ترزا هایتسنرتر، مدیر ارشد داده و تحلیل در JPMorgan Chase. Elizabeth Coetzee/WSJ; Photo Assist by Wayne Francis
ترزا هایتسنرتر، مدیر ارشد داده و تحلیل در JPMorgan Chase. Elizabeth Coetzee/WSJ; Photo Assist by Wayne Francis

ظهور هوش مصنوعی در JPMorgan

ترزا هایتسنرتر، ناظر بر استقرار هوش مصنوعی در بزرگترین بانک آمریکا، در مورد معنای آن برای هزاران کارمند و میلیون‌ها مشتری Chase Bank

بانک‌های آمریکا سال‌هاست که از هوش مصنوعی برای شناسایی تقلب استفاده می‌کنند. JPMorgan Chase، بزرگترین بانک کشور، اکنون شرط بزرگ‌تری روی هوش مصنوعی می‌بندد و تلاش می‌کند آن را در مرکز نحوه کار 300,000 کارمند خود قرار دهد.

در سال گذشته، JPMorgan ابزاری را به نام LLM Suite برای اکثر کارمندان خود عرضه کرد که به آنها اجازه می‌دهد از هوش مصنوعی مولد از OpenAI و دیگران استفاده کنند. همچنین در حال افزودن هوش مصنوعی مولد در مراکز تماس برای نمایندگانی است که با مشتریان Chase Bank سروکار دارند.

ترزا هایتسنرتر، مدیر ارشد داده و تحلیل JPMorgan، در سال 2023 برای نظارت بر استراتژی هوش مصنوعی این شرکت انتخاب شد. او یک مهندس نرم افزار یا متخصص فناوری نیست. اما پس از بیش از 20 سال اداره مشاغل کلیدی در JPMorgan، او توانست تشخیص دهد که این شرکت در کجا می‌تواند به بهترین شکل از فناوری برای افزایش بهره‌وری استفاده کند—و اعتماد رهبران شرکت را جلب کرده بود.

او می‌گوید: «وقتی موج هوش مصنوعی مولد واقعاً شروع به اوج گرفتن کرد، ما می‌خواستیم مطمئن شویم که کسی واقعاً به عنوان یک شغل تمام وقت در میز [مدیرعامل] جیمی دیمون روی این موضوع متمرکز است، به دلیل اهمیت استراتژیکی که برای آینده شرکت می‌بینیم.»

هایتسنرتر در مورد اینکه در چند سال آینده هوش مصنوعی را در JPMorgan در کجا می‌بیند، صحبت کرد.

کارمندان چقدر از LLM Suite استفاده می‌کنند؟

اکنون 200,000 نفر در شرکت داریم که این ابزار را روی میز خود دارند. نیمی از آنها تقریباً هر روز به طور فعال از آن استفاده می‌کنند و ما تخمین می‌زنیم که افراد به طور متوسط یک تا دو ساعت در هفته از آن استفاده می‌کنند.

به نظر شما هوش مصنوعی مولد چگونه کار در JPMorgan را متحول خواهد کرد؟

به هر مکانی در بانک فکر کنید که افراد در حال آماده شدن برای رفتن و صحبت با مشتریان خود هستند. امروزه، ارتش‌هایی از مردم در حال دویدن هستند، یادداشت‌های توجیهی را جمع‌آوری می‌کنند و اطمینان حاصل می‌کنند که همه آماده هستند. این یک راه عالی برای جمع‌آوری سریع‌تر این موارد است. ما آن را در بخش حقوقی، در هر مکانی که اسناد زیادی دارید، اطلاعات زیادی برای غربال کردن دارید، می‌بینیم. این یک صرفه‌جویی واقعی در زمان است. و در مراکز تماس نیز.

در مراکز تماس چه می‌بینید؟

آنها مدتی است که از هوش مصنوعی برای کمک به پاسخگویی به سؤالات مشتریان استفاده می‌کنند. اما وقتی آنچه را که قبلاً استفاده می‌کردیم با مدل‌های زبانی بزرگ جدید جفت می‌کنید، عالی هستند. به این فکر کنید که یک مصرف‌کننده تماس می‌گیرد. ممکن است در مورد وام خودرو، وام مسکن، حساب سپرده، کارت اعتباری شما باشد. فردی که در طرف دیگر تلفن است باید بتواند تمام آن محصولات مختلف را طی کند. مدل‌ها به نماینده مرکز تماس اجازه می‌دهند اطلاعات را سریع‌تر پیدا کند و به سؤالات سریع‌تر و دقیق‌تر پاسخ دهد.

آیا فکری در مورد توسعه مدل‌های زبانی بزرگ خودتان دارید؟

احتمالا نه. شما به مقیاس این چیزها و آنچه که روی آن آموزش داده شده‌اند و هزینه آن نگاه می‌کنید. تعدادی از آنها وجود دارند که می‌توانید با آنها کار کنید و همه آنها بسیار چشمگیر هستند. ساختن مدل خودمان نحوه متمایز کردن خودمان نیست. راز موفقیت برای ما این است که چگونه از آنها با اطلاعات خود استفاده می‌کنید.

آیا شاهد افزایش ملموس بهره‌وری در سراسر بانک از هوش مصنوعی هستید؟

خیلی زود است. ابتدا می‌خواهیم این ابزار را در دستان مردم قرار دهیم و به آنها اجازه دهیم سؤال بپرسند و پاسخ بگیرند. این در حال حاضر شروع به ایجاد ایده‌ها، نوآوری، برخی بهره‌وری می‌کند.

مرحله دوم جایی است که شما مدل‌ها را برمی‌دارید و شروع به وصل کردن آنها به JPMorgan می‌کنید: سیاست‌ها، رویه‌ها، آنچه در مورد مشتریان می‌دانیم. اکنون می‌توانید مدل را روی دانشی که خاص ما است، کار کنید.

افق سوم، و ما هنوز به آنجا نرسیده‌ایم، این است که مدل‌ها بتوانند استدلال بیشتری انجام دهند. اتفاقی که می‌افتد این است که آنها فرصتی پیدا می‌کنند تا فکر کنند، بسیار خوب، بر اساس پیچیدگی مشکلی که از من می‌پرسید، اجازه دهید به همان روشی که یک انسان به آن نزدیک می‌شود، فکر کنم. این به مدل اجازه می‌دهد منابع مورد نیاز خود را پیدا کند. شاید قرار است به اینترنت یا برخی از سیستم‌های خارج از پایگاه داده‌های JPMorgan برود. شما می‌توانید به طور موثر گردش کار فردی را که تحلیلگر بانکداری سرمایه‌گذاری یا شخص خدمات مشتری است، بردارید و مراحل انجام کارهایشان را به مدل‌ها آموزش دهید.

ما همیشه یک انسان در حلقه خواهیم داشت تا کار مدل‌ها را بررسی کند. من فکر نمی‌کنم که ما، قطعاً نه در این مقطع، اجازه دهیم این چیزها خودمختار باشند.

به نظر شما تأثیر هوش مصنوعی بر ساختار نیروی کار چگونه است؟

خیلی زود است که بگوییم تأثیرات کجا خواهد بود. من فکر می‌کنم تأثیراتی خواهد داشت. من فکر نمی‌کنم که این زنگ مرگ یا حذف تعداد زیادی از مردم باشد. برخلاف بسیاری از موج‌های قبلی فناوری که همگی در مورد خودکارسازی وظایف بوده‌اند—و آنها تمایل دارند وظایف تکراری اداری بیشتری باشند—این قابلیت کاربرد در سراسر جهان را دارد. توابع شغلی زیادی وجود ندارد که نتوان آنها را با این ابزار افزایش داد. بنابراین ما آن را ترکیبی از انسان‌ها و مدل‌های [هوش مصنوعی] می‌بینیم که می‌توانند کارهای بیشتری انجام دهند.

به نظر شما کدام نوآوری‌ها در فناوری شما بیشترین تأثیر را خواهند داشت؟

مدل‌ها همگی بر روی تمام داده‌هایی که به طور عمومی در دسترس هستند آموزش داده شده‌اند، درست است؟ چیزی که مدل‌ها به آن دسترسی ندارند داده‌هایی است که خاص شرکت هستند. این سپس به عاملی متمایز کننده از نظر میزان ارزشی که JPMorgan در مقایسه با شخص دیگری در خدمات مالی به دست می‌آورد، تبدیل می‌شود. بخش زیادی از تمرکز ما بر این است که چگونه به طور ایمن و موثر از دانش و بینشی که در شرکت داریم، استفاده کنیم.

آیا از قبل شروع به اتصال مدل‌ها به داده‌های اختصاصی JPMorgan کرده‌اید؟

ما در حال شروع هستیم. این یک کار در حال انجام است. ما بدیهی است که این کار را با دقت و سنجیده انجام می‌دهیم. حریم خصوصی داده‌ها اولین و مهم‌ترین اولویت ما است.

چگونه مطمئن می‌شوید که هوش مصنوعی شما بی مهابا عمل نمی‌کند؟

ما کنترل‌هایی در مورد هر کاری که با هوش مصنوعی انجام داده‌ایم داریم که مدت‌هاست ایجاد شده است. هر بار که یک مورد استفاده را توسعه می‌دهیم، از یک فرآیند دقیق عبور می‌کند. برخی از مدل‌هایی که ما طراحی کرده‌ایم بسیار محدود هستند. شما می‌توانید هر کاری که انجام می‌دهد را ببینید. بنابراین این ممکن است چیزی باشد که شما در یک تصمیم اعتباری استفاده می‌کنید.

سپس مدل‌های زبانی بزرگ وجود دارند. آنها بیشتر یک جعبه سیاه هستند. شما هرگز از آن برای آن منظور استفاده نخواهید کرد. ممکن است از آن برای ایجاد یک برنامه سفر برای کسی از طرف Chase Travel استفاده کنید، زیرا سناریوی پرخطری وجود ندارد. بنابراین این یک سوال در مورد داشتن ابزار مناسب در وهله اول و سپس داشتن کنترل‌های مناسب است.

مشتریان JPMorgan چگونه می‌توانند به ابزارهای هوش مصنوعی بانک برای خود دسترسی پیدا کنند؟

هوش مصنوعی به شما این امکان را می‌دهد که مقیاس بندی کنید و شخصی سازی بیشتری ارائه دهید. من فکر می‌کنم اکثر ما ترجیح می‌دهیم اگر بتوانید به صورت آنلاین به یک کانال دیجیتال بروید و سریع پاسخ بگیرید. هوش مصنوعی می‌تواند به تشخیص سؤال شما کمک کند و سریع‌تر پاسخی را در یک کانال دیجیتال به شما ارائه دهد.

آیا زمینه خاصی وجود دارد که از قبل بازده خوبی از سرمایه‌گذاری هوش مصنوعی خود مشاهده کنید؟

من آن را برعکس خواهم کرد. من نمی‌توانم به کسب و کاری فکر کنم که اینطور نباشد.

مصاحبه خلاصه و ویرایش شده است.