JPMorgan Chase AI strategija užtikrina išmatuojamą grąžą, tačiau tai kainuoja žmogiškai. Bankas to neslepia. Dabar, kai 200 000 darbuotojų kasdien naudojasi patentuota LLM Suite platforma, o dirbtinio intelekto nauda kasmet auga 30–40 %, didžiausias Amerikos bankas vykdo tai, ką analitikos vadovas Derekas Waldronas vadina planu sukurti pirmąją pasaulyje „visiškai su dirbtiniu intelektu susietą įmonę“.
Kokia infrastruktūra palaiko šią pertvarką? 18 milijardų JAV dolerių metinis technologijų biudžetas, daugiau nei 450 dirbtinio intelekto naudojimo atvejų gamyboje ir platforma, kuri laimėjo 2025 m. Amerikos bankininko Metų inovacijų Didįjį prizą. Tačiau JPMorgan nuoširdumas dėl darbo jėgos perkėlimo – numatoma, kad operacijų personalas sumažės bent 10 proc. – atskleidžia įmonės AI sudėtingumą, neapsiribojant reklaminėmis antraštėmis.
LLM rinkinys: nuo nulio iki 200 000 vartotojų per aštuonis mėnesius
2024 m. vasarą išleistas „LLM Suite“ per aštuonis mėnesius pasiekė 200 000 vartotojų, taikydamas pasirinkimo strategiją, kuri sukūrė tai, ką Waldron apibūdina kaip „sveiką konkurenciją, skatinančią virusų įsisavinimą“.
Tai ne tik pokalbių robotas: LLM Suite veikia kaip „visa ekosistema“, jungianti AI su visos įmonės duomenimis, programomis ir darbo eigomis. Modelių agnostinė architektūra integruoja OpenAI ir Anthropic modelius, kurie atnaujinami kas aštuonias savaites.
Investicijų bankininkai penkių puslapių paketus sukuria per 30 sekundžių – darbas, kuris anksčiau užtrukdavo jaunesniems analitikams valandas. Advokatai nuskaito ir generuoja sutartis. Kredito specialistai akimirksniu išgauna informaciją apie sutartį. Skambučių centro įrankis EVEE Intelligent Q&A pagerino sprendimo laiką, nes atsako į kontekstą.
„Šiek tiek mažiau nei pusė JPMorgan darbuotojų naudoja genų AI įrankius kiekvieną dieną“, – 2025 m. spalį „McKinsey“ sakė Waldronas. „Žmonės jį naudoja dešimtimis tūkstančių savo darbui būdingų būdų.
JPMorgan Chase AI strategija užtikrina 30–40% metinį IG augimą
JPMorgan seka IG individualios iniciatyvos lygiu, o ne visos platformos tuštybės metriką. Nuo pat veiklos pradžios AI priskiriamos naudos per metus išaugo 30–40 %.
Strategijoje derinamas dėmesys iš viršaus į apačią transformuojančioms sritims (kreditas, sukčiavimas, rinkodara, operacijos) ir demokratizacija iš apačios į viršų, leidžianti darbuotojams diegti naujoves darbo grupėse.
McKinsey’s Kevinas Buehleris apskaičiavo, kad visoje pramonėje galima sutaupyti 700 mlrd. Tačiau daug kas bus „konkuruojama“ su klientais. Pramonės materialiojo kapitalo grąža gali sumažėti nuo vieno iki dviejų punktų, o dirbtinio intelekto pionieriai galėtų pastebėti keturių taškų padidėjimą, palyginti su lėtai judančiais taškais.
Waldron pripažįsta, kad produktyvumo padidėjimas automatiškai nereiškia išlaidų mažinimo. „Čia sutaupyta valanda ir trys valandos ten gali padidinti individualų produktyvumą, tačiau atliekant galutinius procesus šie gabalai dažnai tik perkelia kliūtis.
Operacijų personalas sumažės 10%, nes dirbtinio intelekto agentai atlieka sudėtingas užduotis
JPMorgan vartotojų bankininkystės vadovas paskelbė, kad operacijų personalas sumažės bent 10%, nes bankas įdiegs „agentinį AI“ – autonomines sistemas, atliekančias kelių etapų užduotis.
Bankas kuria AI agentus, kurie savarankiškai atlieka pakopinius veiksmus. Waldronas pademonstravo CNBC kaip sistema per 30 sekundžių sukuria investicinės bankininkystės pristatymus ir parengia konfidencialių susijungimų ir susijungimų atmintinių juodraščius.
AI teikia pirmenybę klientams – privatiems bankininkams, prekiautojams, investiciniams bankininkams – vaidmenims. Pavojus: operacijų personalas, tvarkantis sąskaitos sąranką, sukčiavimo aptikimą ir prekybos atsiskaitymą.
Atsiranda naujų darbo kategorijų: „konteksto inžinieriai“, užtikrinantys, kad AI sistemos turėtų tinkamą informaciją, žinių valdymo specialistai ir aukštesnės kvalifikacijos programinės įrangos inžinieriai, kuriantys agentų sistemas.
Stenfordo tyrėjai, analizuodami ADP duomenis, nustatė, kad ankstyvą karjerą pradėjusių darbuotojų (22–25 metų amžiaus) profesijose, kuriose dirbtinis intelektas veikiamas, užimtumas sumažėjo 6 % nuo 2022 m. pabaigos iki 2025 m. liepos mėn.
Šešėlis IT, pasitikėjimas ir „vertės atotrūkio“ problema
JPMorgan skaidrumas apima ir reikšmingos vykdymo rizikos pripažinimą.
Neturėdami įmonės lygio įrankių darbuotojai gali naudoti vartotojui skirtą dirbtinį intelektą – atskleisti neskelbtinus duomenis. JPMorgan sukūrė vidinę saugumo ir kontrolės sistemą.
Kai dirbtinis intelektas veikia tinkamai 85–95 % laiko, žmonės tikrintojai gali nustoti atidžiai tikrinti. Klaidų lygis sujungiamas pagal skalę.
„Kai agentinė sistema ilgą laiką savarankiškai atlieka pakopinę analizių seriją, kyla klausimų, kaip žmonės gali tuo pasitikėti“, – McKinsey sakė Waldronas.
Daugelis įmonių susiduria su „koncepcijos įrodymo pragaru“ – daugybe bandomųjų projektų, kurie niekada nepasiekia gamybos, nes neįvertina integracijos sudėtingumo.
„Yra vertės atotrūkis tarp to, ką gali technologija, ir gebėjimo visa tai užfiksuoti įmonėje“, – sakė Waldronas. CNBC. Net ir turint 18 milijardų JAV dolerių, visiškas realizavimas užtrunka kelerius metus.
JPMorgan žaidimų knyga: ko įmonės gali išmokti
JPMorgan metodas siūlo atkartojamus principus, nepaisant masto pranašumų.
Demokratizuoti prieigą, bet nieko neįpareigoti – pasirinkimo strategija sukūrė virusinį įvaikinimą. Pirmiausia sukurkite saugumą, ypač reguliuojamose pramonės šakose. Įdiekite modelio agnostinę architektūrą, kad išvengtumėte pardavėjo užsiblokavimo. Derinkite transformaciją iš viršaus į apačią su naujovėmis iš apačios į viršų.
Segmentuokite mokymus pagal auditoriją. Stebėkite IG disciplinuotai iniciatyvos lygiu. Pripažinkite sudėtingumą ir atitinkamai planuokite – JPMorgan užtruko daugiau nei dvejus metus, kad sukurtų LLM komplektą.
Ne kiekviena įmonė turi 18 milijardų JAV dolerių technologijoms arba 200 000 darbuotojų. Tačiau pagrindiniai principai – demokratizacija, saugumas pirmiausia architektūra, vengimas užsiblokuoti tiekėjams ir finansinė drausmė – taikomi pramonės šakose ir mastu.
Transformacija plačiai atmerktomis akimis
JPMorgan Chase dirbtinio intelekto strategija atspindi skaidriausią įmonės AI atvejo tyrimą – kartu su pramonėje pirmaujančiais pritaikymo rodikliais, išmatuojamu investicijų grąžos augimu ir nepajudinamu darbo jėgos perkėlimo pripažinimu.
Banko sėkmės veiksniai yra aiškūs: didžiulės kapitalo investicijos, modelių agnostinė infrastruktūra, demokratizuota prieiga kartu su finansine drausme ir realūs terminai. Tačiau Waldrono nuoširdumas apie pasitikėjimo iššūkius, „vertės atotrūkį“ tarp pajėgumų ir vykdymo ir daugiametę kelionę rodo, kad net 18 milijardų JAV dolerių ir 200 000 dirbančių darbuotojų negarantuoja sklandaus pasikeitimo.
Įmonėms, vertinančioms savo AI strategijas, JPMorgan pamoka nėra tokia, kad viską išspręstų mastai – sąžiningas galimybių ir vykdymo rizikos įvertinimas atskiria tikrą transformaciją nuo brangių eksperimentų.
Klausimas ne tas, ar JPMorgan AI strategija veikia. Tai, ar darbo jėgos sumažinimas 10 % ir ilgus metus trunkantis sudėtingumas yra priimtini kompromisai dėl 30–40 % metinės naudos augimo – ir kiek kitų įmonių gali sau leisti tai išsiaiškinti.
Redaktoriaus pastaba: Analizė paremta McKinsey 2025 m. spalio mėn. interviu su Dereku Waldronu ir Kevinu Buehleriu, CNBC 2025 m. rugsėjo mėn. išskirtiniu LLM Suite demonstravimu, Amerikos bankininko 2025 m. birželio mėn. Metų naujovių aprėptimi ir Stanfordo universiteto tyrimais apie dirbtinio intelekto poveikį užimtumui.
Taip pat žiūrėkite: „Walmart“ ir „Amazon“ skatina mažmeninės prekybos transformaciją su AI
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Šis išsamus renginys yra TechEx dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
