Claude w JPMorgan Chase: AI poza IT i zasady nadzoru nad agentami

Claude, model AI firmy Anthropic, trafia w JPMorgan Chase nie tylko do zespołów programistycznych, ale także do pracowników z działów biznesowych, ryzyka i zarządzania aktywami. Równolegle bank opracował zasady, które mają ograniczać uprawnienia agentów AI i utrzymać nadzór człowieka nad każdą decyzją mogącą wpłynąć na klientów lub produkcję.

Jak Claude trafia do pracowników spoza działów technicznych?

Wdrożenie obejmuje osoby, które dotąd nie pisały kodu. Zespoły produktowe zamieniają wymagania biznesowe na listy zadań, które można realizować etapami. Zespoły odpowiedzialne za ocenę ryzyka i mechanizmy kontrolne korzystają z modelu przy planowaniu programów oraz analizie scenariuszy.

Dla inżynierów kluczowe jest narzędzie Claude Code. Działa ono w środowisku Devspace, uruchomionym na infrastrukturze banku, a nie w chmurze zewnętrznego dostawcy. Claude Code potrafi zaplanować pracę, napisać kod, uruchomić testy i otworzyć pull request. Część zadań wykonują też samodzielne agenty, które przeglądają pull requesty i potrafią naprawiać własne błędy.

Które obszary banku korzystają z agentów AI?

Infrastruktura i produkty

Zespoły infrastruktury wykorzystują agenty do monitoringu, obsługi alertów i analizy przyczyn źródłowych awarii. Inżynierowie modernizują starsze systemy i udostępniają własne agenty innym działom, co pozwala skalować rozwiązania bez tworzenia każdego od zera.

Zarządzanie aktywami

W dziale zarządzania aktywami pracują małe, samodzielne zespoły łączące wiedzę biznesową z technologią. Przykładem jest łącznik ActiveTax, przygotowany przez J.P. Morgan Asset Management. Pozwala on doradcy sprawdzić skutki podatkowe przeniesienia aktywów klienta, korzystając z narzędzia Claude for Financial Advisors. Wynik nie trafia jednak bezpośrednio do klienta: rekomendacje, komunikacja i kwestie zgodności wymagają akceptacji człowieka.

Jak JPMorgan Chase pilnuje bezpieczeństwa agentów AI?

Bank stosuje zasadę ograniczonego zaufania. Agenty nie mają bezpośredniego dostępu do danych uwierzytelniających ani do wewnętrznych systemów. Uprawnienia są przyznawane stopniowo, a każdy nowy model przechodzi bankowe zatwierdzanie.

Kolejnym filtrem jest bramka wdrożeniowa. Na jej etapie zapada decyzja, czy zmiana może trafić na produkcję, czy zostaje zatrzymana. Claude nie zatwierdza własnej pracy, a odpowiedzialność za wdrożenia ponoszą ludzie. Taki podział ról jest istotny w sektorze regulowanym, gdzie błąd może oznaczać nie tylko awarię, ale także problem prawny.

Zespół bezpieczeństwa banku korzysta z najbardziej zaawansowanych modeli Anthropic do wykrywania luk w zabezpieczeniach. Ta praca odbywa się w ramach Project Glasswing, ogłoszonego 7 kwietnia 2026 roku.

Jak wyglądała oś czasu współpracy?

Poniższa tabela zestawia kluczowe daty opisanej współpracy.

Sekwencja pokazuje, że bank rozwijał zastosowania AI etapami: najpierw bezpieczeństwo, potem narzędzia dla doradców, a w końcu szersze wdrożenie w całej organizacji.

Co to oznacza dla Ciebie?

Jeśli pracujesz w finansach, zarządzaniu ryzykiem lub IT, historia JPMorgan Chase pokazuje model, który warto obserwować. Agent AI może przyspieszać przegląd kodu, monitoring czy analizę danych, ale skuteczność zależy od tego, kto zatwierdza wynik. Zanim wdrożysz podobne rozwiązanie w swojej firmie, określ, do jakich systemów narzędzie może mieć dostęp, jakie etapy akceptacji musi przejść i kto odpowiada za decyzję końcową. Najwięcej korzyści przynosi zwykle ograniczenie uprawnień do minimum oraz wyraźny podział ról między maszyną a człowiekiem.