Laut Gerard Francis, Chief Product Officer von JPMorganCase für KI und Daten, ist die gesamte Aufregung um AI ohne eine strukturierte, unternehmensweite Datenstrategie bedeutungslos. W?hrend eines Kunden in Snowflake Summit 2025, in dem Kunden Einblicke in den Aufbau und die Skalierung von KI-Systemen teilten, betonte Francis, dass jedes KI-Experiment ohne solide Daten, KI und Governance-Plattform nicht wiederverw?hnt wird.

Da Unternehmen um die Umsetzung von KI rennen, haben sich nur wenige erfolgreich von Pilotprojekten auf den Einsatz in vollem Umfang übergegangen. Ein wesentlicher Grund, erkl?rte Francis, dass vielen Organisationen die grundlegende Dateninfrastruktur fehlen, die erforderlich sind, um über die Studien im Frühstadium hinaus zu skalieren.

Von KI -Experimenten bis hin zu Unternehmen Auswirkungen

Das Muster der KI -Einführung unter Fortune 500 -Unternehmen folgt einem vertrauten Zyklus: einem ersten Beweis für das Konzept, gefolgt von einer ?ffentlichen Ankündigung und schlie?lich stagnieren. W?hrend die meisten Unternehmen mit Genai experimentiert haben, haben sich nur wenige über begrenzte Studien hinaus in vollst?ndige, wiederholbare Implementierungen überschritten, die Wert auf Unternehmensebene generieren.

"Als ich gefragt werde, was Enterprise KI bei JPMorganChase wirklich bedeutet", begann Francis, "es dreht sich alles um die Daten." Er wies darauf hin, dass es bei Erfolg mit beeindruckenden Modellen geht, sondern um die L?sung realer Herausforderungen in Bankgesch?ft, Verm?gensverwaltung, Betrugserkennung und vielem mehr-und dies im Ma?stab. "Wie identifizieren Sie die wirkungsvollsten Anwendungsf?lle und skalieren sie, um echte Gesch?ftsergebnisse zu erzielen?"

Hier stolpern die meisten KI -Initiativen. Das Analystenunternehmen Gartner sch?tzt, dass mindestens 30% der generativen AI -Piloten nach dem Nachweis des Konzepts bis Ende 2025 eingestellt werden. Laut Francis liegt das Thema nicht in der Macht der KI -Modelle, sondern in der Bereitschaft in der Infrastruktur und der Regierungsführung. "Ohne eine klare Infrastrukturstrategie und Bereitschaft", sagte er, "wird kein KI-Investitionsniveau einen langfristigen Wert erzielen."

Dieses Verst?ndnis führte dazu, dass JPMorganChase eine einheitliche Plattform entwickelt, die Daten, KI und Governance in Echtzeit-Workflows und wiederverwendbare Erkenntnisse integriert. Mit dem internen Genai -Chat -Tool des Unternehmens, der LLM Suite, erm?glicht es den Mitarbeitern, sicher mit gro?en Sprachmodellen zu interagieren, die durch Zugriffskontrollen und Datennutzungsregeln geschützt sind. Frühe Bereitstellungen konzentrierten sich auf Aufgaben wie Dokumentenerstellung, Workflow -Optimierung und interne Kommunikation - Bereiche, in denen die Vorteile klar und Risiken überschaubar sind.

"Wir hatten die richtige Regierungsführung und Schutzma?nahmen, um Daten zu schützen", sagte Francis. "Die Idee war unkompliziert: KI einsetzen, wo sie einen sofortigen Wert liefern kann und gleichzeitig die Sicherheit aufrechterhalten kann."

Die Datendisziplin hinter der KI -Bereitschaft

Was bedeutet es, dass ein globales Finanzinstitut wie JPMorganChase KI-f?hig ist?

Für Francis beginnt es mit Daten zu Zug?nglichkeit und Berechtigungen. "Sind Ihre Daten leicht erfunden?" fragte er. "Hat es die entsprechenden Zugriffskontrollen, sodass Benutzer nur sehen, was sie sehen dürfen?" Dies sind nicht nur technische Bedenken, sondern auch die Anforderungen an die kritische Einhaltung von Unternehmen für ein Unternehmen, das im Rahmen mehrerer regulatorischer Rahmenbedingungen und Kundenklassifizierungen t?tig ist.

Als n?chstes kommt die Herausforderung unstrukturierter Daten - Dokumente, Notizen, Tabellenkalkulationen, Vertr?ge und mehr. Diese waren historisch schwer zu verarbeiten, aber mit retrievaler Generation (LAB) und anderen Genai-Werkzeugen werden sie zu wertvollen Verm?genswerten. Die Datenqualit?t bleibt dennoch wesentlich. "Vermeiden Sie Duplikate", riet Francis. "Stellen Sie sicher, dass Benutzer genaue Antworten erhalten."

Strukturierte Daten - h?ufig über zahlreiche interne Systeme verstreut - werden in der Regel zuletzt angesprochen, k?nnen jedoch bei ordnungsgem?? integriertesten sein. Aus diesem Grund hat JPMorganChase Fusion erstellt - eine externe Datenplattform für Clients, die als ?Datenfabrik“ fungiert, Pipelines orchestrieren, Formate standardisieren und Datens?tze für die KI -Verwendung vorbereiten.

Die Architektur von JPMorganCase umfasst mehrere Anbieter und Plattformen, einschlie?lich Snowflake, die die breiteren Bemühungen des Unternehmens zur Vereinheitlichung von Unternehmensdaten für die KI -Bereitschaft unterstützt. "Stellen Sie sich uns als eine Datenfabrik vor, die im Ma?stab arbeitet", bemerkte Francis.

Governance als Rückgrat

Sprechen Sie mit jedem Führer von Enterprise AI, und die Regierungsführung wird unweigerlich auftauchen. Bei JPMorganChase ist es jedoch kein nachtr?glicher Gedanke - es ist von Anfang an in die Strategie eingebaut.

"In einer regulierten Umgebung", erkl?rte Francis, "müssen Sie sicherstellen, dass die für diese Verwendung verwendeten Daten für diese Verwendung genehmigt werden." Dies erfordert die Ausrichtung von KI -Antr?gen mit internen Richtlinien, regionalen Gesetzen, vertraglichen Vereinbarungen und Kundenschutzbedingungen.

Manuelles Management dieser Kontrollen w?re unpraktisch. JPMorganChase arbeitet auf ein System hinzu, in dem ?Governance von einem von Technologie unterstützten Prozess zu einem voll technologiebetriebenen Prozess übergeht.“ Bis dahin h?ngt die Skalierbarkeit und Konformit?t davon ab, wie effektiv Governance in den Lebenszyklus der KI -Entwicklung eingebettet ist.

KI -Agenten sind die n?chste Grenze

Stellen Sie sich ein KI -System vor, das nicht nur ein Dokument zusammenfasst, sondern auch Daten, Dateienberichte, Zeitpl?ne Meetings und Aktualisierung von Compliance -Datens?tzen zusammenfasst. Dies sind frühe Anzeichen dafür, was in Enterprise AI als n?chstes kommt: Autonome Agenten, die im Namen von Benutzern mit minimaler Aufsicht wirken k?nnen.

W?hrend sich die meisten aktuellen KI -Bereitstellungen weiterhin auf die Textübersicht oder die Inhaltsgenerierung konzentrieren, ist die Verschiebung in Richtung Agenten -KI bereits im Gange - und JPMorganChase beobachtet genau.

Diese selbstgesteuerten Systeme, die in der Lage sind, Entscheidungen zu argumentieren und zu treffen, bieten ein gro?es Potenzial, insbesondere in komplexen Prozessen wie Softwareentwicklung, Forschung oder Betrieb. Aber Francis ist vorsichtig. "Agentic Ai bringt einen unglaublichen Wert", sagte er, "aber auch neue Risiken einführt. Das ist ein Bereich, den wir zutiefst verstehen müssen."

Er n?hert sich strategisch. Anstatt Arbeitspl?tze zu ersetzen, ist das Ziel die Augmentation - und hilft den Teams dabei, effizienter mit besseren Erkenntnissen und intelligenteren Tools zu arbeiten. Wie Francis es ausdrückte: "Es geht nicht darum, ob Sie Agenten verwenden, sondern ob Sie wirklich effektiv ein Gesch?ftsbedarf l?sen k?nnen. Wenn Sie dies tun, reduzieren Sie entweder die Kosten oder lindern neue Einnahmem?glichkeiten."

Für ein Unternehmen, das so gro? und komplex wie JPMorganChase ist, ist AI nur dann sinnvoll, wenn es einen greifbaren Wert f?rdert. "Wir identifizieren die Bereiche, in denen wir den gr??ten Wert schaffen k?nnen, und das leitet, wie wir KI priorisieren", sagte Francis.

Dieser wertorientierte Ansatz gilt auch für den ROI. Obwohl er keine genauen Zahlen teilte, stellte Francis fest, dass die Firma ?ffentlich über die Kreation von KI-gesteuerten Wertsch?pfung berichtet-weshalb ein Gro?teil davon immer noch aus traditionellem maschinellem Lernen stammt, obwohl Genai schnell aufholt.

"Wenn wir die Kosten eines Anwendungsfalls erheblich senken k?nnen, ist der ROI leichter zu rechtfertigen und leichter zu skalieren."

Das lange Spiel der KI -Führung

Mit Blick auf die Zukunft hofft Francis, dass JPMorganChase für die Bew?ltigung einer der schwierigsten Herausforderungen bei der KI von Enterprise anerkannt wird: Erstellung einer Plattform, die Daten, KI und Governance über mehrere Technologie -?kosysteme hinweg vereint.

"Es ist oft einfach, dies mit einem einzigen Anbieter zu tun", sagte er. "Aber es ist ?u?erst herausfordernd, es über Lieferanten hinweg zu arbeiten."

Trotzdem sind die Belohnungen klar. Wenn Plattformen wie Fusion die Lücke zwischen Experimentieren und Produktion überbrücken k?nnen, verlagert AI von einer Neuheit zu einem Standard -Enterprise -Tool.

In dieser Zukunft sind die Unternehmen, die Erfolg haben, nicht diejenigen mit den fortschrittlichsten Modellen, sondern diejenigen, die sich für die Datendisziplin am st?rksten verpflichtet haben.

Das obige ist der detaillierte Inhalt vonKI ohne Datendisziplin ist nur ein Hype, sagt JPMorganChase -CPO für Daten und KI. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!