Cómo JPMorgan está formando a 300.000 empleados para aprovechar al máximo la inteligencia artificial

El banco más grande de Estados Unidos quiere que cada miembro de su fuerza laboral de más de 300.000 personas sea un experto en cómo aprovechar la inteligencia artificial.

El banco, con su presupuesto de tecnología de 18 mil millones de dólares, ha invertido mucho en el desarrollo de la inteligencia artificial. Ahora, está centrando su atención en un amplio impulso de entrenamiento. ¿El objetivo? Para educar a su fuerza laboral global sobre cómo hacer que la IA funcione para todos y cada uno de los empleados, no un enfoque único para todos, dijo Derek Waldron, director de análisis de JPMorgan Chase, en una entrevista con McKinsey sobre la estrategia de adopción de IA del banco.

«Las necesidades de formación son diversas, al igual que las aplicaciones de inteligencia artificial. La mejor manera de abordarlas es segmento por segmento», afirmó Waldron en una entrevista publicada esta semana en el sitio web de la consultora. Todos, desde los empleados de primera línea hasta los jefes de empresa, tendrán que aprender nuevas habilidades, continuó Waldron.

Sin embargo, JPMorgan ha lanzado un programa de formación interno para principiantes, «AI Made Easy», dijo, añadiendo que «decenas de miles» ya han realizado el curso. La compañía ha creado módulos para enseñar a los usuarios cómo realizar investigaciones en profundidad con IA o aprovechar al máximo varios conjuntos de datos diferentes.

No son sólo los dirigidos los que pueden necesitar cambiar sus costumbres, sino también los directivos. Waldron predijo que los directores ejecutivos y líderes empresariales necesitarán adoptar nuevos enfoques a medida que se expanda el alcance de la tecnología. «El valor de la Generación de IA no provendrá sólo de empoderar a las personas; los líderes empresariales deben liderar equipos multifuncionales a través de la transformación en la era de la IA», afirmó.

Una estrategia multifacética (desde reuniones públicas hasta comunicaciones ejecutivas y campañas de marketing en pantallas en las oficinas del banco) ayuda a que la gente se sienta cómoda, afirmó.

¿Cómo es el entrenamiento?

Enseñar a la gente sobre la IA se reduce a dos niveles principales, explicó Waldron. Paso uno: ¿Qué pueden hacer los modelos de lenguaje de IA y qué no? Y el segundo paso: ¿cómo se formulan las preguntas correctas?

«Tan pronto como nos familiaricemos con las capacidades», dijo, «pasamos a cómo construir buenas directrices, con marcos, ejemplos y limitaciones». Después de eso, las cosas se vuelven más elaboradas: «Cómo transferir el carácter de un LLM de un creador a un evaluador, o cómo usar dos LLM para debatir una idea para ser más creativo».

Esta transición es un esfuerzo de toda la empresa, en el que los empleados a menudo se enseñan entre sí.

«Muchos equipos crean rápidamente directorios instantáneos, correos electrónicos con ‘consejos de la semana’ y canales sociales para compartir innovaciones con usuarios avanzados», dijo, y agregó: «Si ponemos la tecnología en manos de los empleados, con gestión de cambios y capacitación, estarán en la mejor posición para innovar y utilizarla».

Todos tendrán que hacer cambios.

Waldron también ofreció información sobre cómo algunos roles técnicos están aprendiendo nuevas habilidades.

«Los ingenieros de software deben estar capacitados para construir sistemas de inteligencia artificial escalables basados ​​en agentes y componentes LLM», dijo, y agregó: «Otra población son los tecnólogos, que querrán cada vez más crear aplicaciones sofisticadas utilizando IA agente o IA gen. Este conjunto de habilidades es algo que necesita ser entrenado».

AI Agentic atrae una atención importante de Wall Street y Silicon Valley. La noción de que los «agentes» digitales semiautónomos pueden orquestar de forma independiente proyectos de un extremo a otro se ha polarizado por varios factores. Pero en una conferencia la semana pasada, Theresa Heitznerther, directora de datos y análisis de JPMorgan, a quien Waldron reporta, dijo que cree que gestionar legiones de agentes digitales les dará a los trabajadores que inician su carrera la idea de ser jefes antes de lo que podrían serlo de otra manera.

Para los científicos de datos, Waldron dijo que los avances tecnológicos significan que los días de construir modelos estándar han terminado. Los proveedores externos tienden a manejar eso ahora, dijo, lo que permite a los científicos de datos internos evaluar y mejorar los modelos disponibles y «aplicar sus habilidades al diseño, evaluación y optimización del sistema».

En otras palabras, las cosas divertidas.