美國最大銀行 JPMorgan Chase（摩根大通）成功實現大多數企業仍在苦苦掙扎的目標：在沒有強制推行下，令超過 6 成員工自願採納內部人工智能平台 LLM Suite，每日活躍使用人數接近一半，成為企業級生成式 AI 部署典範案例。這家資產規模達 4 萬億美元（約港幣 31.2 萬億元）的金融巨擘，透過每年 180 億美元（約港幣 1,404 億元）科技投資、連接優先技術架構，以及由下而上的創新文化，正重新定義傳統金融機構如何擁抱人工智能時代。
從零到 25 萬用戶自發增長
JPMorgan Chase 分析總監 Derek Waldron 及其技術團隊在 2 年半前首次推出配備個人助理功能 LLM Suite 時，對市場反應並無把握。當時 ChatGPT 剛面世不久，企業界對生成式 AI 實用性仍持懷疑態度，不少機構選擇觀望而非行動。Derek Waldron 在 VentureBeat 的 Beyond the Pilot 節目中透露，員工對內部平台接受速度遠超預期，數月內用戶便從零躍升至 25 萬人，整個過程完全出於自願。
員工參與方式同樣令管理層感到驚訝。除了設計提示詞，員工還主動建立和自訂具備特定角色、指令及功能 AI 助理，並在內部平台上分享經驗心得。數據及分析總監 Teresa Heitsenrether 接受 Bloomberg 訪問時表示，AI 為銀行帶來規模化效率提升和客戶價值巨大潛力，團隊一直高度重視相關發展。這種由下而上使用模式最終形成創新飛輪效應，早期採用者分享實際應用案例，其他員工受啟發後相繼加入，形成良性循環。
超越模型本身戰略眼光
JPMorgan Chase 採取業界罕見前瞻性技術架構策略，將 AI 視為核心基礎設施而非新奇玩意。Waldron 團隊很早便持有逆向觀點：大型語言模型本身終將成為通用商品，真正挑戰和競爭護城河在於系統周邊連接能力。這種思維模式決定 JPMorgan Chase 技術投資方向，與市場上爭相追逐最新模型做法形成鮮明對比。
銀行很早便投資多模態檢索增強生成（RAG）技術，目前已發展至第 4 代並融入多模態功能。LLM Suite 平台位於企業級基礎設施核心位置，配備支援分析和數據準備連接器及工具。員工可連接不斷擴展關鍵業務數據生態系統，與複雜文件、知識庫、結構化數據存儲互動，並連接客戶關係管理、人力資源、交易、財務及風險管理等系統。Derek Waldron 表示團隊每月都在增加新連接功能。
平台採用模型無關架構，整合 OpenAI 和 Anthropic 模型，每 8 週更新。Teresa Heitsenrether 指出銀行計劃並非依附任何單一模型供應商，而是期望可根據不同應用場景靈活切換模型。這種設計理念源於對未來判斷：不同模型將擅長處理不同類型任務，過早綁定特定供應商只會限制未來發展空間。
從概念驗證到規模化部署
LLM Suite 功能涵蓋撰寫、摘要長篇文件、Excel 問題解決及創意發想等範疇。內部備忘錄將其形容為「類似 ChatGPT 產品」，可作為研究分析師角色提供資訊、解決方案和建議。投資銀行業務員工利用平台在約 30 秒內製作 5 頁投資簡報，這項工作以往需要初級分析師花費數小時完成。JPMorgan Chase 的 Digital、Marketing 及 Operations 部門人工智能及數據分析主管 Katie Hainsey 表示，新入職員工可直接向平台提問並獲得答案，這種日常生產力工具正激發更多創新想法。
銀行目前有超過 450 個概念驗證項目正在進行，預計明年將增至 1,000 個。JPMorgan Chase 為每個項目設定明確成功指標和關鍵績效指標，並建立實驗框架，將工具提供給部分員工使用，設立測試組和對照組，透過清晰成功指標比較結果。Hainsey 強調這種方法有助了解哪些做法有效、哪些需要改進，以及如何推動更廣泛採用。自平台推出以來，AI 相關業務效益每年增長 30% 至 40%。
企業 AI 部署整合與連接成最大障礙
JPMorgan Chase 成功經驗與大多數企業形成強烈對比。MIT NANDA 項目發布研究報告顯示，約 95% 企業生成式 AI 試點項目未能實現快速收入增長，絕大多數項目停滯不前，對損益表幾乎沒有可衡量影響。研究指出問題並非出在監管或模型性能，而在於企業整合方面缺陷。ChatGPT 等通用工具因其靈活性在個人使用表現出色，但在企業環境中卻因無法學習或適應工作流程而陷入困境。
Deloitte 2024 年企業 AI 狀況報告顯示，62% 企業領袖將數據相關挑戰（特別是存取和整合問題）列為 AI 採用首要障礙。另一項針對 1,000 多名企業技術領導者調查發現，42% 企業需要連接 8 個或以上數據源才能成功部署 AI 代理，超過 86% 企業需要升級現有技術堆棧。McKinsey 2025 年 AI 狀況調查亦指出，雖然 78% 組織在至少一個業務功能中使用 AI，但只有約三分之一正在整個組織內擴展 AI 計劃，大多數組織 AI 使用尚未對企業整體息稅前利潤產生重大影響。
從現代化到智能化長期承諾
JPMorgan Chase 2025 年科技預算達 180 億美元（約港幣 1,404 億元），較 2024 年增加 10 億美元，其中約 13 億美元專門用於推進 AI 能力。財務總監 Jeremy Barnum 表示現代化投資已過峰值，現正為持續產品、平台及未來投資提供資金支援。銀行約 65% 工作負載已遷移至公有或私有雲端，較一年前 50% 有顯著提升；如計入主要在虛擬伺服器上運行應用程式，這比例增至 80%。
消費者及社區銀行業務行政總裁 Marianne Lake 透露，該部門今年在科技、產品及設計方面支出約 90 億美元（約港幣 702 億元），年增長率約 6%。AI 及機械學習投資去年帶來 35% 價值增長，程式碼部署量在過去 2 年增加超過 70%，同期需要重新規劃工作減少 20%，產品交付品質明顯提升。Marianne Lake 強調 AI 無處不在，每個人都在受益，銀行將 AI 視為業務賦能者，既推動大型 AI 項目提升大規模人群效率和生產力，也為管理數百人團隊經理提供小型 AI 工具。
企業 AI 轉型現實考量
Derek Waldron 坦承技術能力與實際價值獲取之間存在差距。他表示，即使擁有 180 億美元預算，銀行仍需數年時間才能將 AI 模型認知能力與專有數據及軟件程式整合，充分發揮 AI 潛力。他亦指出生產力提升並不自動轉化為成本削減，「這裡節省一小時、那裡節省三小時可能提高個人生產力，但在端到端流程中，這些零散節省往往只是將瓶頸轉移到其他環節。」
人力資源影響方面，JPMorgan Chase 預計營運人員將減少至少 10%。Stanford 研究人員分析 ADP 數據後發現，從 2022 年底至 2025 年 7 月，AI 暴露度較高職業早期職業工作者（22 至 25 歲）就業率下降 6%。變化主要集中在以往因被視為低價值而外判工作崗位，企業正採取不回填空缺方式而非大規模裁員。McKinsey 的 Kevin Buehler 估計，整個銀行業可能節省 7,000 億美元（約港幣 5.46 萬億元）成本，但大部分將「競爭性流失」至客戶，行業有形股本回報率可能下降 1 至 2 個百分點，而 AI 先行者則可能較落後者獲得 4 個百分點優勢。
企業借鑑啟示
對於正在評估 AI 策略企業而言，JPMorgan Chase 經驗提供若干重要啟示。大眾化存取但不強制使用策略創造病毒式採用；安全優先設計在受監管行業尤為關鍵；模型無關架構避免供應商鎖定；自上而下轉型與自下而上創新相結合；按受眾細分培訓；在項目層面嚴格追蹤投資回報率。並非每家企業都擁有 180 億美元預算或 20 萬名員工，但核心原則適用於不同行業和規模。
World Economic Forum 分析指出，下一代企業 AI 將不再以更大模型或更令人印象深刻演示來定義，而是以實際業務成果為衡量標準。Gartner 預測到 2026 年，採用可組合架構組織在新功能實施速度方面將超越競爭對手 80%。Derek Waldron 坦誠表明，即使擁有龐大預算和大量活躍用戶，也不能保證無縫轉型，真正將轉型與昂貴實驗區分開來的，是對機遇和執行風險誠實評估。
資料來源：VentureBeat