Архив Финансовые услуги и страхование · Банки
JPMorgan Chase: COiN извлекает ключевые условия из коммерческих кредитных договоров
По данным годового отчёта JPMorgan Chase за 2016 год, платформа COiN при первоначальном внедрении извлекает 150 атрибутов из 12 000 коммерческих кредитных договоров за секунды; при ручной проверке на этот объём уходило до 360 000 часов в год.
/01 · ключевые результаты
-
масштаб
12 000
коммерческих кредитных договоров в год
JPMorgan Chase & Co., годовой отчёт за 2016 год
годовой объём; первоначальное внедрение, отчёт за 2016 год · коммерческие кредитные договоры банка
данные компании
-
возможность системы
150
релевантных атрибутов извлекается за секунды
JPMorgan Chase & Co., годовой отчёт за 2016 год
первоначальное внедрение · 12 000 коммерческих кредитных договоров годового объёма; точность извлечения не раскрыта
данные компании
-
исходный уровень
до 360 000 ч
время ручной проверки того же объёма за год (оценка банка)
JPMorgan Chase & Co., годовой отчёт за 2016 год
годовой объём при ручной проверке; отчёт за 2016 год · 12 000 договоров годового объёма
данные компании
оценка strategai
Если бы высвобожденное время сократило найм или оплату часов, эффект на прибыль до налогообложения составил бы
до $19–46 млн в год.
Стоимость времени ручной проверки кредитных договоров.
Без учёта затрат на систему: источники их не раскрывают.
Как посчитано
Годовой объём ручной проверки коммерческих кредитных договоров, который называет банк, по часовым ставкам банковской отрасли США с затратами работодателя.
| Шаг расчёта | Нижняя | Базовая | Верхняя |
|---|---|---|---|
| Стоимость часов ручной проверки договоров с затратами работодателя = Часы ручной проверки коммерческих кредитных договоров за год, верхняя граница × Средняя часовая ставка: от кредитного специалиста до юриста в банковской отрасли × Коэффициент затрат работодателя сверх зарплаты | ≈$19,5 млн в год | ≈$32,7 млн в год | ≈$45,9 млн в год |
| Коэффициент затрат работодателя сверх зарплаты = Полная стоимость часа работы в финансовой отрасли ÷ Зарплата за час работы в финансовой отрасли | ≈1,52 | ≈1,52 | ≈1,52 |
Входные данные
- данные кейса Часы ручной проверки коммерческих кредитных договоров за год, верхняя граница: 360 000 ч в год до 360 000 ч, время ручной проверки того же объёма за год (оценка банка) JPMorgan Chase & Co., годовой отчёт за 2016 год
- статистика Средняя часовая ставка: от кредитного специалиста до юриста в банковской отрасли: $35,71–84,12 за час база $59,915 за час Depository Credit Intermediation — May 2016 OES Industry-Specific Occupational Employment and Wage Estimates, 05.2016: 13-2072 · Mean hourly wage; 23-1011 · Mean hourly wage U.S. Bureau of Labor Statistics, статистика, 2017
- статистика Полная стоимость часа работы в финансовой отрасли: $45,92 за час Employer Costs for Employee Compensation, March 2016, 03.2016: Financial activities · Total compensation U.S. Bureau of Labor Statistics, 2016-03
- статистика Зарплата за час работы в финансовой отрасли: $30,29 за час Employer Costs for Employee Compensation, March 2016, 03.2016: Financial activities · Wages and salaries U.S. Bureau of Labor Statistics, 2016-03
Допущения
- Расчёт ведётся по ставкам и статистике США: страну внедрения запись не называет, поэтому валюта расчёта доллары.
- 360 000 ч в год — наибольший объём ручной проверки, который называет банк; при меньшем объёме эффект ниже.
- Диапазон ставки $35,71–84,12 за час охватывает специалистов от кредитного до юриста, а затраты работодателя задаёт коэффициент ≈1,52.
Базовое значение: $33 млн в год.
Метод afiina-pnl/1, оценка от 17.10.2026, цены 2016 года. Диапазон округлён до двух значащих цифр наружу. Методика
По данным годового отчёта JPMorgan Chase за 2016 год, платформа COiN при первоначальном внедрении извлекает 150 атрибутов из 12 000 коммерческих кредитных договоров за секунды; при ручной проверке на этот объём уходило до 360 000 часов в год.
/02 · паспорт кейса
Бизнес
- Компания
- JPMorgan Chase & Co.
- Отрасль
- Финансовые услуги и страхование · Банки
- Функция
- Юридическая функция и комплаенс
- Задача
- Интеллектуальная обработка документов
Технология
- Класс AI
- Классический NLP и речевые технологии
- Тип решения
- Не раскрыт
- Данные
- Юридические документы банка: коммерческие кредитные договоры (около 12 000 в год), из которых извлекаются 150 релевантных атрибутов — данные и положения договоров.
Внедрение
- Стадия
- Промышленная эксплуатация, на 2016
- География
- Не раскрыта
/03 · описание кейса
Зачем
Бизнес-задача
JPMorgan Chase рассматривает технологии как основу всего бизнеса: в письме акционерам за 2016 год операционный директор банка называет технологический бюджет более $9,5 млрд и ставит задачу работать и внедрять новшества как технологическая компания. В том же году банк создал в подразделении Intelligent Solutions центр компетенций по машинному обучению, чтобы находить и внедрять прикладные сценарии по всей группе. Один из таких сценариев — разбор коммерческих кредитных договоров. Годовой объём — 12 000 договоров, и при ручной проверке на извлечение из них ключевых данных и условий уходило до 360 000 часов в год. Помимо трудоёмкости, банк указывает на качество: по его оценке, примерно 80% ошибок при обслуживании кредитов связаны с неверным толкованием договоров. Поэтому банк считает, что у автоматического разбора договоров далеко идущие последствия.
Что
Решение
COiN (contract intelligence) — платформа анализа договоров, которая с помощью машинного обучения без учителя обрабатывает юридические документы и извлекает из них важные данные и положения. Банк описывает принцип так: модели выявляют закономерности и связи в данных без заранее запрограммированных алгоритмов и тем эффективнее находят закономерности, чем активнее используются. На первом этапе платформа применяется к коммерческим кредитным договорам и извлекает из них 150 релевантных атрибутов. Весь годовой массив договоров, по данным банка, обрабатывается за секунды.
Как
Внедрение
О запуске COiN банк сообщил в годовом отчёте за 2016 год, назвав платформу недавно введённой и приведя её как пример сценариев центра компетенций по машинному обучению, созданного в 2016 году в подразделении Intelligent Solutions, которое подчиняется операционному директору. Опубликованные показатели относятся к первоначальному внедрению: 150 атрибутов из 12 000 коммерческих кредитных договоров в год. Параллельно банк запускал пилоты машинного обучения в других направлениях, от выявления мошенничества до клиентского обслуживания.
/04 · источники и проверка
Что подтверждено
- При первоначальном внедрении COiN извлекает 150 релевантных атрибутов из 12 000 коммерческих кредитных договоров годового объёма за секунды.
- Банк сопоставляет это с ручной проверкой того же объёма, занимавшей до 360 000 часов в год.
- Платформа использует машинное обучение без учителя для анализа юридических документов и извлечения важных данных и положений.
- Банк приводит COiN как пример сценариев центра компетенций по машинному обучению, созданного в 2016 году в подразделении Intelligent Solutions.
Ограничения
- Банк сопоставляет скорость машинного извлечения с максимальным объёмом ручной проверки; фактически сэкономленные часы и влияние на численность персонала он не приводит.
- Секунды относятся к извлечению атрибутов; время на проверку результатов специалистами и точность извлечения банк не приводит.
- Показатели относятся к первоначальному внедрению и одному типу документов — коммерческим кредитным договорам.
- Около 80% ошибок обслуживания кредитов из-за толкования договоров — оценка проблемы; о снижении числа ошибок после внедрения COiN банк не сообщает.
-
[1] JPMorgan Chase & Co.
Redefining the Financial Services Industry — Chief Operating Officer letter, Annual Report 2016
компания · годовой отчёт за 2016 год
Открыть источник -
[2] U.S. Bureau of Labor Statistics
Depository Credit Intermediation — May 2016 OES Industry-Specific Occupational Employment and Wage Estimates
статистика · 2017
Открыть источник
АрхИИВ /strategai · CB-000003 · Версия 4 · 10.10.2026 · /c/CB-000003/