Marca: Esa es una gran pregunta. Y primero, diría que en JPMorgan Chase vemos esto como una inversión. Y cada vez que hablo con un alto directivo sobre el trabajo que hacemos, nunca hablo de gastos. Siempre es inversión. Y lo creo firmemente. Al final del día, lo que intentamos hacer es construir una fábrica analítica que pueda ofrecer IA/ML a escala. Y ese tipo de fábrica requiere una estrategia realmente sólida, plataformas y computación eficientes, gobernanza y controles sólidos y un talento increíble. Y para una organización de cualquier escala, se trata de una inversión a largo plazo y no es apta para personas débiles de corazón. Realmente hay que tener convicción para hacer esto y hacerlo bien. Implementar esto a escala puede ser realmente un desafío. Y es importante garantizar que, cuando pensamos en IA/ML, se haga con controles y gobernanza establecidos.
Somos un banco. Tenemos la responsabilidad de proteger a nuestros clientes y clientes. Tenemos muchos datos financieros y tenemos la obligación con los países a los que servimos en términos de garantizar que la salud financiera de esta empresa se mantenga. Y en JPMorgan Chase, siempre pensamos en eso, ante todo, en en qué invertimos realmente y en qué no, el tipo de cosas que queremos hacer y las que no haremos. Pero al final del día, tenemos que asegurarnos de que entendemos lo que está sucediendo con estas tecnologías y herramientas y la explicabilidad para nuestros reguladores y para nosotros mismos es realmente alta. Y ese es realmente el listón para nosotros. ¿Entendemos realmente qué hay detrás de la lógica, qué hay detrás de la toma de decisiones y nos sentimos cómodos con eso? Y si no tenemos ese consuelo, entonces no avanzamos.
Nunca lanzamos una solución hasta que sabemos que es sólida, buena y entendemos lo que está sucediendo. En términos de relaciones gubernamentales, nos centramos mucho en esto y tenemos una gran presencia en todo el mundo. Y en JPMorgan Chase, estamos realmente centrados en colaborar con los responsables de la formulación de políticas para comprender sus preocupaciones y compartir las nuestras. Y creo que en gran medida estamos unidos en el hecho de que creemos que esta tecnología puede aprovecharse para siempre. Queremos que funcione para bien. Queremos asegurarnos de que permanezca en manos de buenos actores y que no se utilice para dañar a nuestros clientes ni a nuestros clientes ni a ninguna otra cosa. Y es un lugar donde creo que las empresas y los formuladores de políticas deben unirse y realmente tener una voz sólida en términos del camino a seguir porque creo que estamos muy, muy alineados.
Laurel: Mencionó esto un poco, pero las empresas dependen de los datos para hacer muchas cosas, como mejorar la toma de decisiones y optimizar las operaciones, además de impulsar el crecimiento empresarial. Pero, ¿qué significa poner en práctica los datos y qué oportunidades podrían encontrar las empresas a través de este proceso?
Marca: Mencioné anteriormente que una de las partes más difíciles del trabajo de CDAO es comprender y tratar de determinar cuáles deberían ser las prioridades, qué tipos de actividades perseguir, qué tipos de problemas de datos, grandes o pequeños o no. Yo diría que, igualmente difícil, es tratar de ponerlo en práctica. Y creo que una de las cosas más importantes que se han pasado por alto durante tanto tiempo es que los datos en sí siempre han sido críticos. Está en nuestros modelos. Todos lo sabemos. Todo el mundo habla de datos cada minuto de cada día. Sin embargo, creo que a menudo se ha pensado que los datos son escapes de algún producto, de algún proceso, de alguna aplicación, de una función, de una aplicación, y no se ha dedicado suficiente tiempo a garantizar que esos datos se consideren un activo. , que esos datos sean de alta calidad, que los humanos y las máquinas los entiendan completamente.
Y creo que ahora está quedando aún más claro que a medida que uno se adentra en un mundo de IA generativa, donde hay máquinas que intentan hacer cada vez más, es realmente fundamental que comprenda los datos. Y si nuestros humanos tienen dificultades para acceder a nuestro conjunto de datos, ¿qué crees que hará una máquina? Y tenemos un gran enfoque en nuestra estrategia de datos y en garantizar que la estrategia de datos signifique que los humanos y las máquinas puedan comprender nuestros datos por igual. Y debido a eso, poner en práctica nuestros datos se ha convertido en un gran foco, no sólo para JPMorgan Chase, sino ciertamente en el propio negocio de Chase.
Hemos emprendido este viaje de varios años para mejorar realmente la salud de nuestros datos, asegurarnos de que nuestros usuarios tengan los tipos correctos de herramientas y tecnologías, y hacerlo de una manera segura y altamente gobernada. Y mucha atención a la modernización de los datos, lo que significa transformar la forma en que publicamos y consumimos datos. Las ontologías detrás de esto son realmente importantes. Migración a la nube, asegurándonos de que nuestros usuarios estén en la nube pública, que tengan la computación adecuada con los tipos correctos de herramientas y capacidades. Y luego la transmisión en tiempo real, permitir la transmisión y la toma de decisiones en tiempo real es un factor realmente crítico para nosotros y requiere que el ecosistema de datos cambie de manera significativa. Y hacer esa inversión en los datos nos permite desbloquear el poder del streaming y el tiempo real.
Laurel: Y hablando de modernización de datos, muchas organizaciones han recurrido a arquitecturas, herramientas y procesos basados en la nube en ese viaje de modernización de datos y transformación digital. ¿Cómo ha sido el camino de JPMorgan Chase hacia la migración a la nube para datos y análisis, y qué mejores prácticas recomendaría a las grandes empresas que están atravesando transformaciones en la nube?