiche — un lavoro descritto come prima manuale e dispendioso in termini di tempo. Un GPT Retail Banking Legal Assistant redige risposte a circa 40.000 richieste legali annuali legate ai clienti, pescando da fonti di conoscenza interne, al servizio di un team legale di nove persone. In Messico, un GPT Client Experience Assistant analizza migliaia di risposte aperte ai sondaggi per sentiment e temi ricorrenti.

Il dato di performance più concreto arriva dal Perù, dove più di 3.000 dipendenti usano un assistente IA interno che ha ridotto il tempo medio di gestione delle richieste da circa 7,5 minuti a circa 1 minuto — la cifra di efficienza di circa l'80% citata nel riepilogo dei risultati. Da notare che questo numero si riferisce a una singola implementazione, non a tutta la banca; la cifra a livello aziendale riportata da OpenAI è di circa tre ore risparmiate per dipendente a settimana.

La governance è stata integrata nel livello dell'interfaccia fin dall'inizio

La motivazione dichiarata da BBVA per fornire un accesso di livello enterprise era evitare "sperimentazioni non autorizzate con strumenti di IA consumer". In altre parole, la distribuzione era in parte una strategia per dare ai dipendenti una porta d'ingresso approvata, così da non usarne una non approvata.

Abbiamo creato un ambiente sicuro per imparare e usare l'IA. —Elena Alfaro, Head of Global AI Adoption di BBVAMontana Labs

La banca affianca questo accesso a una rete di "AI champions" e a utenti avanzati chiamati "wizards" che conducono workshop pratici. Ha anche formato 250 leader, compresi il CEO e il presidente, e riporta che i membri del comitato esecutivo sono oggi tra gli utenti più attivi. Perché un modello di costruzione self-service dei GPT resti sicuro in una banca regolamentata, l'impalcatura di formazione e governance attorno all'interfaccia conta quanto l'interfaccia stessa.

L'implicazione: costruire GPT in modo distribuito è una strategia d'interfaccia valida alla scala di una banca

La lezione riutilizzabile qui non è che una banca globale ha adottato ChatGPT. È che BBVA ha raggiunto un'adozione a sei cifre trattando il GPT personalizzato come unità di distribuzione — un'interfaccia leggera, creata dai dipendenti, su un compito specifico — invece di commissionare un numero ridotto di applicazioni progettate centralmente.

Questo approccio scambia rifinitura e controllo con copertura e velocità. Ventimila GPT con un tasso di uso frequente di circa uno su cinque implica molti esperimenti abbandonati, e la fonte non offre dettagli su come BBVA li verifichi o li ritiri. Ma il modello ha fatto emergere casi d'uso — redazione legale, analisi del credito, sentiment dei sondaggi — che una roadmap centrale forse non avrebbe mai messo tra le priorità.

Per i team che valutano come portare l'IA davanti a una grande forza lavoro, BBVA è un dato di fatto che dimostra come l'interfaccia possa essere delegata, a condizione che sicurezza, aspetti legali e conformità siano definiti prima dell'inizio della costruzione, non dopo.