JPMorgan Chase idzie na całość: AI kryterium oceny pracownika

Era dobrowolnego eksperymentowania z AI w sektorze bankowym dobiega końca. JPMorgan Chase, gigant finansowy z Wall Street, wdrożył precyzyjny system monitorowania aktywności swoich pracowników w narzędziach takich jak ChatGPT czy Claude Code. Jak wynika z wewnętrznych raportów, na które powołuje się Business Insider, bank nie tylko zachęca, ale wręcz kategoryzuje kadrę technologiczną na podstawie intensywności wykorzystania sztucznej inteligencji. Pracownicy są przypisywani do grup „lekkich” lub „ciężkich” użytkowników (tzw. light/heavy users), co bezpośrednio rzutuje na ich postrzeganie w strukturach korporacyjnych.

Nowy standard wydajności

Tradycyjne wskaźniki efektywności, skupione dotychczas na jakości kodu czy poprawności analiz, zyskują nowy, kontrowersyjny komponent. Zarząd JPMorgan wychodzi z założenia, że biegłość w posługiwaniu się dużymi modelami językowymi (LLM) przy rutynowych zadaniach – od przeglądu dokumentacji po debugowanie – jest obecnie taką samą kompetencją bazową, jaką niegdyś stała się obsługa arkuszy kalkulacyjnych. To radykalne podejście ma wyeliminować problem „nierównej adopcji”, gdzie nowoczesne narzędzia pozostają nieużywane przez konserwatywne zespoły.

Jednak decyzja o powiązaniu logowania do systemów AI z oceną pracowniczą budzi istotne pytania o naturę produktywności. Jeśli technologia skraca czas wykonania zadania o połowę, czy bank oczekuje podwojenia wyników, czy po prostu akceptuje mniejsze obciążenie pracownika? Na ten moment wydaje się, że priorytetem jest wymuszenie zmiany nawyków, nawet jeśli niesie to ze sobą ryzyko „pustych przebiegów” – sytuacji, w których pracownicy będą korzystać z AI tylko po to, by poprawić swoje statystyki wewnątrz systemu monitorującego.

Balans między szybkością a precyzją

W silnie regulowanym środowisku bankowym, gdzie błąd w kodzie może generować milionowe straty, masowe wdrażanie generatywnej AI jest ruchem odważnym, o ile nie ryzykownym. JPMorgan od lat stosuje algorytmy uczenia maszynowego w wykrywaniu oszustw i analizie ryzyka, ale powierzenie pisania kodu asystentom pokroju Claude Code to zupełnie nowa skala wyzwań. Systemy te, choć błyskotliwe, mają skłonność do halucynacji i generowania niekompletnych rozwiązań.

Odpowiedzialność za weryfikację pozostaje po stronie człowieka, co tworzy paradoksalną sytuację: pracownik musi pracować szybciej pod presją algorytmu, zachowując jednocześnie wzmożoną czujność wobec błędów tegoż narzędzia. Bank zapewnia jednak, że posiada odpowiednie bezpieczniki i procedury kontrolne, które mają zapobiegać przedostawaniu się błędnych draftów do systemów transakcyjnych.

Sygnał dla całego sektora

Działania JPMorgan Chase są uważnie śledzone przez konkurencję. Jeśli gigantowi uda się przekuć powszechne użycie AI w wymierne zyski operacyjne bez kompromitacji w obszarze bezpieczeństwa, podobne mechanizmy nadzoru i oceny staną się standardem w całym sektorze fintech. To jasny sygnał dla rynku pracy: umiejętność prowadzenia konwersacji z AI (tzw. promptowania) i krytycznej oceny jej wyników przestaje być atutem, a staje się warunkiem koniecznym do utrzymania pozycji w nowoczesnej instytucji finansowej.