Waarom een grootbank AI gaat inzetten voor jaarbeoordelingen
JPMorgan Chase introduceert een intern ontwikkelde chatbot, onderdeel van een eigen taalmodel-suite, die medewerkers helpt bij het opstellen van hun eindjaarbeoordeling. Het initiatief komt niet uit de lucht vallen: de bank ziet in generatieve AI een manier om routinetaken te versnellen en menselijke capaciteit vrij te maken voor strategischere werkzaamheden.
JPMorgan offers staff AI chatbot to help write performance reviewsMove allows employees to use bank’s large language model to generate reviews from their own prompts |
Hoe het interne AI-systeem werkt — en wat medewerkers zelf blijven doen
Het systeem werkt als volgt: een medewerker voert een prompt in — bijvoorbeeld een omschrijving van prestaties of doelen — waarna het AI-model een eerste draft genereert van de beoordeling. De medewerker blijft uiteindelijk verantwoordelijk voor wat wordt ingediend. De tool mag niet worden ingezet voor beslissingen over beloning of vaste compensatie, wat aangeeft dat de bank bewuste grenzen stelt.
Efficiëntie versus verantwoordelijkheid: de balans tussen mens en machine
Door het gebruik van AI voor het eerste concept, kan de tijd die medewerkers besteden aan het schrijven van hun beoordeling flink dalen. Volgens bredere observaties in de financiële sector kunnen zulke tools de schrijftijd met tientallen procenten terugbrengen. Tegelijkertijd introduceert dit nieuwe vragen: wie is verantwoordelijk voor de inhoud? En hoe voorkomen we dat de menselijke stem verloren gaat? De bank benadrukt dat menselijke goedkeuring altijd blijft vereist.
Wall Street banks want AI to write performance reviewsSoftware firm Workday said it's seen an uptick in banks expressing interest in its new AI products that improve efficiency at work. |
Wat dit zegt over de bredere rol van AI in het personeelsbeleid
De stap van JPMorgan past in een grotere trend waarin AI niet langer louter ondersteunend is, maar steeds vaker ingebed wordt in HR-processen zoals beoordeling, werving en ontwikkeling. Voor de bank is het ook een symboolproject: met hun eigen “LLM Suite” willen ze AI-capabilities intern uitrollen voor diverse taken, van coderen tot juridisch werk.
De mogelijke uitdagingen: data, bias en de menselijke factor
Hoewel de tool beschikt over de nieuwste taal-AI, blijft er een aantal kritische aandachtspunten:
- Dataveiligheid en vertrouwelijkheid: financiële instellingen werken met zeer gevoelige data, en het gebruik van generatieve AI vereist dat deze niet ‘weglekken’ naar externe modellen.
- Vooringenomenheid en eerlijkheid: als een AI-model gebruikt wordt in beoordelingsprocessen, moet gewaarborgd worden dat dit geen onbedoelde bevoordeling of negatieve bias introduceert.
- Menselijke nuance: Beoordelingen omvatten vaak emotionele, relationele of contextuele elementen die moeilijk door een algoritme op te vangen zijn.
- Verantwoordelijkheid: Kunstmatige intelligentie mag ondersteunen, maar uiteindelijk moet een mens de kwaliteit bewaken en de eindverantwoordelijkheid dragen.
De inzet van AI door JPMorgan toont hoe de grens tussen menselijk werk en machineondersteuning steeds vager wordt. Het is een duidelijk signaal dat AI steeds verder doordringt in administratieve en strategische werkdomeinen. Voor medewerkers betekent dit enerzijds kansen — zoals minder ‘schrijfwerk’ en meer focus op inhoud — anderzijds nieuwe verantwoordelijkheden: ze blijven zelf aan het stuur zitten. Voor organisaties geldt dat zij zorgvuldig moeten balanceren tussen efficiëntie, ethiek en menselijkheid. In de woorden van de bank: de tool is slechts een uitgangspunt, maar wat er daadwerkelijk wordt ingediend blijft mensenwerk.
