JPMorgan Chase добился поразительных результатов добровольного внедрения своих внутренних AI-инструментов: более 60% сотрудников сейчас активно используют платформу. Этот успех был достигнут не за счёт директив, а благодаря органическому росту, обусловленному инновациями, инициированными самими сотрудниками. Ключ к успеху? Приоритет бесшовной интеграции с существующими бизнес-системами, а не только с самими AI-моделями.
Неожиданный Виральный Рост
Всего через два с половиной года после запуска своего набора LLM, JPMorgan обнаружил, что 250 000 сотрудников используют внутреннюю платформу. Эта быстрая адаптация даже удивила руководство компании, но она подчёркивает ключевую тенденцию: когда AI-инструменты обеспечивают реальную ценность, сотрудники охотно их принимают. Главный аналитик компании, Дерек Валдрон, отметил, что сотрудники не просто использовали AI; они активно создавали, настраивали и делились своими собственными AI-помощниками, адаптированными к конкретным ролям.
Этот импульс снизу создал “колесо инноваций”, где ранние последователи продемонстрировали практические примеры использования, стимулируя более широкое внедрение. JPMorgan осознал, что сами модели в конечном итоге станут товаром, поэтому он сосредоточился на том, чтобы сделать связность основным преимуществом.
Связность как Основная Стратегия
Стратегия JPMorgan выделяется тем, что она рассматривает AI как ключевую инфраструктуру, а не просто как новинку. Компания инвестировала значительные средства в технологию обогащенной генерации извлечением (RAG), которая сейчас находится в четвертом поколении, а также в мультимодальную интеграцию. AI-набор не изолирован; он глубоко встроен в существующие системы компании.
Сотрудники могут напрямую получать доступ и взаимодействовать с данными из CRM, HR, торговых, финансовых и рисковых систем. Компания постоянно добавляет новые подключения, делая AI-инструменты незаменимой частью повседневных рабочих процессов. По словам Валдрона, реальная ценность заключается в доступе – без значимой связи с критически важными данными и инструментами даже передовые AI остаются недостаточно используемыми.
Сила Многоразовых Блоков
JPMorgan делает акцент на подходе “одна платформа, множество задач”. Признавая, что каждая роль уникальна, компания предоставляет многоразовые блоки (RAG, интеллектуальный анализ документов, запросы к структурированным данным), которые сотрудники могут комбинировать для создания AI-инструментов, специфичных для их роли. Эта гибкая система позволяет сотрудникам настраивать AI в соответствии со своими точными потребностями, вместо того, чтобы заставлять их использовать предопределенные решения.
Переход компании через несколько поколений RAG – от базового векторного поиска до иерархических, мультимодальных конвейеров знаний – демонстрирует приверженность постоянному совершенствованию. Валдрон даже предлагает задуматься, прежде чем обращаться к коллеге, стоит ли сначала спросить AI-помощника.
В конечном итоге, успех JPMorgan подчёркивает важный урок: истинный потенциал AI заключается не только в мощных моделях, но и в бесшовной, повсеместной связности, которая раскрывает реальную ценность. Если AI не может подключаться к системам, где фактически происходит работа, он останется не более чем сложной, дорогой игрушкой.
