AI で変革に成功する企業と、つまずく企業の差は複雑なものではない。資金があるか、優れた展開戦略があるか、そして文化的なチェンジマネジメントがあるか——その差だ。
うまくやる企業には、見分けのつくパターンがある。社内から始め、慎重に進め、AI 採用を「人の問題」として扱う。本稿では、企業 AI 変革を大規模に行った最も研究された事例のひとつ——JP モルガン・チェース——を通じて、このパターンを読み解く。
JP モルガン・チェースは誰もが知っている
資産規模で米国最大の銀行であり、全世界で 30 万人以上を雇用している。私の大学時代の友人の大半は、そこで働けると思うと涎を垂らす。
投資のコミットメント
2025 年に 180 億ドルの投資。CEO のジェイミー・ダイモンは、AI が一部の職を「消滅させる」一方で他を増強する、と率直かつ正直に認めた。正直なところ、立派だ。JP モルガンにとって、AI は新たな運営の前提となった。
社内優先の LLM 展開
その礎は、完全に自社開発し 2024 年夏に公開した独自の生成 AI プラットフォームだった。同社は採用を義務付けるのではなく、従業員に任意で使わせた。内部関係者によれば、それが「健全な競争」を生み、各チームが価値あるユースケースを見つけようと前のめりになった。
ユーザー数は 6 万から 14 万へ、8 か月で 20 万に達した。これは従業員の 3 分の 2 にあたる。ここから次のことが見て取れる。
- 任意採用は義務的採用より効果が高い
- 複数の LLM プロバイダーを使った——ベンダーロックインなし
- 自社のインフラ内に展開された
規模に伴うガバナンス
リスクとコンプライアンスの考慮を整理するための裏側の作業も認めねばならない。データセキュリティが最大の制約であり、セキュリティ態勢が確立されて初めて、同社は AI イニシアチブを立ち上げた。
デュアルトラック戦略
AI は、経営層と業務部門の双方を巻き込むことが肝心だ。JP モルガンはデュアルトラック戦略をとった。
- トップダウン。 経営層の関心と関与を 4 つの領域——与信、不正、マーケティング、オペレーション——に集中させた。
- ボトムアップ。 個々人に、自分のワークフロー内でのイノベーションの余地を与えた。
変革は集中しすぎでも、断片化しすぎでもなかった。容易なことではない。
成果は？
- 市場のボラティリティ期に、顧客向けアドバイザリーの応答時間が 95% 改善
- 資産・ウェルスマネジメントの総売上が 20% 増加
- 2025 年第 1 四半期の純利益は 146 億ドル、前年同期比 9% 増
- フロント・ミドル・バックオフィスにわたり 450 以上の AI ユースケースが稼働中
プレイブックの原則
原則 1：社内から始める
顧客向けのものを取り入れる前に、まず従業員に AI を展開する。社内での採用は社内の推進者を生む——あなたの最も信頼に足る代弁者だ。
原則 2：採用は任意に、そして口コミ的に
AI 採用を強制すれば、人は「上司に言われたから」という理由でしか従わない。任意モデルは、より速く、より深い採用をもたらす。企業は構造化された現地ワークショップを活用し、従業員に実際のワークフローを構築させることができる。
原則 3：チェンジマネジメントに投資し、忘れない
JP モルガンは 3 万回を超える AI 教育セッションを実施し、人への投資は技術への投資に見合っていた。それこそが AI 投資を定着させた要因だ。
原則 4：ガバナンスは規模に先立つ
ガバナンスのフレームワークを先に構築する組織は、セキュリティインシデントに後手で対応するだけの組織に勝る。後追いはするな。
原則 5：重要なものを測定する
JP モルガンは、AI ツールの効果を測るために試験群と対照群を設けた。ベースラインと定義された成功指標がなければ、何を改善すべきかのシグナルは得られない。
原則 6（最重要）：ワークフローを再設計する
AI とエージェントによるワークフローの再設計は、桁違いの生産性変化をもたらす。表層的でチャットベースの AI 採用が生むのは、わずかな改善にすぎない。
診断ファーストという至上命題：実は予算の問題ではない
私たちが検討してきたあらゆる事例、そして私たち自身の顧客においても、ワークフローの診断こそが差別化要因となる。
展開する前に地図を描く
AI がどこで真のレバレッジを生むかを見つける——「どんなツールが使えるか？」からではない。正しい問いはこうだ。「人と AI の協働を軸に再設計したとき、一人あたりの産出を最も大きく変えるワークフローはどれか？」
非対称なユースケースを見つける
私たちが関わったあらゆる組織がこの問題を抱えていた。ごく少数のワークフローが、時間と業務負荷コストの不均衡なほど大きな割合を占めることになる。そうしたワークフローこそ、AI 展開が生産性向上を超えた非対称なリターンを生む場所だ。
コスト最適化はアーキテクチャの問題
コスト規律は近頃の課題であり、私たち自身のプロジェクトでもそうだ。各組織はトークンに費やしすぎ、AI の利用が連携コストを押し上げる。単純で反復的なタスクは安価なモデルへルーティングし、高価な計算資源は複雑な推論のために温存する仕組みが必要だ。正しい技術アーキテクチャが重要なのだ。
信頼とスピードが、持続可能なスケーラビリティを生む。両者は展開の過程で釣り合わせなければならない。AI を最も速くスケールさせる組織は、最も速く動く組織ではない。従業員が本当に AI 変革を信じている組織だ。
私たちの出番
AI 変革が気の遠くなる話であることは理解している。だが、こここそ私たちが力になれると確信している領域だ——人間中心、診断ファースト。私たちは診断を行い、技術アーキテクチャを設計し、初日からコスト効率を見据えて AI 採用の道筋を描く。ガバナンスとチェンジマネジメントは、医療・金融・小売・政府のお客様とともに私たちが慣れ親しんできた仕事だ。AI への投資は、見出しの数字ではなく、リターンに見合ったものであり続ける。
出典
- JP モルガン・チェースの AI 戦略（AI News, 2025）：artificialintelligence-news.com
- LLM Suite が AI 変革を牽引（The Digital Banker）：thedigitalbanker.com
- 450 のユースケースと学び（Tearsheet）：tearsheet.co
- AI ファーストの銀行文化を築く（McKinsey）：mckinsey.com
