L'empleat bancari mitjà dedica el 40% de la seva setmana a tasques que no requereixen judici humà. JPMorgan Chase va decidir que això era inadmissible — i va invertir $19.800 milions només el 2026 per demostrar-ho. El resultat: més de 500 casos d'ús d'IA actius en producció, $1.500 milions en valor mesurable anual, i 230.000 empleats treballant amb eines d'IA cada dia.
La majoria d'empreses parlen de transformació amb intel·ligència artificial. JPMorgan Chase ho fa des del 2017, a una escala que la resta del sector financer encara intenta comprendre. Mentre els competidors executaven pilots i publicaven informes de recerca, JPMorgan construïa silenciosament la infraestructura d'IA més completa de la història bancària — i els resultats ja no es poden ignorar.
Quan JPMorgan va desplegar la plataforma COiN (Contract Intelligence), va aconseguir allò que cap despatx ni banc havia fet abans: va analitzar 12.000 contractes de crèdit comercial en segons, treball que anteriorment consumia 360.000 hores d'advocats i oficials de préstecs cada any. Només aquella aplicació va amortitzar el seu desenvolupament moltes vegades. Era tan sols el principi. Avui, JPMorgan gestiona més de 500 casos d'ús d'IA en producció, abastant detecció de frau, trading, serveis al client, compliment normatiu i enginyeria de programari.
El que la IA de JPMorgan fa que cap altre banc no ha igualat
L'estratègia d'IA de JPMorgan no és una cartera d'experiments interessants. És un sistema plenament operatiu en el qual la IA toca cada flux de treball crític del banc. L'arquitectura abasta quatre capes fonamentals: intel·ligència documental pròpia (COiN, DocLLM), productivitat dels empleats a escala (LLM Suite), aplicacions orientades al client (IndexGPT, AI Planner) i automatització a nivell d'infraestructura (assistents de codificació amb IA per a més de 40.000 enginyers).
La LLM Suite — la plataforma d'assistent IA intern de JPMorgan — va assolir 200.000 usuaris en els seus primers vuit mesos de desplegament i ara dona servei a més de 230.000 empleats a tot el món. A diferència dels desplegaments genèrics de ChatGPT empresarial, la LLM Suite es construeix sobre múltiples models de base de manera simultània, ofereix als empleats accés segur i de nivell bancari a la IA per a recerca, redacció, anàlisi i síntesi, i ha rebut vuit grans actualitzacions de capacitats des del seu llançament. American Banker la va nomenar Innovació de l'Any 2025 — el màxim guardó del sector bancari estatunidenc.
Per als responsables d'Operacions, els Oficials de Compliment i els Banquers d'Inversió que dediquen hores a fluxos de treball intensius en documentació, l'enfocament de JPMorgan ofereix un full de ruta concret: identificar les tasques cognitives repetitives de més volum, construir eines d'IA pròpies al voltant d'elles, i mesurar el ROI de manera implacable. La transformació d'IA del banc no va començar amb una visió grandiosa: va començar amb un problema de revisió de contractes el 2017.
Com JPMorgan va construir 500 casos d'ús d'IA a la pràctica
L'enfocament del banc s'articula en cinc fases diferenciades que qualsevol empresa pot replicar a la seva pròpia escala:
- Identificar la tasca cognitiva repetitiva de major cost — Per a JPMorgan, va ser la revisió de contractes. COiN va atacar primer el problema de les 360.000 hores anuals, generant un ROI immediat que va finançar la inversió en IA posterior.
- Construir models propis on hi ha avantatge de dades — DocLLM, el model documental amb consciència d'estructura visual de JPMorgan, comprèn la disposició dels documents financers — quelcom que els LLM de propòsit general no poden fer de manera fiable. L'avantatge de dades únic del banc (dècades de documents financers) està integrat al model.
- Desplegar per a tots els empleats de manera simultània, no per fases — La LLM Suite va incorporar 200.000 usuaris en vuit mesos. El banc va apostar per l'adopció massiva abans que per un llançament cautelós, capturant efectes de xarxa i retroalimentació a escala.
- Mesurar i publicar resultats públicament — JPMorgan quantifica el ROI de la IA en $1.500 milions anuals i informa del nombre de casos d'ús (500+) en les seves presentacions a inversors. Això crea responsabilitat interna i credibilitat externa.
- Automatitzar els desenvolupadors que construeixen les automatitzacions — Més de 40.000 enginyers utilitzen ara assistents de codificació amb IA, multiplicant els guanys de productivitat: les persones que construeixen la IA de JPMorgan estan elles mateixes assistides per IA.
La profunditat completa de cada iniciativa — des del mecanisme d'atenció desacoblada de DocLLM fins al marc d'extracció de 150 atributs de COiN — està documentada en els articles de recerca públics de JPMorgan i en les seves presentacions a inversors.
Els resultats: xifres que redefineixen el que és possible en IA empresarial
Segons la presentació a inversors de JPMorgan del 2025 (registrada a la SEC), el banc estima $1.500 milions en valor anual generat per la IA en prevenció del frau, models de trading, decisions creditícies i eficiència operativa. No és valor futur projectat — és valor reportat de sistemes que ja funcionen en producció.
Només en detecció de frau, els sistemes d'IA de JPMorgan processen 2,5 milions de transaccions diàries en més de 60 països amb un 98% de precisió, i la vigilància d'AML potenciada per IA ha reduït els falsos positius un 95%, alleugerint la càrrega dels equips de compliment i millorant simultàniament les taxes reals de detecció de frau. Per a un banc que processa bilions de dòlars anualment, una reducció del 95% en falsos positius es tradueix directament en centenars de milions de costos de compliment evitats i confiança del client recuperada.
Emmarcament competitiu: els bancs que van iniciar una inversió seriosa en IA el 2020-2022 operen ara amb economies unitàries fonamentalment diferents a les dels que van esperar. El pressupost tecnològic de $19.800 milions de JPMorgan el 2026 no és una despesa — és una barrera estructural d'entrada. El conseller delegat Jamie Dimon va afirmar públicament que "la IA transformarà la banca més ràpidament que l'era d'internet". Les institucions que van tractar la IA com una prioritat futura el 2023 ja s'enfronten a una bretxa de capacitats que s'eixampla any rere any.
Les eines d'IA darrere de la transformació
La pila tecnològica d'IA de JPMorgan funciona amb aproximadament $19.800 milions d'inversió tecnològica anual, però les eines d'IA principals que generen el ROI més alt són identificables:
| Eina | Funció a l'estratègia d'IA de JPMorgan | Disponibilitat | Impacte |
|---|---|---|---|
| COiN | Revisió de contractes i anàlisi de documents legals — 150 atributs extrets per acord | Pròpia (interna) | 360.000 hores legals/any recuperades |
| LLM Suite | Assistent d'IA empresarial per a recerca, redacció i síntesi — plataforma multimodel | Pròpia (interna) | 230.000+ empleats; Innovació de l'Any 2025 |
| DocLLM | Comprensió de documents amb consciència d'estructura visual per a documentació financera complexa | Recerca pública (article publicat) | Anàlisi pròpia de documents financers |
| IndexGPT | Recerca d'inversions temàtica amb GPT-4 i creació automatitzada de carteres | Producte de cara al client | Tasques de recerca de diverses hores en minuts |
| Detecció de frau IA | Puntuació de transaccions en temps real a 60+ països, vigilància d'AML | Pròpia (interna) | 95% menys falsos positius; 98% precisió; $1.500M estalviats |
Cap d'aquestes eines no és disponible al mercat obert — són sistemes propis de JPMorgan construïts sobre models de base d'OpenAI, Meta i d'altres. Tanmateix, els patrons arquitectònics que implementen són totalment replicables fent servir eines comercialment disponibles (n8n, Claude API, Mistral, models de documents de codi obert) per a organitzacions que operen a menor escala.
Qui necessita comprendre aquest cas d'ús
Aquesta transformació és de lectura obligada per a qualsevol persona que prengui decisions d'inversió en IA en una institució financera, una empresa de mida mitjana amb fluxos de treball intensius en documentació, o una empresa tecnològica que construeix per al sector de serveis financers. Les lliçons específiques — ROI d'automatització de contractes, estratègia d'adopció massiva d'IA per empleats, arquitectura de models de frau — es traslladen directament a asseguradores, despatxos d'advocats, firmes de comptabilitat i qualsevol organització que processi grans volums de documents estructurats i no estructurats.
Aquest cas d'ús NO és directament aplicable per a empreses que busquen eines d'automatització llestes per usar en un dia — l'enfocament de JPMorgan va requerir anys de desenvolupament de models propis i un pressupost tecnològic anual de més de $17.000 milions. Tanmateix, la lògica del ROI, el marc de priorització i l'estratègia d'adopció són escalables a qualsevol organització disposada a començar amb un cas d'ús d'alt valor i construir a partir d'aquí.
El que Sityos AI cobreix sobre banca i IA empresarial
La biblioteca de Sityos AI cobreix tant els casos d'estudi estratègics (com aquest) com les guies d'implementació pràctica que equips més petits poden desplegar realment. Contingut rellevant al nostre arxiu:
- Revisió de contractes amb IA per a despatxos petits: Com replicar l'automatització a l'estil COiN fent servir Clio Work, Spellbook i Microsoft Word — per a equips amb un pressupost de 300 €/mes en lloc de $17.000M.
- Automatització de compliment KYC: Onfido + n8n + Claude API per a automatització de verificació d'identitat — el mateix patró que JPMorgan fa servir a escala empresarial, implementat per a un equip de 50 persones en menys de 4 hores.
- Cribratge de candidats amb IA: Com aplicar el concepte central de la LLM Suite — la IA com a multiplicador de força per als treballadors del coneixement — als fluxos de treball de reclutament fent servir Airtable, Zapier i GPT-4o.
Explora més guies d'implementació d'IA a Sityos AI
Cada setmana, Sityos AI publica un nou tutorial pràctic o cas d'estudi empresarial — tot gratuït, tot basat en eines reals i dades verificades. Publicat el juny del 2026 — actualitzat per a les versions actuals dels models.
Preguntes freqüents
- Pot una empresa de mida mitjana replicar l'estratègia d'IA de JPMorgan?
- No a la mateixa escala — però l'enfocament subjacent és totalment replicable. Comença amb la teva única tasca cognitiva repetitiva de més volum (revisió de contractes, processament de factures, cribratge de candidats), construeix o desplega una eina d'IA específicament per a aquest flux de treball, mesura el ROI i fes servir aquests estalvis per finançar la propera automatització. JPMorgan va començar amb COiN el 2017. El 2026 tenien 500 casos d'ús. L'efecte de capitalització és disponible per a qualsevol organització.
- Està la LLM Suite disponible per a empreses fora de JPMorgan?
- No — la LLM Suite és una plataforma interna pròpia construïda i mantinguda per l'equip d'enginyeria d'IA de JPMorgan. Tanmateix, les mateixes capacitats es poden assemblar fent servir Microsoft Copilot per a Microsoft 365, Claude for Work o una integració personalitzada de n8n + Claude API. La clau és que JPMorgan no va simplement donar accés als empleats a ChatGPT — va construir una plataforma segura, de nivell bancari i multimodel, amb capes de prompting personalitzades i governança de dades integrada.
- Quant de temps li va costar a JPMorgan arribar a 500 casos d'ús d'IA?
- Aproximadament nou anys, comptant des del llançament de COiN el 2017. No obstant això, l'acceleració va ser no lineal: els primers 50 casos d'ús van trigar anys a establir-se; els 450 següents van arribar en tres anys gràcies a la infraestructura, les dades i el talent que la inversió inicial havia construït. Això il·lustra l'efecte de capitalització de la inversió en IA: el primer cas d'ús és el més difícil i el més lent. Cada cas d'ús posterior és més ràpid i més barat de construir.
La trajectòria de JPMorgan el 2026 — 500 casos d'ús avui, objectiu de 1.000 a finals d'any — assenyala que el banc ha superat completament la fase experimental. La IA és ara la infraestructura operativa principal de JPMorgan. Per a cada altra institució financera que encara tracta la IA com un programa pilot, la bretxa ja no és una qüestió d'estratègia. És una qüestió d'urgència.