Джейми Даймон об ИИ: что JPMorgan уже делает и где у бума узкие места

Как JPMorgan использует ИИ сейчас

По словам Даймона в интервью Bloomberg, JPMorgan занимается ИИ с 2012 года; в эту работу вовлечены около 2 000 человек, ежегодные расходы составляют примерно $2 млрд, а сферы применения включают управление рисками, борьбу с мошенничеством, маркетинг, генерацию идей и клиентский сервис.

В другом фрагменте Bloomberg Даймон говорил, что банк экономит примерно столько же в год, сколько тратит на разработку ИИ, и что у JPMorgan уже есть сотни сценариев использования этой технологии.

Это означает, что речь идет не об одном чат-боте или одном продукте для клиентов. Скорее, ИИ расползается по разным слоям банковской работы: от риск-контроля и сервисных функций до инструментов для сотрудников и поддержки клиентских систем. В Давосе Даймон описывал ИИ как часть регулярного бизнес-обзора: руководители спрашивают команды, что они делают в технологиях и ИИ в финансах, HR и операциях.

Где банк видит выгоду

Самая понятная краткосрочная выгода — производительность и снижение затрат. Даймон говорил, что расходы JPMorgan на ИИ уже сопровождаются примерно сопоставимой ежегодной экономией, а более крупный потенциал экономии назвал лишь началом процесса.

В пересказах его ежегодного письма акционерам также говорится, что ИИ затронет почти все функции банка, повысит производительность, но при этом устранит часть рабочих мест. Другой обзор письма отмечал, что влияние ИИ распространится и на клиентские сервисы, и на внутренние системы для сотрудников.

В этом и состоит прагматичный подход Даймона: ИИ полезен не потому, что выглядит впечатляюще в презентации, а потому что меняет экономику процессов. Но эффект появляется только тогда, когда меняются реальные задачи, команды и маршруты принятия решений.

Рабочие места: переобучение, а не безболезненный переход

Даймон не обещает, что ИИ просто поможет каждому сотруднику без потерь. По сообщению от февраля 2026 года, JPMorgan запустил масштабные планы перераспределения сотрудников, чьи роли вытесняются автоматизацией, сохраняя общую численность персонала около 318 500 человек и сокращая операционные роли на 4%, а функции поддержки — на 2%.

В Давосе Даймон предупреждал, что ИИ может развиваться слишком быстро для общества, и говорил о необходимости совместных действий бизнеса и государств по переобучению людей.

Вывод здесь довольно прямой: Даймон ожидает, что ИИ будет менять профессии, убирать часть задач и ролей, а также создавать спрос на масштабное переобучение. Но доступные источники не подтверждают точное число рабочих мест в JPMorgan, которые будут сокращены именно из-за ИИ.

Почему бум ИИ может упереться в физическую инфраструктуру

Следующая фаза ИИ зависит не только от качества моделей или поставок чипов. Всё чаще ограничителем становится то, что труднее быстро нарастить: электроэнергия, подключение к сетям, дата-центры, охлаждение, связь и промышленное оборудование.

Goldman Sachs оценивает, что расходы на инфраструктуру ИИ могут составить около $765 млрд к 2026 году и $1,6 трлн к 2031 году, а совокупные инвестиции с 2026 по 2031 год — почти $7,6 трлн в вычисления, дата-центры и энергетику.

Электричество и подключение к сетям

Самое очевидное узкое место — энергия. В отчете Goldman Sachs об ИИ, дата-центрах и спросе на электроэнергию в США оценивалось, что потребуется около 47 ГВт дополнительной генерирующей мощности, а длинные очереди на подключение новых проектов к энергосетям остаются проблемой.

Deloitte отдельно оценивала, что спрос на электроэнергию со стороны ИИ-дата-центров в США может вырасти с 4 ГВт в 2024 году до 123 ГВт к 2035 году; в опросе руководителей американских энергокомпаний и дата-центров стресс энергосетей был назван главным инфраструктурным вызовом.

Дата-центры превращаются в промышленные системы

Современный ИИ-дата-центр — это уже не просто зал с серверами. Goldman Sachs описывает его как интегрированную электрическую и тепловую систему вокруг сверхплотных серверов. McKinsey также пишет, что ИИ меняет дата-центры, превращая их в тесно связанные энергетико-тепловые системы для высокоплотных нагрузок.

Отсюда появляется еще один риск: не все зависит от денег и земли под строительство. McKinsey называет критическим ограничением способность поставщиков промышленного оборудования выпускать компоненты с длинным сроком производства в цепочке создания дата-центров.

Охлаждение становится базовым условием

Чем плотнее ИИ-кластеры, тем важнее отвод тепла. Всемирный экономический форум отмечает, что кластеры ИИ, которые раньше работали на сотнях GPU, теперь требуют десятков тысяч, а узкие места сместились от одного только кремния к теплу, энергии, связности и памяти.

Там же говорится, что жидкостное охлаждение, иммерсионное охлаждение и новые тепловые архитектуры из экспериментальных решений стали базовым требованием, потому что воздушное охлаждение плохо справляется с тепловой плотностью GPU при полной нагрузке.

Сети, оптоволокно и высокоскоростная связность

Большие ИИ-кластеры требуют быстрых и надежных соединений между множеством ускорителей и систем. По имеющимся источникам корректнее говорить не о доказанном отдельном дефиците оптоволокна, а о более широкой проблеме связности.

Всемирный экономический форум прямо относит connectivity к ограничениям роста ИИ-кластеров, а другой отчет описывает смещение инфраструктурных узких мест от кремния к высокоскоростной связности и энергоснабжению. Оптоволокно здесь логично рассматривать как часть этой сетевой инфраструктуры, но предоставленные источники не дают отдельной количественной оценки именно по дефициту оптоволоконных линий.

Компоненты, оборудование и сырье

С сырьем ситуация похожая: источники сильнее подтверждают ограничения по оборудованию и компонентам, чем по какому-то одному материалу. McKinsey указывает на компоненты дата-центров с длинными сроками поставки как на возможное ограничение роста. Всемирный экономический форум отмечает, что значительная часть ожидаемых инвестиций в дата-центры связана с охлаждением, генерацией электроэнергии и смежным оборудованием.

Сырье может становиться проблемой через эти аппаратные цепочки, но предоставленные источники не ранжируют конкретные материалы и не доказывают, какой именно ресурс является главным ограничителем.

Что в итоге

Позиция Даймона проста: ИИ уже внедряется, а не ждет следующего большого прорыва. JPMorgan использует его в ключевых банковских функциях, закладывает огромные технологические бюджеты и готовит перераспределение сотрудников там, где автоматизация меняет роли.

Но у этого оптимизма есть жесткий противовес. Даже если программная часть ИИ продолжит быстро улучшаться, темп развертывания может задаваться более медленной реальностью: электростанциями, сетевыми подключениями, дата-центрами высокой плотности, охлаждением, связью и поставками оборудования.