Menurut Gerard Francis, ketua pegawai produk JPMorganchase untuk AI dan data, semua kegembiraan di sekitar AI tidak bermakna tanpa strategi data berstruktur dan seluruh perusahaan. Bercakap semasa tumpuan pelanggan di Snowflake Summit 2025-di mana pelanggan berkongsi pandangan tentang membina dan menstabilkan sistem AI-Francis menegaskan bahawa "tanpa data pepejal, AI, dan platform tadbir urus, setiap eksperimen AI menjadi tidak dapat ditiru."

Apabila syarikat berlumba untuk melaksanakan AI, beberapa telah berjaya beralih dari projek perintis ke penggunaan penuh. Sebab utama, Francis menjelaskan, adalah bahawa banyak organisasi tidak mempunyai infrastruktur data asas yang diperlukan untuk skala melebihi ujian peringkat awal.

Dari eksperimen AI ke kesan perusahaan

Corak pengangkatan AI di kalangan firma Fortune 500 mengikuti kitaran yang biasa: bukti awal konsep, diikuti oleh pengumuman awam, dan akhirnya stagnasi. Walaupun kebanyakan syarikat telah bereksperimen dengan genai, hanya beberapa yang telah bergerak melampaui ujian terhad kepada pelaksanaan penuh, berulang yang menghasilkan nilai peringkat perusahaan.

"Apabila saya ditanya apa yang dimaksudkan oleh AI yang benar -benar di JPMorganchase," Francis bermula, "Ini semua mengenai data." Beliau menegaskan bahawa kejayaan bukan mengenai model yang mengagumkan, tetapi mengenai menyelesaikan cabaran dunia sebenar dalam perbankan, pengurusan aset, pengesanan penipuan, dan banyak lagi-dan melakukannya secara berskala. "Bagaimanakah anda mengenal pasti kes -kes penggunaan yang paling berkesan dan skala mereka untuk memberikan hasil perniagaan yang sebenar?"

Di sinilah kebanyakan inisiatif AI tersandung. Firma penganalisis Gartner menganggarkan bahawa sekurang -kurangnya 30% juruterbang AI generatif akan dihentikan selepas bukti konsep menjelang akhir tahun 2025. Menurut Francis, isu itu tidak terletak pada kuasa model AI, tetapi dalam kesediaan infrastruktur dan tadbir urus. "Tanpa strategi infrastruktur dan kesediaan yang jelas," katanya, "tidak ada tahap pelaburan AI akan menghasilkan nilai jangka panjang."

Pemahaman ini membawa JPMorganchase untuk membangunkan platform bersatu yang mengintegrasikan data, AI, dan tadbir urus ke dalam aliran kerja masa nyata dan pandangan yang boleh diguna semula. Alat sembang Genai dalaman syarikat, "LLM Suite," membolehkan pekerja berinteraksi dengan selamat dengan model bahasa yang besar, dilindungi oleh kawalan akses dan peraturan penggunaan data. Penyebaran awal memberi tumpuan kepada tugas -tugas seperti penciptaan dokumen, pengoptimuman aliran kerja, dan komunikasi dalaman - kawasan di mana manfaatnya jelas dan risiko dapat diurus.

"Kami mempunyai tadbir urus dan perlindungan yang betul untuk melindungi data," kata Francis. "Idea ini mudah: menggunakan AI di mana ia dapat memberikan nilai segera sambil mengekalkan keselamatan."

Disiplin data di sebalik kesediaan AI

Apa maksudnya untuk institusi kewangan global seperti JPMorganChase untuk menjadi AI-siap?

Bagi Francis, ia bermula dengan kebolehcapaian dan keizinan data. "Adakah data anda mudah ditemui?" Dia bertanya. "Adakah ia mempunyai kawalan akses yang sesuai supaya pengguna hanya melihat apa yang mereka dibenarkan untuk melihat?" Ini bukan hanya kebimbangan teknikal tetapi keperluan pematuhan kritikal bagi syarikat yang beroperasi di bawah pelbagai rangka kerja dan klasifikasi pelanggan.

Seterusnya datang cabaran data tidak berstruktur - dokumen, nota, spreadsheet, kontrak, dan banyak lagi. Ini secara historis sukar diproses, tetapi dengan generasi pengambilan semula (RAG) dan alat-alat genai yang lain, mereka menjadi aset yang berharga. Namun, kualiti data tetap penting. "Elakkan pendua," kata Francis. "Pastikan kawalan versi yang betul supaya pengguna menerima respons yang tepat."

Data berstruktur - sering bertaburan di pelbagai sistem dalaman - cenderung ditangani terakhir, namun boleh menjadi yang paling berkuasa apabila disatukan dengan betul. Itulah sebabnya JPMorganChase mencipta Fusion - platform data luaran untuk pelanggan yang berfungsi sebagai "kilang data," saluran paip yang mengatur, format piawai, dan menyediakan dataset untuk kegunaan AI.

Senibina JPMorganchase merangkumi pelbagai vendor dan platform, termasuk Snowflake, yang menyokong usaha yang lebih luas syarikat untuk menyatukan data perusahaan untuk kesediaan AI. "Fikirkan kami sebagai kilang data yang beroperasi pada skala," kata Francis.

Tadbir urus sebagai tulang belakang

Bercakap dengan mana -mana pemimpin AI perusahaan, dan tadbir urus pasti akan muncul. Walau bagaimanapun, di JPMorganchase, ia bukan satu peringatan - ia dibina dalam strategi dari awal.

"Dalam persekitaran yang dikawal selia," kata Francis, "anda mesti memastikan bahawa data yang digunakan untuk sebarang tujuan diluluskan untuk kegunaan itu." Ini memerlukan menyelaraskan aplikasi AI dengan dasar dalaman, undang -undang serantau, perjanjian kontrak, dan terma privasi pelanggan.

Menguruskan kawalan ini secara manual akan menjadi tidak praktikal. JPMorganchase sedang berusaha ke arah sistem di mana "tadbir urus bergerak dari menjadi proses yang didorong oleh manusia yang disokong oleh teknologi kepada teknologi yang dipacu sepenuhnya." Sehingga itu, skalabiliti dan pematuhan bergantung kepada bagaimana tadbir urus yang berkesan tertanam ke dalam kitaran hayat pembangunan AI.

Ejen AI adalah sempadan seterusnya

Bayangkan sistem AI yang tidak hanya meringkaskan dokumen tetapi juga mendamaikan data, laporan fail, mesyuarat jadual, dan mengemas kini rekod pematuhan. Ini adalah tanda -tanda awal apa yang seterusnya dalam perusahaan AI: ejen autonomi yang mampu bertindak bagi pihak pengguna dengan pengawasan yang minimum.

Walaupun penyebaran AI yang paling terkini masih memberi tumpuan kepada ringkasan teks atau penjanaan kandungan, peralihan ke arah AIS AIS sedang dijalankan - dan JPMorganChase menonton dengan teliti.

Sistem yang diarahkan sendiri, yang mampu membuat keputusan dan membuat keputusan, menawarkan potensi utama, terutama dalam proses kompleks seperti pembangunan perisian, penyelidikan, atau operasi. Tetapi Francis berhati -hati. "Agentic AI membawa nilai yang luar biasa," katanya, "tetapi juga memperkenalkan risiko baru. Itulah kawasan yang perlu kita faham."

Dia mendekati secara strategik. Daripada bertujuan untuk menggantikan pekerjaan, matlamatnya adalah pembesaran - membantu pasukan bekerja dengan lebih cekap dengan pandangan yang lebih baik dan alat yang lebih bijak. Seperti yang dikatakan oleh Francis, "Ia bukan mengenai sama ada anda menggunakan ejen, tetapi sama ada anda benar -benar dapat menyelesaikan perniagaan yang perlu dengan berkesan. Jika anda melakukannya, anda akan mengurangkan kos atau membuka kunci peluang pendapatan baru."

Bagi sebuah syarikat yang besar dan kompleks seperti jpmorganchase, AI hanya masuk akal apabila ia memacu nilai ketara. "Kami mengenal pasti kawasan di mana kami boleh mencipta nilai yang paling, dan panduan bagaimana kami mengutamakan AI," kata Francis.

Pendekatan yang berfokus pada nilai juga berlaku untuk ROI. Walaupun dia tidak berkongsi angka yang tepat, Francis menyatakan bahawa firma itu melaporkan secara terbuka mengenai penciptaan nilai yang didorong oleh AI-dengan banyak yang masih berasal dari pembelajaran mesin tradisional, walaupun Guei cepat menangkap.

"Sekiranya kita dapat mengurangkan kos apa -apa kes penggunaan, maka ROI menjadi lebih mudah untuk dibenarkan dan lebih mudah untuk skala."

Permainan Panjang Kepimpinan AI

Ke depan, Francis berharap JPMorganchase akan diiktiraf untuk menangani salah satu cabaran yang paling sukar dalam perusahaan AI: mewujudkan platform yang menyatukan data, AI, dan tadbir urus merentasi pelbagai ekosistem teknologi.

"Ia sering mudah melakukan ini dengan vendor tunggal," katanya. "Tetapi menjadikannya bekerja di seluruh vendor sangat mencabar."

Namun, ganjarannya jelas. Jika platform seperti Fusion dapat merapatkan jurang antara eksperimen dan pengeluaran, AI akan beralih daripada menjadi sesuatu yang baru kepada alat perusahaan standard.

Pada masa akan datang, syarikat -syarikat yang berjaya tidak akan menjadi model yang paling maju, tetapi mereka yang mempunyai komitmen terkuat untuk disiplin data.

Atas ialah kandungan terperinci AI tanpa disiplin data hanya gembar -gembur, kata CPO JPMorganchase untuk data dan AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!