Label: Dat is een geweldige vraag. En in de eerste plaats zou ik zeggen dat we dit binnen JPMorgan Chase als een investering beschouwen. En elke keer als ik met een senior leider praat over het werk dat we doen, praat ik nooit over de kosten. Het is altijd een investering. En dat geloof ik stellig. Wat we uiteindelijk proberen te doen is een analysefabriek bouwen die AI/ML op schaal kan leveren. En dat type fabriek vereist een echt goede strategie, efficiënte platforms en computers, solide management en controle, en ongelooflijk talent. En voor een organisatie van elke omvang is dit een langetermijninvestering, en niet voor bangeriken. Je moet echt de overtuiging hebben om dit te doen en het goed te doen. Dit op grote schaal implementeren kan een hele uitdaging zijn. En het is belangrijk om ervoor te zorgen dat als we over AI/ML nadenken, dit gebeurt met controle en bestuur.
Wij zijn een bank. Wij hebben de verantwoordelijkheid om onze klanten en opdrachtgevers te beschermen. We beschikken over veel financiële gegevens en we hebben een verplichting jegens de landen die we bedienen om ervoor te zorgen dat de financiële gezondheid van dit bedrijf behouden blijft. En bij JPMorgan Chase denken we daar altijd eerst en vooral aan, en waar we eigenlijk in investeren en waarin we niet investeren, het soort dingen dat we willen doen en het soort dingen dat we niet doen. gaan doen. Maar uiteindelijk moeten we ervoor zorgen dat we begrijpen wat er aan de hand is met deze technologieën en hulpmiddelen en dat de uitlegbaarheid aan onze toezichthouders en aan onszelf heel erg hoog is. En dat is voor ons echt de lat. Begrijpen we echt wat er achter de logica zit, wat er achter de besluitvorming zit en voelen we ons daar op ons gemak bij? En als we dat comfort niet hebben, komen we niet verder.
We brengen nooit een oplossing uit totdat we weten dat deze goed en goed is en we begrijpen wat er aan de hand is. Op het gebied van de overheidsrelaties zijn we daar erg op gefocust en hebben we een grote voetafdruk over de hele wereld. En bij JPMorgan Chase zijn we erg gefocust op het samenwerken met beleidsmakers om hun zorgen te begrijpen en onze zorgen te delen. En ik denk dat we het grotendeels eens zijn in het feit dat we denken dat deze technologie ten goede kan worden gebruikt. We willen dat het voor altijd werkt. We willen ervoor zorgen dat het in handen blijft van goede acteurs en niet went ten koste van onze klanten of onze klanten of wat dan ook. En dat is waar ik denk dat het bedrijfsleven en de beleidsmakers samen moeten komen en echt één solide stem moeten hebben op de weg vooruit, omdat ik denk dat we heel erg op één lijn zitten.
laurier: U heeft dit al even aangestipt, maar bedrijven vertrouwen op data om zoveel dingen te doen, zoals het verbeteren van de besluitvorming en het optimaliseren van de bedrijfsvoering, en het stimuleren van de bedrijfsgroei. Maar wat betekent data-operationalisatie en welke kansen kunnen bedrijven via dit proces vinden?
Label: Ik heb eerder gezegd dat een van de moeilijkste onderdelen van het CDAO-werk eigenlijk het begrijpen en proberen te bepalen is van wat de prioriteiten moeten zijn, wat voor soort activiteiten je moet ondernemen, wat voor soort dataproblemen, groot of klein of anderszins. Ik zou zeggen dat het net zo moeilijk is om dit te operationaliseren. En ik denk dat een van de grootste dingen die zo lang over het hoofd is gezien de gegevens zelf zijn, die zijn altijd van cruciaal belang geweest. Het zit in onze modellen. We weten er allemaal van. Iedereen heeft het elke minuut van de dag over data. Ik denk echter dat data vaak worden gezien als een uitlaatklep van een product, van een proces, van een applicatie, van een functie, van een applicatie, en dat er niet genoeg tijd is besteed aan het daadwerkelijk garanderen dat data als een asset wordt beschouwd. , dat deze gegevens van hoge kwaliteit zijn, dat mensen en machines ze volledig begrijpen.
En ik denk dat het nu nog duidelijker wordt dat als je de wereld van generatieve AI betreedt, waar machines steeds meer proberen te doen, het echt van cruciaal belang is dat het data begrijpt. En als onze mensen moeite hebben om door ons databezit heen te komen, wat denk je dan dat een machine zal doen? En we hebben een grote focus op onze datastrategie en zorgen ervoor dat de datastrategie ervoor zorgt dat zowel mensen als machines onze data kunnen begrijpen. En dat is de reden waarom de operationalisering van onze data een grote focus is geworden, niet alleen voor JPMorgan Chase, maar zeker voor de Chase-activiteiten zelf.
We zijn al meerdere jaren bezig met het daadwerkelijk verbeteren van de gezondheid van onze gegevens, zorgen ervoor dat onze gebruikers over de juiste soorten tools en technologieën beschikken en doen dit op een veilige en strak beheerde manier. En een grote focus op datamodernisering, wat betekent dat de manier waarop we data publiceren en consumeren, moet worden getransformeerd. De ontologieën erachter zijn erg belangrijk. Migreren naar de cloud, ervoor zorgen dat onze gebruikers zich in de publieke cloud bevinden en over de juiste computer beschikken met de juiste soorten tools en mogelijkheden. En dan is realtime streaming, het mogelijk maken van streaming en realtime besluitvorming, een heel cruciale factor voor ons en vereist dat het data-ecosysteem aanzienlijk verandert. En door te investeren in data kunnen we de kracht van realtime en streaming benutten.
laurier: Over datamodernisering gesproken: veel organisaties hebben zich tijdens hun datamodernisering en digitale transformatie tot cloudgebaseerde architecturen, tools en processen gewend. Hoe is het traject van JPMorgan Chase naar de cloud voor data en analytics geweest, en welke best practices zou je aanbevelen voor grote ondernemingen die een cloudtransformatie ondergaan?