不是口号，是数字。
一年 20 亿美元，真金白银落在岗位、流程、工具上。 不是转型构想，是已经落地的业务系统。
2025 年 10 月 8 日，Jamie Dimon 接受彭博社专访，全面公开摩根大通的 AI 战略：
我们不是做试点，而是要成为一家全 AI 的企业。
这是 CEO 级别的全面动员。
2025 年，摩根大通全年技术投入达 180 亿美元，AI 是其中的核心预算，而非试验项目。Dimon 为转型定调：我们用 AI 改变的是人的分工、工作的节奏、决策的路径。
这种改变必然带来岗位减少，尤其是重复性任务。但真正的问题不在裁员，而在能否让再培训速度跟上变革节奏。
当一家全球最大的金融机构，把 AI 变成组织运行的基础设施，这不只是它自己的事，也是所有大企业、To B 公司、传统机构的即将面对的现实。
接下来，我们基于 Dimon 的完整对话，还原这场“全 AI 银行”的底层架构与落地逻辑。
第一节｜AI 将改变每一个岗位、每一道流程、每一个人
Jamie Dimon 谈 AI 从不含糊。
“我从不认为 AI 是一个‘未来话题’，”
他在这场对话里说：我们十多年前就开始用它了。不同的是，现在它不再是个工具，而是整个公司的运转方式。
这家拥有 30 万员工、业务覆盖全球 100 个国家的银行巨头，并不是从一次技术发布会才拥抱 AI。早在 2012 年，摩根大通就在反欺诈和交易监控中引入机器学习。几年后，又将 AI 延伸到客户服务、合同审查、代码开发等日常运营。
而如今，事情的规模和意义完全不同了。
“我们内部几乎每个部门都在用 AI，” Dimon 说，“从风控到交易，从客服到开发，没有一个岗位不受影响。”
这些已经融入日常工作的现实。正因为如此，Dimon 一再强调：
AI 不只是省力工具，它正在改变岗位的本质。
这场变革包含三个层面：
- 减少：初级岗位和重复性工作被 AI 接手
- 增加：提示词设计师、模型评估员、AI 项目协调人等新职位出现
- 重构：不是简单裁员，而是岗位结构的整体重写
而摩根大通的这一步，正在向所有企业证明：AI 不再是实验室概念，而是已经进入全球最复杂的金融机构，重塑着日常工作的每一个环节。
第二节｜20 亿换来的回报，不只是节省成本
Jamie Dimon 并没有回避钱的问题。
主持人问他：“你们每年在 AI 上投入几十亿美元，到底带来了什么？” 他答得干脆：
我们每年在 AI 上专项投入 20 亿美元，节省了大约 20 亿美元。
这笔钱具体省在哪？他说得很具体：
- 客户服务：每个运营人员服务的账户数量增加了 25%，而每个账户的服务电话减少了近 30%。不需要增加人手，服务容量就大幅提升。
- 内部合规：AI 自动审查合同、标记风险条款，节省了大量法律助理的时间。
- 投行业务：市场研究、行业对比等基础分析工作，AI 能快速生成初稿，分析师被释放去做更深度的判断和客户沟通。
Dimon 表示：我们用 AI 把重复性的、消耗时间的事情接管掉，让人腾出手去做更有价值的部分。
有些回报很难用数字衡量，比如服务质量的提升、员工体验的改善、客户满意度的提高。
这些算不出净现值，但效果显而易见。
更关键的是，这才刚刚开始。正如 Dimon 所说，明年会节省更多，因为管理者会不断问：我这块是不是也能让 AI 来做？
比如他自己现在用的一个工具，可以直接在手机上对比合同条款、生成会议纪要、归纳研究报告：
“我现在连邮件都不自己扫了。AI 不是省一个人，是把一小时的事压缩成一分钟。”
这些压缩下来的时间，就是企业运营的隐性红利。
他特别点出一个趋势：工作节奏正在全面加速。
以前一个项目要 3 周评估、1 周准备、1 周汇报，现在只需要几天。不是流程快了，是企业的节奏变了。
对摩根大通来说，AI 投入的意义不只是省钱，而是节奏领先。
这么大的投入，会不会是泡沫？
Dimon 很坦率：市场确实有大量资金涌入，可能存在泡沫和浪费。
历史上的崩盘，没人能预测。
但他更相信长期价值：“AI 是真实的，就像汽车、电视、互联网。互联网泡沫损失了上万亿，但诞生了谷歌、YouTube。虽然大多数参与者失败了，但最终对人类有巨大益处。”
所以他们的策略是：不赌泡沫，赌长期价值。每年 20 亿，换的是未来十年的竞争力。
第三节｜不是在用 AI，而是把 AI 当成公司底座
为什么摩根大通能把 AI 用到这个程度？
答案不在于买了多好的模型，而在于他们做了一个更根本性的决定：
把 AI 从工具箱拿出来，变成整个公司的操作系统。
首先是组织架构的调整。摩根大通专门成立了负责 AI 与数据的高级团队，由高管直接向 CEO Jamie Dimon 和总裁汇报，不再隶属于 IT 部门，而是进入所有高层会议的核心议题。
在这家公司，AI 不再是辅助功能，而是整个公司的核心战略。
✅ 自研平台：LLM Suite，每 8 周迭代一次
过去大企业想用 AI，往往是直接调用 OpenAI 或 Anthropic 的接口。但摩根大通搭了一套自己的 AI 平台 LLM Suite，把外部模型、内部数据和各业务系统统一整合起来。
这个平台的特点是：能同时对接外部模型、内部数据和各业务系统，统一调度、嵌入流程。
不是训练一个通用模型，而是构建一个能接入关键数据、给出实用结果的平台。
每 8 周更新一次。这是实战迭代，不是作秀。
✅ Agent 应用：AI 接手完整任务
在 LLM Suite 平台上，摩根大通正在大规模部署 AI Agent。
就是会自动干活的 AI 流程工人，能分多步完成复杂事务：抓数据、做判断、生成文件，最后输出标准化结果。
具体能做到什么程度？
摩根大通首席分析官 Derek Waldron 展示了一个案例：
“输入指令：假设你是负责科技行业的投行家，准备会见英伟达 CEO 和 CFO，请生成一份五页演示文稿，包含公司动态、财报数据与行业对比。
30 秒内，系统自动生成专业级文件，逻辑清晰、格式规范。”
Waldron 的评价是：
过去这类任务，需要团队整晚完成。现在，是 Agent 自动干完。
目前，类似的 Agent 正在投行、合规等多个部门投入使用。目标是为每位员工配备专属 AI 助手，让每项流程由智能体驱动。
✅ 数据难题：模型不是最大问题，数据才是
Dimon 在对话中直言：
“最难的，不是 AI，不是模型，而是让数据真正能被调动起来。”
为什么？
因为摩根大通是一个跨越几十年历史、运营上百国家、合并过无数机构的庞大企业。它的系统中埋藏着各种类型的旧数据：
- 信用卡信息、交易记录、法律文书；
- 呼叫中心语音、分行纸质档案；
- 不同格式、不同时期、不同行政体系的数据……
- 他们花了超过十年，一点点把数据从旧系统里挖出来，清洗、标准化、接入 LLM Suite。
更棘手的是安全与合规。
当 AI 成为底层基础设施，安全问题就被放大了。摩根大通每天连接着 600 个交易所、央行和电汇平台。如果其中任何一个不安全，或者AI系统本身被攻破，都会威胁整个金融生态。
因此，他们为网络安全每年投入近 10 亿美元，并与 CIA、NSA、FBI 等机构合作，为平台筑起层层防火墙。
为什么要在数据和安全上投入这么大？
因为在摩根大通，AI 已经成为基础能力，就像水、电、网络一样。正如 Dimon 说的： “你不需要每天想水从哪来。但哪天断水了，公司就停摆。AI，就是新的水。”
他们不是在研究 AI 能干嘛，而是在重建一个 AI 驱动的银行操作系统。
把 AI 当成操作系统，连接所有人、所有任务、所有判断、所有决策。
结语｜不是摩根大通变了，而是银行的定义变了
过去的银行，是有网点、有风控、靠人力串起来的大机器。但在摩根大通，它正在变成一个 AI 主导的操作系统。合同自己处理，报告自己生成，每 8 周迭代一次。
岗位变成了“调用什么 AI”，管理者变成了“设计 AI 介入点”，过程从"周报-审批-等待"变成"秒级输入-分钟级输出"。
Dimon 一句话点透：
我们应用AI的目标，不在于追求更快，而在于重构整个公司的运行模式。
这就是“全 AI 银行”的真正含义。
它在告诉所有大企业、所有金融机构、所有服务型组织: 如果你的工作还未感受到 AI 的冲击，那可能说明你还没真正接上 AI。
AI 不是让你多一个工具用,而是逼着你换一种方式工作、组织、思考。
这种认知转变的能力，才是真正的门槛。
📮参考资料：
https://www.youtube.com/watch?v=aBmVza9qIL4&t=477s
https://www.youtube.com/watch?v=0hT-FJ7Ay4Y&t=11s
https://www.cnbc.com/2025/09/30/jpmorgan-chase-fully-ai-connected-megabank.html
https://privatebank.jpmorgan.com/latam/en/insights/markets-and-investing/a-new-wave-of-ai-led-disruption
https://www.linkedin.com/news/story/jpmorgan-has-plan-to-go-fully-ai-6635868/
https://panfinance.net/jpmorgan-chase-accelerates-ai-integration-across-operations/
来源：官方媒体/网络新闻
本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。
