主要内容
摩根大通的AI战略正带来可衡量回报，但需付出人力成本。这家美国最大银行毫不掩饰这一点：目前20万员工每日使用其自主研发的大语言模型套件（LLM Suite），AI效益年增长30-40%，首席分析官Derek Waldron称其目标是打造全球首个“全AI连接企业”。支撑这一转型的是每年180亿美元的技术预算、450多个投产AI用例，以及获《美国银行家》2025年度创新大奖的平台。
LLM Suite自2024年夏季发布后，通过自愿参与策略实现8个月20万用户增长，形成“健康竞争推动病毒式传播”的生态。该平台并非单一聊天工具，而是连接全公司数据、应用和工作流的“完整生态系统”，兼容OpenAI和Anthropic模型，每8周更新一次。投行可30秒生成5页报告（原需初级分析师数小时），律师快速扫描生成合同，信贷人员即时提取契约信息，客服工具EVEE通过情境感知响应提升解决效率。
摩根大通按个体项目而非平台指标追踪ROI，自启动以来年增长30-40%。其战略结合“转型领域”（信贷、欺诈、营销、运营）的自上而下投入与员工创新的自下而上民主化，预计行业潜在节省7000亿美元，但部分收益将让利客户。行业有形权益回报率或降1-2个百分点，而AI先锋银行可提升4个百分点。不过，生产力提升未必直接转化为成本下降，“局部效率提升可能仅转移而非消除流程瓶颈”。
随着“代理型AI”处理复杂任务，摩根大通消费者银行负责人宣布运营人员将减少至少10%。该银行正开发可独立执行多步骤任务的AI代理，如30秒生成投行报告、起草并购机密备忘录。AI更青睐客户岗位（私人银行家、交易员、投行家），而账户设置、欺诈检测等运营岗位面临风险。新岗位应运而生：情境工程师（确保AI系统信息准确）、知识管理专家及构建代理系统的技能升级软件工程师。
摩根大通也坦言执行风险：缺乏企业级工具时，员工可能使用消费级AI，导致敏感数据泄露，银行已开发内部安全管控系统。此外，当AI正确率达85-95%时，人工复核可能因“过度信任”而放松，这一“价值差距”问题待解。