披露摘要 · 含试点与计划口径
2024 年夏面向符合条件员工发布。 8 个月内从 0 增长到 200,000 名接入用户。 获 American Banker 2025 “Innovation of the Year”大奖。
01
真实案例
- 机构:JPMorganChase
- 项目:LLM Suite
- 时间:2024-2025 年
- 类别:员工生产力 / 安全大模型平台 / 未来智能体
- 来源:https://www.jpmorganchase.com/about/technology/blog/llmsuite-ab-award ↗
02
业务背景
员工会自然想使用大语言模型提升效率。如果银行不提供安全可控的平台,容易出现影子 AI、数据外泄、不可审计和使用混乱。
03
AI 方案
JPMorganChase 发布自有生成式 AI 平台 LLM Suite,为员工在安全环境中使用大语言模型提供入口,用于想法生成、内容起草等工作。后续方向包括连接更多内部数据源,并结合工作流形成能完成一系列动作的智能体。
04
已披露效果
- 2024 年夏面向符合条件员工发布。
- 8 个月内从 0 增长到 200,000 名接入用户。
- 获 American Banker 2025 “Innovation of the Year”大奖。
05
可迁移到银行的设计
- 先搭建企业级安全入口,而不是让员工各自使用外部工具。
- 按岗位和数据权限控制可访问内容。
- 提供标准提示词、禁止事项和审计记录。
- 后续再接入内部知识库和流程系统。
06
风险治理要点
- 员工输入不得包含客户敏感信息,除非平台具备相应合规保障。
- 所有使用日志应可审计。
- 明确哪些输出可以用于客户材料,哪些只能用于内部草稿。
07
本项目可做的小实验
设计一份“银行员工使用大模型的十条红线”,用于本仓库风险治理模块。
↗
01 公开披露来源https://www.jpmorganchase.com/about/technology/blog/llmsuite-ab-awardUC-015 · 查看仓库原文04-banking-use-cases/2026-latest-bank-ai-use-case-library.md原始来源与整理依据
文字分析来自内容源;业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径,未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。