Selon Gerard Francis, le chef de produit de JPMorganChase pour l'IA et les données, toute l'excitation autour de l'IA n'a pas de sens sans une stratégie de données structurée à l'échelle de l'entreprise. S'exprimant lors d'un projecteur des clients au Snowflake Summit 2025 - où les clients ont partagé des idées sur la construction et la mise à l'échelle des systèmes d'IA - Francis a souligné que ?sans données solides, IA et plate-forme de gouvernance, chaque expérience d'IA devient non réplicable?.

Alors que les entreprises se déroulent pour mettre en ?uvre l'IA, peu sont passés avec succès des projets pilotes au déploiement à grande échelle. Une raison clé, a expliqué Francis, est que de nombreuses organisations n'ont pas l'infrastructure de données fondamentale requise pour évoluer au-delà des essais à un stade précoce.

Des expériences de l'IA à l'impact d'entreprise

Le modèle d'adoption de l'IA parmi les entreprises du Fortune 500 suit un cycle familier: une preuve de concept initiale, suivie d'une annonce publique, et éventuellement de la stagnation. Alors que la plupart des entreprises ont expérimenté le Genai, seuls quelques-uns ont dépassé les essais limités vers des implémentations reproductibles à grande échelle qui génèrent une valeur au niveau de l'entreprise.

"Quand on me demande ce que l'interrissiole d'entreprise signifie vraiment chez JPMorganChase", a commencé Francis, "tout est question de données." Il a souligné que le succès ne concerne pas les modèles impressionnants, mais la résolution des défis du monde réel dans la banque, la gestion des actifs, la détection de fraude, et plus encore - et le faisant à grande échelle. ?Comment identifiez-vous les cas d'utilisation les plus percutants et les réduisez-vous pour fournir de vrais résultats commerciaux??

C'est là que la plupart des initiatives de l'IA trébuchent. La société d'analystes Gartner estime qu'au moins 30% des pilotes génératifs de l'IA seront interrompus après une preuve de concept d'ici la fin de 2025. Selon Francis, la question ne réside pas dans le pouvoir des modèles d'IA, mais dans les infrastructures et la préparation à la gouvernance. "Sans stratégie et préparation d'infrastructures claires", a-t-il dit, "aucun niveau d'investissement en IA ne donnera une valeur à long terme."

Cette compréhension a conduit JPMorganChase à développer une plate-forme unifiée qui intègre les données, l'IA et la gouvernance dans les flux de travail en temps réel et les informations réutilisables. L'outil de chat génai interne de l'entreprise, ?LLM Suite?, permet aux employés d'interagir en toute sécurité avec de grands modèles de langage, protégés par les contr?les d'accès et les règles d'utilisation des données. Les déploiements précoces se sont concentrés sur des taches telles que la création de documents, l'optimisation du flux de travail et la communication interne - les domaines où les avantages sont clairs et les risques sont gérables.

"Nous avons eu la bonne gouvernance et des garanties en place pour protéger les données", a déclaré Francis. ?L'idée était simple: déployer l'IA où il peut offrir une valeur immédiate tout en maintenant la sécurité.?

La discipline des données derrière la préparation de l'IA

Qu'est-ce que cela signifie pour une institution financière mondiale comme JPMorganChase d'être prêt pour l'IA?

Pour Francis, il commence par l'accessibilité des données et les autorisations. ?Vos données sont-elles faciles à découvrir?? il a demandé. "Est-ce que cela a les contr?les d'accès appropriés afin que les utilisateurs ne voient que ce qu'ils sont autorisés à voir?" Ce ne sont pas seulement des préoccupations techniques mais des exigences de conformité essentielles pour une entreprise opérant dans plusieurs cadres réglementaires et classifications des clients.

Vient ensuite le défi des données non structurées - documents, notes, feuilles de calcul, contrats, etc. Celles-ci étaient historiquement difficiles à traiter, mais avec une génération (RAG) (RAG) (RAG) et d'autres outils Genai, ils deviennent des atouts précieux. Pourtant, la qualité des données reste essentielle. ?évitez les doublons?, a conseillé Francis. "Assurer le contr?le approprié de la version afin que les utilisateurs re?oivent des réponses précises."

Les données structurées - souvent dispersées sur de nombreux systèmes internes - ont tendance à être traitées en dernier, mais peuvent être les plus puissantes lorsqu'elles sont correctement intégrées. C'est pourquoi JPMorganChase a créé Fusion - une plate-forme de données externe pour les clients qui fonctionne comme une ?usine de données?, orchestrant les pipelines, standardisant des formats et préparation des ensembles de données pour l'utilisation de l'IA.

L'architecture de JPMorganChase s'étend sur plusieurs fournisseurs et plateformes, notamment Snowflake, qui soutient les efforts plus larges de l'entreprise pour unifier les données de l'entreprise pour la préparation de l'IA. "Considérez-nous comme une usine de données qui fonctionne à grande échelle", a fait remarquer Francis.

La gouvernance comme épine dorsale

Parlez à tout leader de l'IA de l'entreprise, et la gouvernance reviendra inévitablement. Chez JPMorganChase, cependant, ce n'est pas une réflexion après coup - elle est intégrée à la stratégie depuis le début.

?Dans un environnement réglementé?, a expliqué Francis, ?vous devez vous assurer que les données utilisées à toute fin sont approuvées pour cette utilisation.? Cela nécessite d'aligner les demandes d'IA sur les politiques internes, les lois régionales, les accords contractuels et les conditions de confidentialité des clients.

Gérer ces contr?les manuellement serait peu pratique. JPMorganChase travaille vers un système où ?la gouvernance passe du fait d'être un processus axé sur l'homme soutenu par la technologie à une technologie entièrement axée sur la technologie?. Jusque-là, l'évolutivité et la conformité dépendent de l'efficacité de la gouvernance intégrée dans le cycle de vie du développement de l'IA.

Les agents de l'IA sont la prochaine frontière

Imaginez un système d'IA qui ne résume pas seulement un document mais réconcilie également les données, les rapports de fichiers, les réunions de planification et les mets à jour des enregistrements de conformité. Ce sont des signes précoces de la prochaine étape de l'IA d'entreprise: des agents autonomes capables d'agir au nom des utilisateurs avec une surveillance minimale.

Alors que la plupart des déploiements d'IA actuels se concentrent toujours sur la résumé de texte ou la génération de contenu, le changement vers l'IA agentique est déjà en cours - et JPMorganChase regarde de près.

Ces systèmes autonomes, capables de raisonner et de prendre des décisions, offrent un potentiel majeur, en particulier dans des processus complexes tels que le développement de logiciels, la recherche ou les opérations. Mais Francis est prudent. "L'IA agentique apporte une valeur incroyable", a-t-il dit, "mais présente également de nouveaux risques. C'est un domaine que nous devons comprendre profondément."

Il l'approche stratégiquement. Plut?t que de viser à remplacer les emplois, l'objectif est l'augmentation - aider les équipes à travailler plus efficacement avec de meilleures idées et des outils plus intelligents. Comme l'a dit Francis, ?il ne s'agit pas de savoir si vous utilisez des agents, mais si vous pouvez vraiment résoudre une entreprise, il faut efficacement. Si vous le faites, vous réduisez les co?ts ou débloquez de nouvelles opportunités de revenus.?

Pour une entreprise aussi grande et complexe que JPMorganChase, l'IA n'a de sens que lorsqu'il stimule la valeur tangible. "Nous identifions les domaines où nous pouvons créer le plus de valeur, et qui guide la fa?on dont nous priorise l'IA", a déclaré Francis.

Cette approche axée sur la valeur s'applique également au ROI. Bien qu'il n'ait pas partagé des chiffres exacts, Francis a noté que l'entreprise rapporte publiquement sur la création de valeur axée sur l'IA - une grande partie de celle provenant de l'apprentissage automatique traditionnel, bien que Genai rattrape rapidement son retard.

?Si nous pouvons réduire considérablement le co?t de tout cas d'utilisation, le retour sur investissement devient plus facile à justifier et plus facile à évoluer.?

Le long jeu de la direction de l'IA

Pour l'avenir, Francis espère que JPMorganChase sera reconnu pour s'attaquer à l'un des défis les plus difficiles de l'IA d'entreprise: la création d'une plate-forme qui unifie les données, l'IA et la gouvernance dans plusieurs écosystèmes technologiques.

"Il est souvent facile de le faire avec un seul vendeur", a-t-il déclaré. "Mais le faire fonctionner entre les vendeurs est extrêmement difficile."

Pourtant, les récompenses sont claires. Si des plates-formes comme la fusion peuvent combler l'écart entre l'expérimentation et la production, l'IA passera d'une nouveauté à un outil d'entreprise standard.

Dans cet avenir, les entreprises qui réussissent ne seront pas celles avec les modèles les plus avancés, mais ceux qui ont le plus fort engagement envers la discipline des données.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!