2024年7月26日，根據《金融時報》訊息，摩根大通（J.P. Morgan）已經為資產和財富管理部門的員工提供一款名為LLM Suite的生成式人工智慧平臺，員工可以在LLM Suite平臺上訪問第三方模型來幫助他們寫作、創新想法和總結文件，目前約有5萬名員工（佔總員工數的15%）使用該平臺。
事件背景
2022年12月，ChatGPT的現象級熱度向世界展示了生成式人工智慧（AIGC）的強大能力和廣闊的應用前景，各行各業加速推進對該項技術的評估和應用。對於金融行業來說，AIGC的資料分析和學習能力可以簡化多項流程、提高員工的工作效率、豐富客戶的投資體驗，但一個成熟的AIGC工具需要基於海量資料上進行預訓練和微調後，才有可能理解使用者的指令，進而執行文字生成、影像創造、語音合成等複雜的任務，在長期且深度的AIGC工具訓練過程中，金融機構會面臨著嚴重的資料洩露和模型輸出風險，同時，國際上對人工智慧的監管態度並不明朗，相關政策尚未完善。因此，儘管AIGC工具在金融行業的應用預期效果可圈可點，國際上多家金融機構仍然限制內部員工採用外部AIGC工具，著力推出自研或合作開發的AIGC工具。
為了應對同業在人工智慧工具上的激烈競爭，摩根大通在2024年5月推出IndexGPT，透過特定主題關鍵字建立投資籃子主題索引，再基於大模型進行深度分析掃描新聞等內容，識別被提及的公司，最終建立“主題投資籃子”。
2024年上半年，摩根大通開始為旗下資產和財富管理部門的員工提供生成式人工智慧平臺LLM Suite，內部將其稱為“研究分析師”，具有生成和完善書面檔案、提供創造性解決方案和總結大量文件共三項關鍵功能，可以提供有關某個主題的資訊、解決方案和建議，該工具協助約5萬名員工完成各種任務，簡化公司內部的資訊流，達到節省流程時間和提高輸出質量的效果，提高業務的生產力的決策能力。
圖1 LLM Suite的三項關鍵功能
資料來源：金融時報，華銳研究所《金融科技洞察》
同時，作為一款生成式人工智慧平臺，LLM Suite不僅提高了資產和財富管理業務的整體生產力，也促進了摩根大通資產和財富管理部門另外兩款專注於特定任務的人工智慧工具——Connect Coach和SpectrumGPT的開發和應用進度。
圖2 Spectrum平臺和Connect Coach工具
資料來源：摩根大通，華銳研究所《金融科技洞察》
摩根大通在人工智慧方向的組織架構變化
摩根大通CEO Jamie Dimon在2017年的致股東信中首次提到了AI技術在金融領域的應用，摩根大通的大部分人工智慧核心專案也是在2017年左右開展的。在2023年致股東信中，Dimon稱AI技術對人類的影響堪比印刷機、蒸汽機、電力、計算機和網際網路，再次表達了對AI技術能力的高度認可並強調了AI風險管理的重要性。
為了進一步推進人工智慧工具的應用，摩根大通於2023年6月正式成立資料與分析（D&A）部門，任命原證券服務業務的全球主管Teresa Heitsenrether為團隊掌舵手，為摩根大通的人工智慧戰略、應用和願景制定計劃，D&A部門配備了強大的領導班底和研究人員。
-
Teresa Heitsenrether：2004年加入摩根大通，原證券服務全球主管，現任首席資料和分析官，負責監督資料使用、治理和控制，保證團隊能夠有效和負責任地開發人工智慧新產品、提高生產力並加強風險管理。
-
Manuela Veloso：2018年加入摩根大通，擔任人工智慧研究主管，此次帶領近60人的人工智慧研究團隊加入D&A部門，團隊重點研究人工智慧在經濟預測、資料管理、員工賦能、監管合規等七大方面的應用。
-
Andrew Lang：2018年加入摩根大通，現任全球首席技術官，兼任D&A資訊長。
-
Gerard Francis：2021年加入摩根大通，現任摩根大通旗下資料服務平臺Fusion負責人，兼任D&A的產品平臺主管。
-
Drew Cukor：原為美國海軍陸戰隊資訊運營中心指揮官。2021年加入摩根大通，負責內部AI/ML轉型工作，基於產出的AI工具構建模型和解決方案。
-
David Robinson：2021年加入摩根大通，暫任D&A中資料保障和控制臨時負責人，在找到正式人選後，將主要負責網路安全。
目前，摩根大通擁有超過2000名人工智慧、機器學習人員以及資料科學家，正在400個AI相關應用中工作，包括欺詐檢測、市場營銷和風險控制，以及探索生成式AI技術在軟體工程、客戶服務以及提高員工生產力等方面的應用。這些內部專案最終產出的AI工具將觸達大約31萬名員工，提高他們的工作效率。
摩根大通部分AI能力建設成果
摩根大通是率先“明令禁止”內部員工使用ChatGPT的金融機構之一，強硬的態度看似是對人工智慧工具的牴觸，但實際上體現出的是其豐富的人工智慧工具使用經驗。根據《金融時報》訊息，早在2017年第一季度，摩根大通就在歐洲股票演算法業務中測試了一款名為LOXM的人工智慧工具，被彭博社稱為“華爾街銀行機器人革命的開端產品”之一。LOXM經過數十億次歷史交易的訓練，使其能夠以最高速度和最優價格執行股票交易，並在不引起市場波動的情況下出售大量股票，LOXM在測試中提高了約15%的執行效率，投資表現優於手動和彼時其他自動交易方式，為摩根大通節省了大量資金。
摩根大通全球股票電子交易主管Daniel Ciment在介紹LOXM時，稱摩根大通是第一家將人工智慧技術應用於即時交易的主要金融機構，而不是其他同業那樣僅將該技術應用於交易前、交易後的一些功能。此外，Daniel還稱LOXM一開始的應用方向是交易自動化，但正在考慮透過專項培訓和學習後交付給客戶使用，達到“在交易時充分考慮客戶的行為和風險偏好”的目的，實現更高效、更大規模的個性化服務。此外，由於部分客戶不信任人工智慧做出的重大投資決策而選擇抗拒使用這種服務，金融機構還需要考慮如何讓人工智慧輸出的結果更令人信服，確保開發出的人工智慧工具能夠為投資者提供價值。
同期，摩根大通內部還測試了一款基於人工智慧進行法律檔案分析的COIN（Contract Intelligence）平臺，並徹底改變了摩根大通處理法律檔案的方式。該平臺每年處理大約1.2萬份商業信貸協議，節省超過36萬個小時的人力勞動，並擁有幾乎接近於零的錯誤率，是手動處理幾乎無法實現的目標。
摩根大通資產和財富管理部門於2015年立項建設Spectrum投資平臺，整合下一代軟體開發工具和實踐，並將某些應用程式儲存在雲端。平臺主要面向三類人群：內部的分析師和外部資料提供商，提高市場洞察力，生成投資見解；內部的基金經理，提高構建投資組合的質量和效率；交易員，幫助他們以更高的成本效益處理更多訂單。Spectrum平臺還考慮為客戶提供虛擬助手（Co-Pilot）功能，輔助投資者做出更明智的投資決策，同時，這類虛擬助手還能幫助分析師瞭解更多投資標的，建立框架過濾出最符合投資需求的投資標的集，自動化處理更多更復雜的訂單。
2017年，Spectrum平臺更積極地採用自然語言處理和預測分析技術，在平臺上推出三項新功能：定製投資組合構建和情景分析工具包Hibiscus；用於在投資過程中撰寫和搜尋專項研究材料的Research Notes系統；固收電子訂單/執行管理系統Cortex。截至2024年3月，Spectrum平臺已經在多個模組嵌入了AI能力。
圖3 Spectrum平臺在各模組正在使用和開發的AI能力
資料來源：摩根大通，華銳研究所《金融科技洞察》
SpectrumGPT是整合到Spectrum平臺中的專有語言處理模型，能夠基於摩根大通資產管理部門積累了40年的龐大資料庫解答分析師提出的問題。2023年的公開活動中，摩根大通資產管理部門的資料科學全球主管Arezu Moghadam演示了SpectrumGPT已經實現的功能：從演示中來看，SpectrumGPT在收到問題後，先是確定需要分析的檔案——找到它們——立即轉到相關部分；隨後確定核心需求（在演示中是季度收益電話會議後總結的八個要點），並將相關研究中討論的內容進行比較，檢測其他研究對該會議結果的態度是正面的還是負面的；最後給出對應的分析結論。最終的內容包括基於所有了解的內容生成的分析，以及挖掘資訊的原始來源。此外，摩根大通資產管理部門限制了Spectrum可以訪問的文件內容，不濫用網際網路的內容對工具進行訓練，以及採用兩種尚未公開的專有訓練方法來減少“人工智慧幻覺”問題。
高盛、花旗人工智慧應用情況及分析請訂閱華銳研究所《金融科技洞察》，具體請諮詢華銳市場經理或研究所郵箱[email protected]
聲 明
本報告由華銳研究所提供，所載內容反映的是截至報告發表日的判斷，如所載內容出現變動，我們將及時補充、修訂或更新內容及觀點。本報告版權屬於華銳研究所，如需引用本文，請明確註明引自華銳研究所。