Набором инструментов искусственного интеллекта от JPMorgan пользуются 60% сотрудников

Когда Дерек Уолдрон (Derek Waldron) и его техническая команда в JPMorgan Chase два с половиной года назад впервые заложили основу для пакета языковых моделей (LLM) с персональными ассистентами, они не были уверены, чего ожидать. Это произошло вскоре после кардинального появления ChatGPT, однако в корпоративном секторе скептицизм всё еще оставался высоким. 

Удивительно, но сотрудники начали подключаться к внутренней платформе органично и быстро. Всего за несколько месяцев уровень использования вырос с нуля до 250 000 человек. Теперь более 60% сотрудников из отделов продаж, финансов, технологий, операций и других департаментов используют постоянно развивающийся и взаимосвязанный комплекс инструментов.

«Мы были удивлены тем, насколько вирусным это оказалось», — объясняет Уолдрон, директор по аналитике JPMorgan, в новом выпуске подкаста VB Beyond the Pilot. Сотрудники не просто создавали промпты, они строили и настраивали ассистентов с определенными ролями, инструкциями и задачами, а также делились своими наработками на внутренних платформах. 

Финансовый гигант добился того, чего большинство корпораций до сих пор не могут достичь: масштабного и добровольного внедрения ИИ сотрудниками. Это стало результатом не директивных указаний; напротив, новаторы делились реальными кейсами использования, и работники подхватывали энтузиазм друг друга. Такое использование снизу вверх в конечном итоге запустило маховик инноваций. 

«У нас очень укоренившееся инновационное сообщество, — говорит Уолдрон. — Если мы сможем и дальше предоставлять им действительно простые в использовании и мощные возможности, они смогут форсировать следующий этап этого пути». 

Повсеместная связанность, интегрированная в высокосложные учетные системы

JPMorgan применил редкий и дальновидный подход к своей технической архитектуре. Компания относится к ИИ как к базовой инфраструктуре, а не как к модной новинке, изначально придерживаясь нестандартной позиции, согласно которой сами по себе модели станут товаром широкого потребления. Вместо этого они определили связи вокруг системы как главную проблему и надежную защиту.

Финансовый гигант рано инвестировал в мультимодальную генерацию, дополненную поиском (RAG), которая сейчас находится уже в четвертом поколении и включает мультимодальность. Их ИИ-комплекс расположен в центре корпоративной платформы, оснащенной коннекторами и инструментами, поддерживающими анализ и подготовку данных. 

Сотрудники могут подключаться к растущей экосистеме критически важных бизнес-данных и взаимодействовать с «очень сложными» документами, хранилищами знаний и структурированных данных, а также с системами CRM, HR, трейдинга, финансов и управления рисками. Уолдрон отмечает, что его команда продолжает добавлять новые интеграции каждый месяц. 

«Мы построили платформу вокруг такого типа повсеместной связанности», — поясняет он. В конечном счете, ИИ — это великолепная технология общего назначения, которая будет становиться только мощнее, но если у людей нет к ней осмысленного доступа и важнейших сценариев применения, «вы транжирите эту возможность». 

Как выразился Уолдрон, возможности ИИ продолжают впечатляюще расти, но они так и останутся блестящими игрушками для показа, если не докажут свою пользу в реальных условиях. 

«Даже если бы завтра появился суперінтеллект, невозможно извлечь из него максимальную пользу, если этот суперінтеллект не может подключиться к системам, данным, инструментам, знаниям и процессам, существующим внутри предприятия», — утверждает он. 

Послушайте полный выпуск, чтобы узнать о: 

• Личной стратегии Уолдрона: сделать паузу перед тем, как обратиться к коллеге-человеку, и вместо этого оценить, как его ИИ-ассистент может ответить на этот вопрос и решить проблему. 

• Подходе «одна платформа — множество задач»: нет двух одинаковых ролей, поэтому стратегия должна быть сосредоточена на многоразовых строительных блоках (RAG, аналитика документов, запросы к структурированным данным), которые сотрудники могут объединять в инструменты под конкретные роли.

• Почему зрелость RAG имеет значение: JPMorgan прошел через несколько поколений поиска — от базового векторного поиска до иерархических, авторитетных, мультимодальных конвейеров знаний.

Подписывайтесь на подкаст Beyond the Pilot на Apple Podcasts и Spotify.