JPモルガン LLMスイートのその後｜答え合わせ

2024年の報道は何を伝えていたか

2024年7月の記事は、米国の大手銀行JPモルガン・チェースが、社内専用の生成AI「LLMスイート（LLM Suite）」を従業員に配り始めたというニュースでした。元になったのはフィナンシャル・タイムズの報道です。今回は、その原文そのものは確認できていません。同じ内容を伝えた報道を通して、当時の主な内容を整理します。

• 使える人：最初に使えるようになったのは資産・ウェルス・マネジメント部門で、約5万人、全従業員の約15%と報じられました。
• できること：文書の下書き、アイデア出し、長い文書の要約。特定のテーマについて調べる、リサーチアナリストのような役割も挙げられていました。
• 自社で用意した理由：情報漏えいと、AIがもっともらしい誤りを答える問題を心配して、ChatGPTやGeminiのような一般向けのチャットボットを仕事で使うことは制限していました。
• ほかのAIツール：顧客の情報を扱うための「コネクトコーチ」や「スペクトラムGPT」も紹介されました。

2024年の私たちの記事は、この報道を紹介し、ウォール街の期待と不安を並べて書きました。ただ、「5万人」という数字がいつの時点で、どの範囲の人数なのかを、はっきり書き分けていませんでした。

ヒカリちゃんのまとめ2024年の報道は、まず5万人に配り始めた、という出発点の話でした。そこから先を、公式の発表で確かめていきます。

LLMスイートのその後：2024年から2026年

LLMスイートは、JPモルガンが自分で新しいAIモデルをつくったものではありません。2024年8月のCNBCの報道によると、外部の大規模言語モデルにつなぐ入口として組み立てられ、最初はOpenAIのモデルで始まりました。そのあとの動きを、時期の順に表にします。

人数は広がった。ただし、数え方がそろっていない

2024年7月の約5万人（最初の配布先）から、2025年前半には約20万人が使えるようになったと同行は説明しています。2025年10月には、使える人が約25万人で、毎日使うのはその約半分と同行の幹部が話しています。2026年10月の「20万人」は、使っている人の数です。一方で、数字の意味は報道ごとに違います。2025年10月のFortuneは約15万人が「毎日」使うと書き、別の報道は2026年2月の投資家向けの説明として「毎週」約15万人、1人あたり約4時間の節約と伝えています。2026年10月の「20万人」は「利用している」としか書かれていません。どれも、同じ基準で数えたものとは言い切れません。

使い方は、文書作成から「業務の中」へ

2024年の用途は、下書き、要約、アイデア出しでした。2026年の年次報告書では、同じ仕組みの上で、社員の問い合わせに答え、行動までつなぐAIエージェントが加わっています。取引の監視では、AIにより確認の量が2倍を超えた一方、人による手作業の確認は半分になったとも書かれています。ただし、これは会社が書いた数字で、第三者の検証はありません。

安全のとらえ方と、使うモデル

データの扱いについて、2024年8月に同行のデータ責任者は、自社のデータは差をつける財産なので、モデルの学習に使われたくないと説明しています。2026年10月には、身元確認とアクセス権限の管理、環境の分離を基本に置き、AIの技術が管理の仕組みより先に進んでいるため、ときには展開を引き戻すこともある、と話しました。モデルについては、ダイモン氏が2026年の年次書簡で、オープンなものも閉じたものも、大きいものも小さいものもあり、1つの道具が支配することはないという見方を書いています。特定の会社に縛られない方針は、2024年から変わっていません。

ヒカリちゃんのまとめ最初の5万人から、2025年には約20万人が使えるようになり、使い方も下書きから業務の中へ進みました。数え方は報道ごとに違うので、数字は並べて読むのがよさそうです。

2024年の記事の答え合わせ

2024年の記事が書いていたことを、いまの公式発表や報道と照らします。判定は、書いた時点で正しかったかどうかも含めて付けています。

いちばん大きな見直しは、「何人が使っているか」だけを成果のように書いたことです。5万人に配ることと、仕事が変わることは別の話です。次の章以降で、その差をどう見るかを考えます。

ヒカリちゃんのまとめ5万人という出発点の数字は当時の報道どおりでしたが、自社開発の意味や他社の状況は言い直しが必要でした。

日本の銀行と海外の銀行は何をしたか

同じ時期に、日本の大手銀行も社内向けの生成AIを広げました。各社の発表と報道で確認できた範囲を、表にします。

形は大きく3つに分かれます。JPモルガンやゴールドマンのように、複数のモデルを自社の入口でつなぐ型。三菱UFJ銀行のように、既製の法人向け製品を全行員に広げる型。三井住友のように、自社のチャットを育てる型です。どれが正しいということではなく、会社の規模と、データを自社でどこまで管理したいかで選び方が変わる、と私たちは読みます。

ヒカリちゃんのまとめ日本の銀行も、自社で育てる型と既製の製品を広げる型に分かれています。選び方は、会社の規模とデータの管理方針しだいです。

社内AIアシスタントを入れるときの学び

JPモルガンは、社員が数十万人の会社です。そのままは真似できませんが、考え方は日本の会社にも使えます。6つにまとめます。

1. 個人のアカウントではなく、会社の環境で使う。JPモルガンは、データを外に出さないために、外部のChatGPTをまず制限し、そのあとで社内の環境を整えました。OpenAIは、ChatGPT BusinessやEnterpriseの業務データを、初期設定ではモデルの学習に使わないと説明しています。
2. モデルを1つに決めない。同行は、使うモデルを用途で動かし、特定の会社に縛られない方針を、2024年から語っています。会社でも、数か月ごとに見直せる契約にしておくと安心です。
3. 使い方を教える。データ責任者は、仕事ごとの指示の出し方（プロンプト）の研修が必要だと話しています。配るだけでは使われません。
4. 最初は、失敗しても困らない仕事から。2024年の用途は、メールや報告書の下書き、要約、Excelの質問でした。お客様に直接返す仕事は、誤りのリスクが大きいため、同行も慎重だと報じられました。
5. 効果は、自社で測る。同行は2025年10月に費用と効果をともに約20億ドルと説明しましたが、算出の中身は公開されていません。大きな会社の数字ではなく、自社の2〜3人、2〜4週間の試用で、時間がどれだけ減ったかを測ります。
6. 個人情報と、人による確認の決まりを先に。個人情報保護委員会は2023年6月2日に注意喚起を出し、個人情報を含む入力が利用目的の範囲内か、機械学習に使われない設定かを確認するよう求めています。AIの回答は、必ず担当者が最後に見ます。

小さな会社が試せる法人向けプラン

大きな銀行のように自社で組まなくても、法人向けのプランから始められます。料金は、公式ページで2026年10月26日に確認した金額で、生成AI比較と導入事例の答え合わせの記事と同じものです。為替や割引で変わるため、契約の前に公式ページで確かめてください。

すでに使っている業務ソフトに合わせて選ぶ考え方は、生成AI比較と導入事例の答え合わせに書きました。MicrosoftならCopilotの使い方、ChatGPTならChatGPT Plusと無料版の違いも参考になります。

ヒカリちゃんのまとめ配る前に、会社の環境、教え方、個人情報の決まり、人の確認の4つを決めておくと、小さく始めても迷いにくくなります。

今日から始める手順と、数字の読み方

LLMスイートは、JPモルガンの社内専用の道具です。今回の確認では、社外の会社が契約して使える製品としての案内は見つかりませんでした。同じ考え方を自社で試すなら、次の順番がおすすめです。

1. いま社員が、どのAIを使っているかを聞く。個人のアカウントで仕事の文書を入れていないかを、責めずに確かめます。
2. 入れてはいけない情報を、書き出す。お客様の名前、契約書、採用の情報など、社内の決まりとして先に書きます。
3. 2〜3人で、2〜4週間、1つの業務に限って試す。議事録の要約、メールの下書きなど、結果を人が確認しやすい仕事から始めます。

今後、JPモルガンの発表を読むときは、次の3つの点を見ておくと迷いません。

• 人数の中身：「使える人」「週に1回以上使う人」「毎日使う人」のどれか。
• 効果の測り方：節約した時間を、費用の削減や人員の削減と同じに扱っているか。2026年2月の説明では、その時間は価値の計算に入れていないと報じられました（出典15、報道）。
• エージェントの扱い：2026年は、社員に代わって手順を進めるAIエージェントをどこまで任せるかが焦点です。同行の幹部は、自律の度合いと管理の仕組みを一緒に強めると述べています。

大きな会社の人数や金額は、自社の目安にはなりません。自社で小さく測った数字が、いちばん使えます。

最後に、権利の点です。社内のAIで作った文章や資料を社外に出すときは、他人の文章や作品に似ていないかを人が確認します。取引先の資料を入れる場合は、契約上の秘密保持の範囲も確かめてください。国の「AI事業者ガイドライン」第1.2版（2026年3月31日公表）は、利用ルールづくりの手がかりになります。

ヒカリちゃんのまとめまず会社の情報の扱いを決めて、少人数で1つの仕事から試しましょう。大きな会社の数字より、自社で測った数字のほうが頼りになります。