摩根大通分享AI成功经验180亿美元科技投资，缔造60%员工自愿采用率

美国最大银行JPMorgan Chase（摩根大通，小摩）成功实现多数企业仍在苦苦挣扎的目标：没有强制推行，超过六成员工却自愿使用公司AI平台LLM Suite，每日活跃使用人数近半，成为企业级生成式AI部署典范。小摩资产规模达4兆美元，每年180亿美元科技投资、连接优先技术架构，以及由下而上的创新文化，重新定义传统金融机构如何拥抱AI时代。

分析总监Derek Waldron及团队两年半前首次推出配备个人助理功能LLM Suite时，对市场反应并无把握。当时ChatGPT刚面世，企业界对生成式AI实用性仍持怀疑态度，不少机构选择观望而非行动。Derek Waldron在VentureBeat的Beyond the Pilot节目透露，员工对公司平台接受速度远超预期，数月内用户便从零跃升至25万人，都出于自愿。

员工参与方式同样令管理层感到惊讶。除了设计提示词，员工还主动创建和自订具备特定角色、指令及功能AI助理，并在平台分享经验心得。数据及分析总监Teresa Heitsenrether接受彭博访问时表示，AI为银行带来规模化效率提升和客户价值巨大潜力，团队一直高度重视相关发展。这种由下而上使用模式最终形成创新飞轮效应，早期采用者分享实际应用案例，其他员工受启发后相继加入，形成良性循环。

小摩采取业界罕见前瞻性技术架构策略，将AI视为核心基础设施而非新奇玩意。Waldron团队很早便持逆向观点：大型语言模型本身终将成为通用商品，真正挑战和竞争护城河在于系统周边连接能力。这种思维模式决定小摩技术投资方向，与市场争相追逐最新模型形成鲜明对比。

银行很早便投资多模态检索增强生成（RAG）技术，已发展至第四代并融入多模态功能。LLM Suite平台位于企业级基础设施核心位置，配备支持分析和数据准备连接器及工具。员工可连接不断扩展关键业务数据生态系统，与复杂文件、知识库、结构化数据存储互动，并连接客户关系管理、人力资源、交易、财务及风险管理等系统。Derek Waldron表示团队每月都在增加新连接功能。

平台采用模型无关架构，集成OpenAI和Anthropic模型，每八周更新。Teresa Heitsenrether指出银行计划并非依附任何单一模型供应商，而是期望可根据不同应用场景灵活切换模型。这种设计理念源于对未来判断：不同模型将擅长处理不同类型任务，过早绑定特定供应商只会限制未来发展空间。

LLM Suite功能涵盖撰写、摘要长篇文件、Excel问题解决及创意萌生想法等范畴。备忘录形容为“类似ChatGPT产品”，可为研究分析师角色提供资讯、解决方案和建议。投资银行业务员工利用平台在约30秒内制作五页投资演示文稿，这项工作以往需要初级分析师花费数小时完成。小摩Digital、Marketing及Operations部门AI及数据分析主管Katie Hainsey表示，新入职员工可直接向平台提问并获得答案，这种日常生产力工具激发更多创新想法。

银行目前有超过450个概念验证项目进行中，明年将增至千个。小摩为每项目设置明确成功指标和关键绩效指标，并创建实验框架，提供工具给部分员工使用，设立测试组和对照组，清晰成功指标比较结果。Hainsey强调这种方法有助了解哪些方法有效、哪些需要改进，以及如何推动更广泛采用。自平台推出以来，AI相关业务效益每年增长30%-40%。

小摩成功经验与大多数企业形成强烈对比。MIT NANDA研究报告显示，约95%企业生成式AI试点未能实现快速收入增长，多数停滞不前，对损益表几乎没有可衡量影响。研究指出问题并非出在监管或模型性能，而在企业集成方面缺陷。ChatGPT等通用工具因其灵活性在个人使用表现出色，但企业环境却因无法学习或适应工作流程而陷入困境。

德勤2024年企业AI状况报告显示，62%企业领袖将数据相关挑战（特别是访问和集成问题）列为AI采用首要障碍。另一项针对1,000多名企业技术领导者调查发现，42%企业需要连接八个以上数据源才能成功部署AI代理，超过86%企业需要升级现有技术堆栈。McKinsey 2025年AI状况调查也指出，虽然78%组织至少一个业务功能使用AI，但只有约三分之一于整个组织扩展AI计划，多数组织AI使用尚未对企业整体息税前利润产生重大影响。

小摩今年科技预算达180亿美元，较2024年增加10亿美元，约13亿美元专门推动AI能力。财务总监Jeremy Barnum表示现代化投资已过峰值，正为持续产品、平台及未来投资提供资金支持。银行约65%工作负载已迁移至公有或私有云计算，较一年前50%有显著提升；如计入主要在虚拟服务器运行应用程序，这比例增至80%。

消费者及社区银行业务行政总裁Marianne Lake透露，今年科技、产品及设计方面支出约90亿美元，年增长率约6%。AI及机器学习投资去年带来35%价值增长，程序代码部署量两年来增加超过70%，同期需要重新规划工作减少20%，产品交付品质明显提升。Marianne Lake强调AI无处不在，每个人都在受益，银行将AI视为业务赋能者，既推动大型AI项目提升大规模人群效率和生产力，也为管理数百人团队经理提供小型AI工具。

Derek Waldron坦承技术力与实际价值获取之间有差距。他表示，即使拥有180亿美元预算，银行仍需数年时间才能将AI模型认知能力与专有数据及软件程序集成，充分发挥AI潜力。他也指出生产力提升并不自动转化为成本削减，“这里节省一小时、那里节省三小时可能提高个人生产力，但在端到端流程中，这些零散节省往往只是将瓶颈转移到其他环节。”

人力资源影响方面，小摩预估运营人员将减少至少10%。Stanford研究人员分析ADP数据后发现，从2022年底至2025年7月，AI暴露度较高职业早期职业工作者（22-25岁）就业率下降6%。变化集中以往因被视为低价值而外判职位，企业采取不回填空缺方式而非大规模裁员。McKinsey的Kevin Buehler估计，整个银行业可能节省7,000亿美元成本，但大部分将“竞争性流失”至客户，行业有形股本回报率可能下降1-2个百分点，而AI先行者则可能较落后者获得4个百分点优势。

对于评估中AI策略企业而言，小摩经验提供若干重要启示。大众化访问但不强制使用策略创造病毒式采用；安全优先设计在受监管行业尤为关键；模型无关架构避免供应商锁定；自上而下转型与自下而上创新相结合；按受众细分培训；在项目层面严格关注投资回报率。并非每家企业都拥有180亿美元预算或20万名员工，但核心原则适用不同行业和规模。

World Economic Forum分析指出，下代企业AI将不再以更大模型或更令人印象深刻示范来定义，而是以实际业务成果为衡量标准。Gartner预测到2026年，采用可组合架构组织在新功能实施速度方面将超越竞争对手80%。Derek Waldron坦诚，即使拥有庞大预算和大量活跃用户，也不能保证无缝转型，真正将转型与昂贵实验区分开，是诚实评估机遇和执行风险。

（首图来源：摩根大通）