巴克萊擴大 Claude 導入：年底目標讓半數開發者使用 Claude Code，銀行 AI 怎麼落地？
Barclays 擴大使用 Claude，年底目標讓約半數開發者使用 Claude Code。本文整理知識助理、每日郵件分類與分階段導入，區分已使用的能力、未來目標和需要人工驗證的工作。
大型銀行導入 AI，最值得看的往往是它如何走進每天的工作。Anthropic 在 2026 年 10 月 1 日公佈 Barclays 擴大使用 Claude 的安排，涵蓋程式開發、知識搜尋與市場業務。公告中的重要目標，是在 2026 年底前讓約半數開發者使用 Claude Code，再於 2027 年擴大到多數開發者。
本文會進一步說明銀行大規模導入，並分析實際使用條件與評估方法。
半數開發者使用，是年底目標
官方公告描述的是分階段擴大導入。半數開發者使用 Claude Code 不能被寫成當下已達成的普及率，更不能直接換算成半數程式都由 AI 完成。工具使用率、程式產量與交付品質，是三件需要分開評估的事。
Claude Code 可以協助理解程式、修改內容與執行開發工作，但銀行需要驗證修改是否符合業務規則。部署到正式系統之前，審查、測試與權限安排仍然重要。
已運作的知識助理，更能看出真實需求
Barclays 的內部知識助理於 2025 年投入使用。依公告，約 1.6 萬名員工使用過，累計搜尋超過一百萬次，支援服務約兩千萬名英國客戶的業務。這些數字是官方提供的採用資料，並不是兩千萬名客戶直接使用 Claude。
它採用 RAG，也就是先從公司檔案找相關資料，再讓模型整理答案。對銀行員工來說，問題常常是「這個流程目前應該照哪份規定辦」，而不是請模型自由寫一段看似合理的回答。來源更新和引用是否準確，會直接影響工具的可靠程度。
每天十二萬封郵件，不等於全部自動回覆
另一個情境是 Global Markets 業務，每天處理約十二萬封郵件。公告描述的工作包括分類、補充資訊與分派，重點在於把訊息送到正確的處理流程。這不能推論為每一封信都由 AI 自動回覆，也不能推論它能自行做交易決定。
對其他企業而言，這是一個可以借鏡的導入順序：先找訊息量大、處理規則較清楚的環節，再逐步增加協助程度。人需要介入的位置，也應該跟著任務一起設計。
銀行大規模導入，重點在多個工作場景同時推進
Barclays 的公告值得關注，是因為它把開發工具、內部知識查詢與郵件處理放在同一個組織導入方向裏。這些工作都有大量重複資訊，但結果與風險不同。開發工具產生程式碼，知識助理幫助員工找答案，郵件系統則安排資訊流向。理解分工，才能看清大型機構如何把 AI 放進實際營運。
金融機構並不會因為採用同一個模型，就讓所有流程使用相同自動化程度。回答內部問題與處理客戶交易，需要不同的確認與權限。公告強調治理、安全與人工監督，說明工具能力只是導入的一部分。讀者不能從採用規模推論銀行已把所有決定交給模型。
對其他企業而言，可以借鑑的是任務分層與逐步擴展。先找到資料量大、結果容易檢查的工作，再依實際表現決定下一步。大型銀行案例提供了組織層面的方向，但不能直接複製其人數與用量到較小團隊。自己的資料、人員與服務需求，仍是判斷依據。
半數開發者的年底目標，仍需要結果指標
公告指出，Barclays 預計二〇二六年底讓約半數開發者採用 Claude Code，並在二〇二七年擴展到多數工程師。這是未來採用目標，不是截至公告日已經達成的比例。企業導入進度應保留時間，避免把計畫中的使用人數當成已完成成果。
採用率可以說明工具進入團隊的程度，卻不能單獨證明效率。工程師安裝或使用工具，仍可能花很多時間審查與修正。更接近成果的指標包括任務完成時間、缺陷、測試通過情況與審查負擔。若生成程式碼增加，但錯誤也增加，團隊總工作量可能沒有減少。
銀行的既有系統通常有長期維護需求，開發工具需要理解原有行為與變更範圍。對程式碼建議的驗收，應依實際測試與人員審查，而不是看回答是否像專業工程說明。這些是企業評估採用價值的方法，公告沒有提供足以證明所有工程團隊效率提升的統一比例。
內部知識助理要找到有效政策，而不只是相似文字
官方介紹的內部知識助理自二〇二五年開始使用，協助約一萬六千名員工尋找答案，並累積超過一百萬次查詢。系統使用檢索增強生成，也就是先找到相關資料，再讓模型根據資料組織回答。這個方法讓答案有機會依靠內部文件，但仍需要確認找到的是正確與有效版本。
對員工支持客戶而言，舊政策與新政策可能只有幾句話不同，影響卻很大。系統應能夠指出來源與日期，讓使用者覈對適用條件。若只顯示一段流暢答案，沒有文件依據，員工就需要另外查證，節省的時間可能有限。檢索與回答要一起驗收，不能只測語言表達。
公告提到服務英國約兩千萬名客戶，這是 Barclays 的客戶規模，並不表示兩千萬人都直接使用 Claude。內部員工取得答案，屬於服務流程中的輔助。區分使用者與服務對象，有助於理解這個案例的實際規模，也能避免把機構覆蓋人數當成模型活躍使用者。
一百萬次查詢，應該進一步觀察正確與可用
查詢次數說明需求存在，卻無法單獨判斷答案質量。員工可能因為第一次回答不清楚而重複查詢，也可能只是探索功能。企業如果要評估知識助理，應記錄哪些問題一次完成、哪些需要轉交，以及結果是否真的減少查找時間。使用量是起點，成功完成的比例更接近價值。
可以用假設性的內部支持任務測試：給出一組包含最新規定、已廢止文件與例外條件的問題，先由負責人確認答案，再檢查助理是否引用正確來源。若資料不足，系統應該說明無法確認或指向適當人員，而不是生成一個看似完整的答覆。這個方法適合評估需要可靠證據的知識工作。
也應留意不同角色的權限。某位員工可查看的資料，未必與另一位相同。知識助理要根據實際訪問資格提供內容，才能避免摘要間接擴大資訊範圍。導入規模越大，越需要把權限差異納入測試，而不是隻用一個管理員帳號評估全部情況。
每天十二萬封郵件，分類與回覆是不同自動化
官方描述 Global Markets 相關平臺每天處理約十二萬封郵件，工作包括分類、補充資訊與路由。路由是把訊息送到適當人員或流程。這個數字說明資訊分流的工作量，但不能推論十二萬封郵件都由 AI 自動回覆，也不能推論系統自行完成交易或投資決定。
分類系統的價值，可以來自減少人工打開與分派的工作。若郵件包含多種主題，模型能協助找出相關事項，再交給適當團隊。但錯分也會造成延遲，因此企業要同時看自動化比例與誤分結果。高優先級訊息如果被送到錯誤位置，影響可能遠大於一般郵件的處理時間。
測試應包括附件、轉寄鏈、重複訊息與主題不明確的情況。現實郵件不像展示樣本那麼整齊，系統需要知道何時應該交由人處理。對大量資訊流，保留可追蹤的分類與交接記錄，能幫助人員發現問題並修正，而不是隻看到一個總處理量。
治理要落到具體動作，而不是隻在公告裏出現
官方強調安全、治理與人工監督，企業讀者可以進一步把這些詞轉成具體問題：誰能使用、能讀取哪些資料、可以執行哪些動作，以及出現錯誤時由誰負責處理。每個問題都需要對應到實際設置與工作安排，才能讓治理成為可觀察的能力。
程式碼生成可以先在測試環境中完成，知識答案可以要求來源，郵件分類可以保留人工複查。這些不同控制方式，反映的是任務後果不同。組織不需要把所有工作都限制成相同形式，也不應因為模型表現好就取消必要審覈。控制應與任務的影響與可恢復性配合。
版本與記錄同樣重要。模型或內部資料更新之後，結果可能變化，團隊需要知道哪些變化來自哪裏。保存代表性樣本與檢查結果，可以在擴展使用前確認原有能力沒有退步。大型機構導入的難點，常在持續運作，而不只是第一次成功展示。
採購與效益評估，應把人工接手算進去
AI 工具可能減少某些步驟，也可能增加新的審查工作。企業比較效益時，應計算從輸入到可交付結果的總時間，包括查證、修正與接手。如果員工更快得到草稿，卻仍必須從頭檢查每句話，實際節省可能低於預期。
對知識查詢，可以觀察找到有效答案需要多久。對程式碼，可以觀察完成通過測試的變更需要多久。對郵件，可以觀察正確交接與處理時效。三個任務不適合用同一個「每次回答成本」比較，因為產出與後果不同。任務完成的質量與時間，才方便企業決定擴展哪一部分。
採用目標也應與支持資源同步。更多人員使用工具，意味着需要說明、培訓與問題處理。若沒有這些安排，使用者可能在遇到錯誤後回到舊流程，工具採用率看似增加，實際工作卻沒有改變。公告中的組織擴展方向，值得以持續使用與交付結果觀察。
其他企業可以從小範圍、可驗證的任務開始
較小企業不必擁有銀行同樣的資料量，才能採用相似方法。可以先選擇經常重複查詢的內部文件，建立清楚來源與代表性問題，再讓少數使用者試用。若系統能穩定找到正確資訊，並減少查找時間，才逐步擴大到其他資料與人員。
程式與郵件任務也應先限定範圍。一個可重現的開發錯誤，或一種明確的郵件分類，通常更容易檢查。讓團隊看到成功與失敗的具體例子，能比抽象的採用口號更快建立合理期待。導入應隨着證據前進，而不是隨着新聞裏的機構規模加速。
Barclays 擴大 Claude 使用，說明企業 AI 已進入多種日常工作。它的啓示是組織要同時處理能力、權限與驗收。讀者應把年底採用目標、已有知識查詢與郵件處理分開理解，再用自己的任務結果決定是否採用，才能從大型案例取得實際參考。
常見問題
這代表銀行已證明 AI 一定能提高效率嗎？
公告提供採用規模與使用情境，沒有為每項工作公佈可直接套用的效率改善比例。其他公司的效果需要自己測量。
知識助理的回答可以直接當成最新規定嗎？
檔案來源、版本與引用需要一併確認。搜尋到資料和正確執行規定之間，仍有驗證步驟。
大規模導入的關鍵是責任清楚
這次合作顯示，企業 AI 正從少數人的實驗，走向可管理的組織部署。最值得追蹤的是使用量增加之後，錯誤率、人工審查負擔和完成工作的時間是否同樣改善。
