JPモルガンのGenerative AI活用: 革新的な取り組み

Explore how generative AI impacts global equity, and how this potential new market cycle outlines structural change and growing opportunities.

#### 5つのジェネレーティブAIユースケース：企業が今日実装できるもの ジェネレーティブAIに対する期待感は高まっており、データと機械学習チームはそのプレッシャーを感じています。様々な産業において、幹部たちはAIを活用した製品の開発を推進し、時間の節約、収益の向上、競争上の優位性を得ることを求めています。OpenAI、Google、Amazon、Microsoftなどのテックジャイアンツは、大規模な言語モデル（LLM）や画像生成拡散モデルによって駆動される機能を市場に提供しています。これらの技術は企業がデータを分析し、情報を要約・統合し、コンテンツを生成し、ビジネスを変革するのに役立つと約束しています。 しかし、企業がジェネレーティブAIを取り入れる際、実際にどこから始めればよいのでしょうか？どのようなジェネレーティブAIユースケースが現実的で、達成可能で、ROIに値するのでしょうか？早期採用企業の戦略に深く掘り下げ、企業が今日この技術をどのように活用しているか、データチームがどのようにジェネレーティブAIを大規模に実装するかを学びました。 **目次** ## 知識労働者の効率的なワークフローを構築 様々な産業において、企業は知識労働者向けの時間を節約し、プロセスを自動化・簡素化することで初期のジェネレーティブAIユースケースを推進しています。LLMが非構造化データから洞察を理解し抽出する能力を持つことから、企業は内部情報の大量から要約、分析、検索、洞察の提示に価値を見出しています。 ### 法律事務所 法律業界では、AI搭載システムが以下のように法律事務所を支援しています： - コンプライアンスを最新の状態に保つための規制監視の自動化 - 遺言書や契約書などの標準文書の起案とレビュー - 大量の文書をレビューして潜在的なリスクや問題を特定するためのデューデリジェンスの支援 - 契約書の分析による問題の特定や修正の提案 - 判例法、法令、ジャーナル、規制などから関連情報を特定し、分析し、要約することで法的研究を支援 **テックソリューション：** 法律チームは、法律システム向けにカスタムモデルやファインチューニングされたLLMを採用しており、GPT-4を搭載した[CoCounsel](https://www.youtube.com/watch?v=7IzbNQ2oYCM)、[Harvey](https://www.lawnext.com/2023/04/harvey-ai-raises-21m-in-a-series-a-round-led-by-sequoia.html)、[トムソン・ロイター](https://www.thomsonreuters.com/en/artificial-intelligence.html)のソフトウェアスイートなどがあります。 **実際のユースケース：** ロンドンの法律事務所Macfarlanesは、[Harveyを使用](https://www.reuters.com/legal/transactional/uk-law-firm-is-latest-partner-with-legal-ai-startup-harvey-2023-09-21/)して研究をサポートし、文書を分析・要約し、クライアントの業務に関する最初のドラフトのメールやメモを作成しています。 ### 金融サービス 2023年初頭には、ゴールドマン・サックスやシティグループなどのウォール街機関がデータプライバシーの懸念からChatGPTを禁止しました。しかし、金融業界は長年にわたり機械学習アルゴリズムを活用しており、詐欺検知アルゴリズムや瞬時の信用判断を支えてきました。金融製品や企業は、ジェネレーティブAIの潜在的なユースケースに満ちています。 現時点では、Databricksによると、金融サービス業界の[80%のジェネレーティブAIユースケース](https://www.databricks.com/blog/generative-ai-everything-everywhere-all-once)は、時間とリソースを節約するためのプロセスの効率化に焦点を当てています。 - 内部文書を知識ベースとして使用する会話型ファイナンスチャットボット - 請求書のキャプチャと処理などの基本的な会計機能の自動化 - 年次報告書、保険契約、収益通話の要約、分析、洞察の抽出 **テックソリューション：** 金融サービス向けに開発された500億パラメータのLLMである[BloombergGPT](https://www.finextra.com/newsarticle/42110/welcome-to-bloombergpt-a-large-scale-language-model-built-for-finance)など、カスタマイズされたソリューションが登場しています。 **実際のユースケース：** 2023年9月、[モルガン・スタンレーはAI搭載アシスタントを発表](https://www.cnbc.com/2023/09/18/morgan-stanley-chatgpt-financial-advisors.html)し、金融アドバイザーに内部データベースの研究レポートや文書への簡単なアクセスを提供しています。 ### 販売チーム 販売およびマーケティングチームは、以下のようなユースケースでジェネレーティブAIを採用しています： - メールの最初のドラフト、ランディングページ、ブログ投稿などのコンテンツの作成 - CRMデータに基づいて個別のアウトリーチ用コンテンツのパーソナライズ - 販売担当者をコーチするためのセールスインタラクションの分析 - デモグラフィックス、ファーモグラフィックス、デジタル行動に基づいたリードスコアリングの自動化 - 電話やビデオ会議からのインタラクションの要約 **テックソリューション：** セールスプラットフォームの[Gongはプロプライエタリモデルを使用](https://www.demandgenreport.com/features/news-briefs/gong-releases-new-generative-ai-solution-for-revenue-teams#:~:text=Gong%20Releases%20New%20Generative%20AI%20Solution%20For%20Revenue%20Teams,-August%2031%2C%202023&text=This%20new%20solution%20is%20designed,and%20make%20more%20informed%20decisions.)してコールの要約を生成し、次のステップを推奨して購入プロセスをサポートしています。 **実際のユースケース：** アカウントエンゲージメントプラットフォームの[6senseはAIを活用した会話型メールソリューション](https://www.cmswire.com/digital-marketing/generative-ai-in-marketing-and-sales-8-high-impact-b2b-use-cases/)を導入し、見込み顧客とのコミュニケーションにおいて新しいパイプラインの10%を貢献しています。 ## エンジニアリングとデータプロセスの自動化 ジェネレーティブAIにより、コーディングやデータエンジニアリングの反復的または単調な側面を自動化することで、ソフトウェアエンジニアやデータエンジニアのワークフローを効率化し、生産性を向上させています。 例えば、チームは以下のようにジェネレーティブAIを使用できます： - コードの一部を自動生成し、コードをエラーを確認 - 自動的にデバッグし、軽微なエラーを修正したり、バグが発生しやすい場所を予測 - 実世界の情報を模倣した大量の合成データを生成し、エンジニアがプライバシーの懸念を気にせずにモデルをテスト - コードやプロジェクトに関する詳細なドキュメントを自動生成 - 金融セクターなどで一般的なCOBOLなどの古い言語から現代の言語へのレガシーソフトウェアの更新 LLMは開発者ソリューションに直接組み込まれています。例えば、Monte Carloプラットフォームでは、OpenAI APIを活用して、データ可観測性をサポートする「Fix with AI」と「Generate with AI」という2つの機能を提供しています。Fix with AIはLLMを使用してデータ品質チェックのバグを特定し、Generate with AIは新しいデータ品質チェックの提案を生成するためにLLMを使用します。 OpenAI自体でも、LLMはDevOpsや内部機能をサポートするために使用されています。AIスペシャリストのHeadである[Yaniv Markovsi](https://www.linkedin.com/in/yanivmarkovski/)氏によると、OpenAIチームは、GPTモデルを使用して、サーバーログやソーシャルメディアイベントなどの操作シグナルを集約し、製品を使用する際に顧客が体験する内容を理解しています。これは、従来のアプローチであるサイトリラビリティエンジニアリングチームが手動でインシデントを調査しトリアージするよりもはるかに効率的です。 **テックソリューション：** エンジニアリングチームは、[GitHub Copilot](https://www.theverge.com/2023/9/20/23882605/github-copilot-chat-ai-chatbot-individuals)や[AmazonのCodeWhisperer](https://www.theverge.com/2023/4/13/23681796/amazon-ai-coding-assistant-codewhisperer-microsoft)などのツールを採用して、日常業務をサポートしています。開発者は自然言語のプロンプトを提供し、Python、JavaScript、Rubyなどの言語でコードスニペットや提案を受け取ることができます。 **実際のユースケース：** あるグローバルメディア企業のデータエンジニアリングチームは、LLMを使用して、dbtワークフロー内でプルリクエストを異なるトリアージレベルに分類しています。変更の分類に応じて、モデルは異なるビルドコマンドをトリガーします。これにより、開発ワークフローが大幅に効率化されています。チームの代替手段は、変更をテストするために適切なコマンドを決定するために複雑なパーシングをハードコードすることでした。 ## 企業内の他のチームとデータを民主化 データの世界では、企業がジェネレーティブAIを活用する最も有望な機会は、非技術的な消費者にデータへのアクセスを拡大することです。LLMは、組織全体のチームメンバーが自然言語プロンプトを入力し、特定のデータポイントを取得したり複雑な質問に答えたりするSQLクエリを生成するための道を提供します。 これは、DatabricksのProducts SVPであるAdam Conwayが最近強調した最初のステップとして、企業が取るべき明確なアプローチです。「私は、膨大な文書を持つ業界が、数万ページの記録から回答を取得できるようにしたいという例を見てきました」とAdamは述べています。「それが正しいアプローチです。リスクが低いため、手を汚すことができ、多くの価値を提供し、リスクを多く生じさせることはありません。Databricksでは、社内チャットボットを使用して従業員が問題を解決し、データを見るのを支援しています。そして、そこに多くの価値があると考えています。」 **テックソリューション：** Databricksなどのプラットフォームは、埋め込み機能に取り組んでおり、チームが平易な言語でデータをクエリできるようにする[LakehouseIQ](https://www.montecarlodata.com/blog-databricks-data-ai-summit-2023-keynote-recap/)を最近発表しました。 これらの技術はまだ新興段階に

J P Morgan Chase utilized a generative AI system to analyse legal documents, reducing the time needed for legal reviews. The system was able ...

Using a machine learning model, this tech will analyze a passage of text to pick up on patterns of bias, and suggest how to change them. This could help ...

Financial services giant JPMorgan Chase filed a trademark application for IndexGPT, marking its entry into the race to build a generative AI ...

#### JP Morganの人工HR - The Daily Upside JP Morgan Chaseは、AIを活用して候補者を採用する方法に特許を取得しようとしています。この技術は、従業員の公開データを使用して、候補者を特定し、その候補者と現在の従業員とのつながりの強さ、候補者の採用が容易か難しいか、その候補者が仕事に適しているかどうかを示す「信頼スコア」を生成します。このシステムが適切な候補者を特定すると、彼らに「ターゲットされた採用コミュニケーション」を生成して連絡し、彼らの応募と雇用状況を監視します。このシステムは機械学習に基づいており、以前の経験から学習し改善します。 AIが人間が通常行う仕事を自動化している例の1つであり、採用や人事機能は大きく人と人とのつながりに基づいています。AIはすでに採用および採用プロセスのすべての側面に影響を与えており、候補者のソーシングから面接プロセスでの選択まで影響を及ぼしています。 JP Morgan Chaseの特許は、AIを使用して専門的および個人的なネットワークとつながりを理解し、採用の結果を予測するトレンドの継続を示しています。この技術は、多様性を欠いた労働力を生み出す可能性があり、初期の結果が固定されたバイアスとなる可能性があります。 Nvidiaは、製造製品の欠陥を検出する技術に取り組んでいます。この技術は、製造されたオブジェクトを検査する「自動光学検査システム」にニューラルネットワークを実装し、製造されたオブジェクトを正しいと学習したオブジェクトの画像と比較することで、異常を検出します。 Amazonは、機械学習データの「一貫したフィルタリング」のための技術を特許取得しようとしています。このシステムは、データを整理する方法だけでなく、誰もが使用できるカスタマイズ可能で使いやすい機械学習サービスを提供します。 これらの特許は、それぞれの企業がAI技術を活用し、競争力を高めようとしていることを示しています。それぞれの技術は、異なる分野で革新をもたらす可能性があります。

(Bloomberg) -- JPMorgan Chase & Co. is working with US regulators and walking them through its first set of generative AI pilot projects to ...

Overall, J.P. Morgan Research estimates generative AI could increase global GDP by $7–10 trillion, or as much as 10%. The technology could result in a workforce ...

#### The transformative power of generative AI | J.P. Morgan ...  #### ジェネレーティブAIの変革力について - S&P 500企業の40%が最近の四半期に人工知能（AI）に言及し、前年の倍以上に増加しており、AIへの投資も急増している。 - ChatGPTやStable Diffusionなどのツールを使用したジェネレーティブAIの最近の興奮は、ウェブブラウザを持つ誰にでも利用可能になっている。 - 仮想通貨や自動運転車などの最近の技術と比較して、AIは熱狂に値するかもしれない。 - この論文では、特にジェネレーティブAIが経済、労働者、金融市場に与える重要な潜在的影響に焦点を当てている。 #### ジェネレーティブAIを変革的にする要因 - ジェネレーティブAIは非常に多目的でアクセスしやすく、さまざまな分野で新しい、人間らしい出力を作成する能力がある。 - これは、ジェネレーティブAIの現実世界への応用が広範囲であり、チェスのプレイや天気の予測などの「従来の」AIアプリケーションと比較して特に大きい。 #### AIが経済にもたらす影響 - AIは長年の停滞期の後、労働生産性を大幅に加速させる可能性がある。 - 発展途上市場において10年間で年平均1.4％〜2.7％の成長を見込んでおり、他の見積もりに近い。 - これらの利益は、多くの商品やサービスのコストを下げながら、実質の生産量を意味のある程度増加させる可能性がある。 #### 労働に対するAIの自動化の意味 - 自動化は同じ生産量を生産するために必要な労働者を減らすことを意味し、過渡的な雇用の置き換えをもたらす可能性がある。 - 歴史的な自動化の波と同様に、より大きな効率性が多くの新しい仕事の需要を生み出すと予想される。 - 適切に管理されれば、AIの自動化は健全な経済成長を支援し、発展途上経済の人口が高齢化する中で、経済的な生産量を減らすことなく退職できる労働者が増える。 - 労働者は働く時間が減る可能性があり、仮に次の10年で30％の生産性向上があれば、働く時間が5〜10％減少するかもしれない。 - 将来の仕事は、AIと共に働くことがますます増え、概念的推論、感情知能、創造性など、人間の相対的な強みに焦点を当てることになる。 #### 金融市場への影響 - 生産性の向上は企業の収益と株式収益を押し上げるだろう。 - AIへの熱狂はすでに今年のビッグテックのアウトパフォーマンスを後押ししており、AIの熱狂は市場をさらに押し上げる可能性がある。 - 固定収益において、AIは収益をわずかに押し上げる可能性がある。収益は名目GDPに追随する傾向があり、AIはインフレーションを抑制するよりも実質成長を増加させると考えている。 - 非常に不確実な未来は謙虚さと慎重さを要求する。しかし、そのような不確実な環境では、私たちは、優勝企業を特定し、資産クラス全体のトレンドを予測することに優れたアクティブマネジメントが優れていると信じている。

Generative AI appears poised to become the transformative technology of the 21st century, driving significant productivity gains. Rolling 10- ...

... AI can do across the whole economy, the impact can really be massive. ... And then if that is the case ... J.P. Morgan Funds and J.P. Morgan ETFs ...

#### JPMorgan ChaseがAIを活用した株価予測特許を取得 JPMorgan ChaseはAIを使用して過剰に攻撃的な投資家を予測したいと考えています。  #### JPMorgan ChaseのAI活用の特許 - JPMorgan Chaseは金融市場での「合併と買収の脆弱性」を評価するためのシステムの特許を取得しようとしています。 - このシステムは、市場を常に監視し、特定の市場状況や逆境が、企業の買収を試みる「敵対的な当事者が市場環境を利用する可能性が高くなる」状況を予測することを目的としています。 - JPMorganのシステムは、企業に関連する株価データ、財務開示、法的文書、株主申告などの公開データを監視し、各企業のためにデータを集約、クリーンアップ、処理しています。 - この金融データは機械学習モデルに供給され、異なる企業に対して「脆弱性評価」を実行し、特定業界の平均企業の価値と変動性に基づいて「セクターベンチマーク」と比較します。 - さらに、機械学習評価には「機会主義的行動モデリング」も含まれており、最近の投資家の履歴に基づいて「取引に対する潜在的に攻撃的な投資家の意欲」を特定します。 - その後、システムは企業に不利な出来事（敵対的な買収など）が起こる可能性を予測し、企業の脆弱性に基づいてリスクスコアを算出します。この予測は、このシステムによって行われた過去の予測に基づいて検証されます。 - これらの調査結果は、最終的に公開される予定です。 #### JPMorganのAI活用 - JPMorganは他の金融機関と比較して、AIの実装に全力を注いでいます。 - AIを活用した特許の歴史には、個人の財務計画、ノーコード機械学習、自動デューデリジェンスなどが含まれます。 - AI研究は特許の世界を超えており、AIを活用したキャッシュフロー管理ツールの導入や、AIを実践で使用する300以上のユースケースが報告されています。 - JPMorganはAIの研究と実装において、AI準備度で金融機関をランク付けするEvident AIによると、200人以上の研究者を擁しており、金融AI研究をリードしています。 #### AIの金融業界への影響 - AIは大量のクリーンな数値データを扱うタスクに特に適しており、これは銀行やウォール街が多く生み出すデータです。 - しかし、増加した生産性の利点には、幻覚、偏見、プライバシーといった問題が伴います。 - 米国の規制当局や公的機関はAIの潜在的な金融リスクについて警告を発しており、AIのリスクに対する懸念よりも取り残されるコストを恐れるウォール街の主要プレーヤーが増えています。

#### JPMorgan Chaseの特許がウォール街の成長するAIへの関心を浮き彫りに JPMorgan Chaseは、人工知能を使用した「個人の財務計画」に関するシステムの特許申請を行いました。このシステムは、支出習慣や目標に関する情報を収集し、ユーザーが達成できる財務計画を作成します。具体的な行動を提案し、その実行可能性を計算するAIアルゴリズムを使用しています。 JPMorganは、投資家と企業をマッチングするツールや、データサイエンスのサービス、ノーコードの機械学習システム、デューデリジェンスを行うAIツールなど、さまざまなAI関連の特許を取得しています。さらに、現金フロー管理AIツールを導入し、AIを経営の一部にする取り組みを行っています。 AIは金融プロセスの主要な機能である数値の分析や予測を行うのに非常に優れていますが、AIがウォール街全体に浸透するにつれてリスクが高まります。AIは、その範囲外の質問に対して幻覚を起こしたり、誤りを犯したりする可能性があり、誤ったトレーニングや監視がない場合にはバイアスを持つことがあります。 AIの影響について研究している連邦準備制度理事会のパウエル議長は、AIの雇用、富の分配、生産性への影響について調査しており、適切に規制される必要があると述べています。金融安定監視委員会は、AIを「新興の脆弱性」と位置付け、サイバーセキュリティの問題、プライバシーの懸念、コンプライアンス、精度の問題を挙げています。 これらの問題は、時間、データ、特定のトレーニングによって解決できる可能性がありますが、これらのシステムには人間のトレーニングの側面も関連しています。AIを効果的に使用し、これらのモデルとプロセスを適切に設計するためには、人々が学び、トレーニングを受ける必要があります。産業全体がAIをプロセスに実装しようと急いでいる中、技術を最大限に活用しないリスクは非常に高いとされています。