自願採用奇蹟：6成員工主動擁抱AI平台

當Derek Waldron團隊兩年半前推出LLM Suite時，正值ChatGPT剛面世，企業界對生成式AI持普遍懷疑態度。出乎意料的是，摩根大通員工展現驚人接受度——短短數月內，用戶從零暴增至25萬人，且完全出於自願。截至2025年，每日活躍用戶比例逼近50%，創造企業AI部署史上罕見紀錄。

數據及分析總監Teresa Heitsenrether向彭博透露：「這種自發性採用源自AI帶來的規模化效率提升。當員工親身體驗到30%生產力增益時，病毒式擴散便自然發生。」這種現象與MIT研究形成尖銳對比：約95%企業AI試點停滯不前，對損益表幾乎無實質影響。

連接優先架構：小摩的技術護城河

當競爭對手追逐最新模型時，小摩採取逆向思維：將AI視為核心基礎設施。Waldron團隊認為：「大型語言模型終將商品化，真正的競爭護城河在於系統連接能力。」

銀行早期投資多模態RAG技術，目前已發展至第四代。LLM Suite具備三大連接引擎：

1. 數據生態連接器：整合複雜文件、知識庫與結構化數據
2. 業務系統介面：直通CRM、人力資源、交易及風險管理系統
3. 模型無關架構：每8週更新，靈活切換OpenAI與Anthropic模型

創新飛輪效應：員工如何驅動AI變革

小摩員工展現出乎意料的創造力——不僅設計提示詞，更主動建立具備特定角色與功能的AI助理。Digital部門AI主管Katie Hainsey觀察到：「新員工直接向平台提問獲取答案，這種日常工具激發出創新雪球效應。」

早期採用者分享的實戰案例形成良性循環：當交易部門展示如何用AI加速合約審查後，風險管理團隊隨即開發出合規檢查助理，而財富管理部門則在此基礎上創建客戶風險分析模組。這種由下而上的創新模式，使平台功能在18個月內擴增3倍。

生產力革命：30秒完成5頁投資簡報

LLM Suite正重構金融工作流程。投資銀行部門的實測案例顯示：

• 5頁投資簡報生成時間從3小時→30秒
• 合約條款分析效率提升40倍
• 客戶風險評估報告錯誤率降低65%

「這不是取代分析師，而是將初級員工從機械勞動解放，」Hainsey強調，「當新進員工首日就能產出資深水準的分析，人才培養曲線被徹底改寫。」這種轉變反映在硬數據：程式碼部署量兩年增長70%，需重新規劃工作減少20%。

450+專案管理：量化AI投資回報的框架

小摩建立嚴謹的AI效益追蹤系統：

1. 專案分級：依業務影響力分配資源
2. 對照實驗：設立測試組與對照組量化增益
3. KPI儀表板：即時監控錯誤率與生產力指標

此框架使銀行能精準淘汰30%低效專案，將資源集中於年效益增長30-40%的高潛力領域。目前進行中的450個概念驗證專案，預計2026年將突破千項，所有專案都需通過12週效益驗證才能進入擴展階段。

180億美元戰略：科技預算的規模化效應

小摩2025年科技預算達180億美元，較去年增加10億，其中13億專注AI能力建設。消費者業務CEO Marianne Lake揭示關鍵投資方向：

• 65%工作負載已完成雲遷移（較去年提升15%）
• AI程式碼部署量年增70%
• 機器學習投資帶來35%價值增長

「AI無處不在，從管理數百人團隊的經理到前線員工都在受益，」Lake強調，「我們既推動大型AI項目提升規模效率，也開發小型工具解決日常痛點。」

人力轉型預測：AI暴露職位減少10%

Waldron坦誠技術力與價值獲取存在落差：「生產力提升不等於成本削減。在端到端流程中，局部效率提升可能只是轉移瓶頸。」人力資源轉型已明確化：

• 營運人員編制將精簡至少10%
• AI暴露度高職位（22-25歲）就業率下降6%
• 透過遇缺不補實現自然汰換

McKinsey預估銀行業可能節省7,000億美元成本，但AI先行者將較落後者獲得4個百分點的ROE優勢。這種差距在2026年後將更加顯著。

💬 企業AI轉型關鍵問答