<aside> 🏦

**案例核心：**DBS 的價值不在「銀行用了很多 AI」，而在於把資料、人才、雲端、治理與模型交付做成可重用的企業能力。原書指出 AI 模型從 2018 年約 12–18 個月才能部署，縮短到 2023 年約 2–3 個月；DBS 2025 年年報進一步顯示，銀行已部署 2,000+ 個模型、430+ 個 Use Cases，資料分析與 AI／ML 約創造 S$1B 經濟價值。這是典型的 Scale＋Learning＋Decision Leverage。

</aside>

一、原書案例：從「做 AI 專案」變成「工業化 AI 能力」

案例｜DBS Bank：從資料轉型到 AI 工業化

原書第 39 章不是把 DBS 描述成「導入一個厲害模型」，而是長期建立：

• Data Foundation；
• Cloud-native Architecture；
• In-house Technology Talent；
• 共用 AI／Data Capabilities；
• 企業級 Governance；
• 可以重複交付模型的 Operating Model。

原書數字包括：

• Tech talent 內製比例約 20% → 70%；
• 2021 年技術服務約 90% insourced；
• 2021 年 cloud-native applications 約 99%；
• 數位客戶占比 60%+；
• AI 模型部署時間由 2018 年 12–18 個月縮至 2023 年 2–3 個月。

如果用區間中點比較：

15 個月 → 2.5 個月 ≈ 部署時間縮短 83%

但真正重要的是「同一組能力可以反覆使用」。

二、為什麼這叫 Leverage，而不只是 Productivity？