JPMorganChase的數據和AI的CPO說，沒有數據學科的AI只是炒作

根據AI和數據首席產品官Gerard Francis的說法，沒有結構化的，企業範圍的數據策略，對AI的所有興奮是毫無意義的。弗朗西斯（Francis）在2025年雪花峰會（Snowflake Summit 2025）的客戶聚焦期間（在雪花峰會峰會（Snowflake Summit 2025）分享了構建和擴展AI系統的見解）強調，“如果沒有堅實的數據，AI和治理平台，每個AI實驗都不可複制。”

當公司競爭實施AI時，很少有人成功地從試點項目轉移到全尺度部署。弗朗西斯（Francis）解釋說，一個關鍵原因是，許多組織缺乏擴展超出早期試驗所需的基礎數據基礎架構。

從AI實驗到企業影響

財富500家公司中AI採用的模式遵循了一個熟悉的周期：最初的概念證明，隨後是公開宣布，最終停滯不前。雖然大多數公司都嘗試過Genai，但只有少數公司超越了有限的試驗，轉向了產生企業級價值的全尺度，可重複的實現。

弗朗西斯開始說：“當我被問及企業AI真正的意思時，這一切都與數據有關。”他指出，成功不是令人印象深刻的模型，而是關於解決銀行業，資產管理，欺詐檢測等的現實世界挑戰，並在大規模上進行。 “您如何確定最有影響力的用例並擴展它們以提供真實的業務結果？”

這是大多數AI計劃跌跌撞撞的地方。分析師公司Gartner估計，到2025年底的概念證明，至少有30％的生成AI飛行員將停止。他說：“如果沒有明確的基礎設施戰略和準備，沒有任何水平的AI投資將產生長期的價值。”

這種理解導致JPMorganChase開發了一個將數據，AI和治理集成到實時工作流程和可重複使用的見解中的統一平台。該公司的內部Genai聊天工具“ LLM Suite”使員工能夠與大型語言模型安全互動，並受到訪問控件和數據使用規則的保護。早期部署的重點是文檔創建，工作流優化和內部通信等任務 - 好處是明確且風險易於管理的領域。

弗朗西斯說：“我們擁有適當的治理和保障措施來保護數據。” “這個想法很簡單：部署AI，可以在維持安全的同時提供直接的價值。”

AI準備背後的數據學科

對於像摩根大通這樣的全球金融機構準備a-Ready意味著什麼？

對於弗朗西斯，它始於數據可訪問性和權限。 “您的數據容易發現嗎？”他問。 “它是否具有適當的訪問控件，因此用戶只能看到他們允許看到的內容？”這些不僅是技術問題，而且對於在多個監管框架和客戶分類下運營的公司的關鍵合規要求。

接下來是非結構化數據的挑戰 - 文檔，筆記，電子表格，合同等。這些在歷史上很難處理，但是隨著檢索功能增強的一代（RAG）和其他Genai工具，它們已成為寶貴的資產。儘管如此，數據質量仍然至關重要。弗朗西斯建議：“避免重複。” “確保正確的版本控制，以便用戶獲得準確的響應。”

結構化數據（通常散佈在眾多內部系統中）往往是最後解決的，但是當正確集成時可能是最強大的。這就是為什麼JPMorganChase創建Fusion的原因，這是一個為客戶端起作“數據工廠”的外部數據平台，策劃管道，標準化格式並準備AI使用的數據集。

JPMorganChase的架構涵蓋了多個供應商和平台，包括Snowflake，這支持了該公司為統一AI準備就緒的企業數據的廣泛努力。弗朗西斯說：“將我們視為一家大規模運營的數據工廠。”

治理作為骨幹

與任何企業AI領導人交談，治理將不可避免地出現。然而，在摩根司州，這並不是事後的想法 - 它從一開始就內置在策略中。

弗朗西斯解釋說：“在受管制的環境中，您必須確保批准用於該用途的任何目的的數據。”這需要將AI申請與內部政策，區域法律，合同協議和客戶隱私條款保持一致。

手動管理這些控件是不切實際的。 JPMorganChase正在朝著一個系統努力，即“治理從技術支持的過程轉變為技術驅動的過程。”在此之前，可伸縮性和合規性取決於如何有效地將治理嵌入AI開發生命週期中。

AI代理是下一個前沿

想像一個AI系統，不僅匯總了文檔，還可以調解數據，文件報告，時間表會議和更新合規性記錄。這些是企業AI下一步的早期跡象：能夠代表用戶最少監督的用戶行動的自主代理。

儘管當前大多數AI部署仍集中在文本摘要或內容生成上，但向AgentIC AI的轉變已經在進行中 - JPMorganChase正在密切關注。

這些能夠推理和做出決策的自我指導的系統具有主要潛力，尤其是在軟件開發，研究或操作等複雜過程中。但是弗朗西斯謹慎。他說：“代理AI帶來了令人難以置信的價值，但也引入了新的風險。這是我們需要深入了解的領域。”

他戰略性地接近它。目標是增強目標，而不是替代工作，而是通過更好的見解和更智能的工具來幫助團隊更有效地工作。正如弗朗西斯（Francis）所說，“這不是您是否使用代理商，而是您是否可以真正地解決企業需求。如果您這樣做，則可以降低成本或解鎖新的收入機會。”

對於像JPMorganChase一樣大而復雜的公司，AI只有在推動有形價值的情況下才有意義。弗朗西斯說：“我們確定可以創造最大價值的領域，並指導我們優先考慮AI的優先級。”

以價值為中心的方法也適用於ROI。弗朗西斯（Francis）指出，儘管他沒有共享確切的數字，但該公司公開報告了AI驅動的價值創造 - 儘管Genai正在迅速追趕，但其中大部分仍來自傳統的機器學習。

“如果我們可以顯著降低任何用例的成本，那麼ROI就會更容易證明和更容易擴展。”

AI領導力的漫長游戲

展望未來，弗朗西斯（Francis）希望摩根司州（JPMorganChase）能夠通過解決企業AI中最艱鉅的挑戰之一的認可：創建一個在多個技術生態系統中統一數據，AI和治理的平台。

他說：“與單個供應商一起做這件事通常很容易。” “但是，使其在供應商之間工作是極具挑戰性的。”

儘管如此，獎勵還是很明顯的。如果像Fusion這樣的平台可以彌合實驗和生產之間的差距，AI將從新穎性轉變為標準企業工具。

在那個未來，成功的公司將不是擁有最先進的模型的公司，而是對數據紀律承諾最強烈的公司。

以上是JPMorganChase的數據和AI的CPO說，沒有數據學科的AI只是炒作的詳細內容。更多資訊請關注PHP中文網其他相關文章！