I deployment AI enterprise spesso seguono lo stesso playbook: identificare un caso d’uso, eseguire un pilot, espandere con training obbligatorio, tracciare l’adozione tramite metriche di compliance. JPMorgan Chase ha fatto diversamente.
Per chi vuole approfondire, Grace Certified offre linee guida pratiche per l'uso interno dell'AI.
Nell’estate 2024, la banca ha rilasciato LLM Suite — una piattaforma AI generativa proprietaria basata su large language model — ai dipendenti idonei di tutta la firma con un modello opt-in. Adozione volontaria. Training facoltativo. I dipendenti che volevano accedere potevano farlo; quelli che preferivano aspettare non erano sotto alcuna pressione.
L’idea originale: trattare l’adozione volontaria come segnale di qualità
L’approccio opt-in era una decisione di design con una logica specifica. I rollout obbligatori producono numeri di utilizzo; l’adozione volontaria produce engagement. Quando i dipendenti scelgono di usare uno strumento, tendono a integrarlo nei propri workflow reali, a scoprirne i limiti e a generare feedback che guida il miglioramento.
LLM Suite era progettato per task già presenti nei workflow dei dipendenti: redigere presentazioni per clienti, analizzare trascrizioni di earnings call aziendali, confrontare documenti finanziari, sintetizzare insight su dati nelle aree legal, sales e client services. Lo strumento non introduceva nuovi workflow — trasformava come quelli esistenti venivano eseguiti.
I risultati — dal comunicato ufficiale American Banker
American Banker ha nominato LLM Suite di JPMorganChase vincitore del Grand Prize Innovation of the Year 2025 — la prima piattaforma AI generativa deployata su scala in una grande banca statunitense in produzione. L’annuncio è stato fatto il 3 giugno 2025 [PR Newswire, 3 giugno 2025].
- 200.000+ dipendenti JPMorgan Chase che usano attivamente LLM Suite — raggiunti in 8 mesi con modello opt-in [PR Newswire, giugno 2025]
- American Banker Innovation of the Year Grand Prize 2025 — prima piattaforma GenAI su scala in una grande banca USA
- Casi d’uso attivi: analisi contratti, presentazioni clienti, sintesi trascrizioni earnings, confronto documenti, automazione reporting
- Piattaforma creata dal Chief Analytics Officer Derek Waldron e team
- Modello pay-as-you-use per gestire i costi su scala [JPMorgan Chase Technology Blog]
Cosa significano 200.000 utenti volontari in 8 mesi
Per contestualizzare il dato di adozione: JPMorgan Chase ha circa 315.000 dipendenti a livello globale. Raggiungere 200.000 utenti attivi in 8 mesi con modello opt-in significa che circa il 63% della forza lavoro ha scelto di accedere alla piattaforma nel suo primo anno — senza alcuna obbligatorietà.
Il software enterprise interno tipicamente registra un’adozione volontaria del 40-60% nel primo anno con rollout opzionale. Il dato di LLM Suite ha superato significativamente quella fascia, indicando che lo strumento consegnava valore chiaro e immediato nelle attività quotidiane.
La piattaforma COiN — un’iniziativa AI precedente di JPMorgan che automatizzava la revisione di documenti legali — aveva già dimostrato la capacità della banca di generare outcome AI misurabili: il lavoro che richiedeva precedentemente 360.000 ore manuali all’anno era stato completamente automatizzato [Emerj].
Cosa puoi portare via da questa storia
La storia di LLM Suite offre un modello di deployment che vale la pena esaminare: costruire per l’adozione volontaria, misurare l’engagement anziché la compliance, e usare la crescita organica come segnale su dove investire successivamente.
L’approccio opt-in produce un dataset auto-selezionato. I dipendenti che adottano per primi sono quelli per cui lo strumento risolve un problema reale. Il loro feedback, i loro pattern di utilizzo e i loro guadagni di produttività diventano la base di evidenza per l’espansione — e il segnale di credibilità che guida l’adozione tra gli scettici.
200.000 persone hanno scelto questo. Questa è l’approvazione più chiara che uno strumento enterprise possa ricevere.
SAGA — Storie di Successo & Casi Reali · Implementazioni AI reali: l’idea originale, la decisione, il risultato verificato.