JPモルガン・チェース｜8か月でゼロから20万人。全社が使うLLM基盤「LLM Suite」を自社開発

規制がいちばん厳しい業界のAI活用も、すでにここまで来ています。世界最大級の銀行が、既製のAIサービスを配るのではなく自社でLLM基盤を作り、2024年夏に全社の対象社員へ展開しました。そして8か月でゼロから20万人が使う状態になっています（同社ブログ・2025年10月）。

顧客情報を扱う業種で、データが社外に出ない環境を自前で用意し、そのうえで社内向けAIエージェント「Employee Assistant」を配り、今後は社内データと業務フローに繋いでいく方針です。この基盤は American Banker の2025年 Innovation of the Year グランプリを受賞しています。

慎重さが要求される業種でも、統制できる形さえ作れば全社に配れる。そこがこの事例のいちばんの示唆です。なお同社は、削減時間のような効果の数字は公表していません。その理由も含めて、公表情報から読み取れることを整理します。

この事例の要点

• 2024年夏、自社開発のLLM基盤「LLM Suite」を全社の対象社員に展開
• 8か月でゼロから20万人が使い始めた（同社ブログ・2025年10月）。用途はアイデア出しと文章の下書き
• 目的は、業務を単純化し、社員に時間を返し、品質を上げること（副会長の株主向けレター）
• 社内向けに「Employee Assistant」という個別対応のAIエージェントも展開
• 今後は社内データとの接続を増やし、業務フローと組み合わせてAIエージェント化する方針
• 「LLM Suite」は American Banker の2025年 Innovation of the Year グランプリを受賞
• 削減時間・生産性の向上幅といった効果の数字は公表されていない

どんな会社か

米国最大級の銀行で、従業員は66カ国で32万人超。2026年のテクノロジー予算は約198億ドルと公表されています（いずれも株主向けレター・2026年4月）。規制が厳しく、顧客情報の扱いに極度の慎重さが求められる業種です。この前提が、後述する2つの選択の理由になっています。

なぜ外部サービスではなく「内製」なのか

同社は既製のAIサービスを全社に配るのではなく、自社でLLM基盤を作りました。理由は明示されていませんが、公表情報から次のように読み取れます（以下は推測を含みます）。

• 顧客情報・取引情報を扱うため、データが社外に出ない環境が前提になる
• 誰がどのモデルに何を入力したかを統制・記録できる状態が必要
• 複数のモデルを状況に応じて切り替えられるようにしておきたい

つまり「使えること」より「統制できること」を優先した構成です。

なぜここまで広がったのか：統制を先に作り、用途を絞って配った

8か月でゼロから20万人という広がり方には、2つの理由が読み取れます。

1つは統制を先に作ったことです。データが社外に出ない環境を用意し、誰がどのモデルに何を入力したかを記録できる状態にしてから配っています。「使ってよいかどうか」を現場が迷わない形にできたので、全社に一気に広げられました。慎重な業種で導入が止まる原因はモデルの性能ではなく、入れてよいものが決まっていないことです。

もう1つは用途を絞ったことです。20万人が使い始めた用途は、アイデア出しと文章の下書きでした。特別な業務ではありません。誰でも今日から使える用途に絞ったから、規模の大きい組織でも広がったと読めます。目的も明確で、業務を単純化し、社員に時間を返し、品質を上げること（副会長の株主向けレター）でした。

そして次の段が用意されています。同社は社内データとの接続を増やし、業務フローと組み合わせてAIエージェント化していく方針です。質問に答えるだけの使い方で止めない、という設計です。

一方で同社は、削減時間や生産性の向上幅を数字で出していません。これは「効果が無い」という意味ではなく、開示のリスクを取らないという判断である可能性が高いと考えられます（これは推測です）。背景として、米セントルイス連銀が2026年7月に公表した分析（2000〜2025年の決算説明会を対象）では、決算説明会でAIの生産性に言及した文のうち約95%が「将来の見込み」でした。AI以外の生産性の話では約4分の3ですから、AIの話だけ突出して未来形です。上場企業にとって、実測値の公表は将来の期待値を固定するリスクを伴います。

裏を返せば、効果の数字を出している企業はそれだけで珍しいということです。この事例集で出典と発表日を必ず添えているのは、読者が「実測値なのか見込みなのか」を自分で判断できるようにするためです。公表情報の範囲は、後段の「注意して読むべき点」にまとめました。

中小企業が真似できる2点

同じ方向に踏み出すための、最初の2歩です。規模も規制も違いますが、順番はそのまま使えます。

① 「何を入れてはいけないか」を先に決める

内製までは要りませんが、顧客情報・見積・契約内容をAIに入力してよいかを先に決めることは、どの規模でも必要です。決めていない組織では、現場が判断できず「使わない」に流れます。

② 単発の質問応答で止めず、業務フローに繋ぐ

同社の方針は「社内データと接続し、業務フローと組み合わせる」です。質問に答えるだけの使い方は効果が小さいという認識は共通しています。

なお、この「業務フローに繋ぐ」部分は、業務そのものを理解している人が設計しないと形になりません。営業・マーケの領域であれば外部に任せる選択肢もあり、私たちAIリモートワーカーのようなサービスもその1つとして検討する余地があります。

ai-remote-worker.com AIリモートワーカー｜営業・マーケのAI導入支援 営業・マーケティングのAI化を、月額定額または成果確認後払いで。実装まで踏み込む伴走型の支援です。

注意して読むべき点

• 削減時間・生産性の向上幅といった効果の数値は公表されていません。この事例から定量的な成果を読み取ることはできません
• 20万人は利用者数（オンボード済み）であって、成果でも継続利用率でもありません
• 「業務を単純化し、時間を返している」は同社の定性的な説明です
• 内製という選択は、専門人材と予算がある前提のものです。そのまま真似する対象ではありません
• 内製を選んだ理由・数字を出さない理由は、いずれも公表情報からの推測です

よくある質問

Q. なぜ外部サービスではなく内製したのですか？

記事で扱っているのは、機密性の高い金融データを扱う前提と、社内データや業務フローとの接続を今後増やしていく方針です。将来的に社内システムと深く結合させる計画があるほど、外部サービスに依存しない基盤を持つ判断に傾きます。ただしこれは20万人規模で成立する選択で、中小企業がそのまま真似する対象ではありません。

Q. なぜ効果の数字を公表しないのですか？

同社が公表しているのは「8か月でゼロから20万人が使い始めた」という利用の広がりと、業務を単純化して社員に時間を返し品質を上げるという目的です。削減時間や金額を出していないこと自体が、効果測定の難しさを示しているとも読めます。数字がないことを理由に事例を軽視するより、何を測っていないかを見るほうが学びがあります。

Q. 中小企業がこの事例から得られるものは何ですか？

用途を絞って始めている点です。20万人が使い始めた用途はアイデア出しと文章の下書きで、特別な業務ではありません。全社導入の初期は、誰でも今日から使える用途に絞ったほうが広がるということが、規模の大きい組織でも同じだと分かります。

出典

• Letter to Shareholders from Jennifer A. Piepszak, Annual Report 2025
• Jamie Dimon's Letter to Shareholders, Annual Report 2025
• LLM Suite named 2025 "Innovation of the Year" by American Banker（2025年10月）
• AI and Productivity: What Firms Are Saying on Earnings Calls（米セントルイス連銀・2026年7月）
• Corporate conversations about AI productivity mostly focus on future gains（CIO Dive・2026年8月12日）