OpenAIOpenAI NewsJun 10, 2026, 12:00 AM

From data to decisions: how LSEG is scaling trusted AI

A condensed section focused on the key takeaways first.

Original Post

Quick Digest

Summary

A condensed section focused on the key takeaways first.

openaienmodel: gpt-5-mini-2025-08-07

LSEG scales trusted AI with OpenAI to accelerate insight and delivery

Key Points

  • Release cycles cut to 2 weeks
  • Thousands onboarded in weeks
  • Governance-first deployment

Summary

LSEG integrated OpenAI (ChatGPT Enterprise and OpenAI APIs) with its global data platform to accelerate insight generation, prototyping, and product delivery. Deployment enabled thousands of employees within weeks and paired powerful models with LSEG’s trusted data and governance (model evaluation, human-in-the-loop review, privacy and security controls). Key measured outcomes: product release cycles reduced from 3–6 months to 2 weeks, customer delivery timelines shortened to ~4 weeks, and analyst productivity improved through faster research and synthesis.

Key Points

  • Deployment: ChatGPT Enterprise + OpenAI APIs rolled out org-wide in weeks, driving grassroots adoption across product, engineering, research, and operations.
  • Measurable impact: release cycles shortened (3–6 months → 2 weeks); customer production timelines ~4 weeks; faster research and synthesis for analysts.
  • Governance: built-in model evaluation, human-in-the-loop review for critical outputs, strict data privacy and security; focus on enabling users safely.
  • Strategy: start with high-impact, low-risk use cases; enable broad early access to scale learning; require clear outcome metrics before scaling.
  • Integration: combine models with trusted data via protocols like Model Context Protocol to provide precise, verifiable information inside AI workflows.

Actionable engineering checklist

  • Prioritize high-impact, low-risk pilots to demonstrate value quickly.
  • Integrate model endpoints with secure data connectors and context protocols to preserve provenance and traceability.
  • Embed governance: evaluation frameworks, human review gates, access controls, and audit logging into pipelines.
  • Automate CI/CD for model-driven features and add monitoring (performance, drift, safety) and rollback procedures.
  • Train and enable teams so useful patterns and guardrails spread organically.

Full Translation

Translations

A translation section that keeps the flow of the original article.

openaijamodel: gpt-5-mini-2025-08-07

データから意思決定へ:LSEGが信頼できるAIをスケールする方法

Published: 2026-06-10

概要

LSEGはOpenAIを自社のグローバルデータプラットフォームと組み合わせ、インサイト、イノベーション、そして市場投入までの時間を短縮しています。

  • Contact sales
  • Products: ChatGPT, API
  • Company size: Enterprise
  • Region: Global
  • Industry: Finance
  • 製品リリースサイクル: ~2 weeks(以前は ~6 months)
  • 顧客から本番展開まで: ~4 weeks

複雑なデータエコシステム全体へのインサイトのスケール

London Stock Exchange Group(LSEG)は金融市場の中核に位置するグローバルな金融市場インフラ兼データプロバイダーで、約190市場に対して40,000を超える顧客と400,000のエンドユーザーを支援しています。これまでLSEGは金融モデルと分析を支えるためにAIと機械学習へ多額の投資を行ってきましたが、生成型AIの登場は根本的に新しい機会をもたらしました。単にシステムを改善するだけでなく、人々がデータと対話して洞察を得て、意思決定するやり方を変革する可能性です。

「AIは一段の変化です。しかし、本当の変革は問題の解き方自体を再考するときに訪れます。単に実行方法を変えるだけではありません。」

— Emily Prince, Group Head of Enterprise AI, LSEG

ロールアウトの内側

LSEGは生成型AIに対し、現実の課題から始め、責任を持ってスケールするという明確な戦略で取り組みました。モデルの品質、エンタープライズ対応力、顧客需要との整合性を基準にOpenAIを選定。多くのLSEGクライアントがすでにChatGPTを利用していたため、LSEGの信頼できるデータを既存のワークフローに直接組み込む自然な機会が生まれました。

「それが自然なパートナーシップを生みました。社内の運用を改善すると同時に、顧客が普段使っている環境で当社データを利用できるようにできるのです。」

— Max Grigoryev, Group Director for AI Products

LSEGはChatGPT EnterpriseとOpenAI APIsを組織全体にデプロイし、数週間で数千人の従業員が利用可能になりました。プロダクト、エンジニアリング、リサーチ、オペレーションの各チームが、レポート作成、マーケットデータの要約、プロダクトのプロトタイピング、内部ワークフローの効率化にAIを活用し始めています。

  • アナリストは大量の金融・マーケット情報をChatGPTで要約し、初期調査に費やす時間を短縮、洞察生成を加速。
  • プロダクトチームはAIで機能を迅速にプロトタイプし、ビジネスチームは顧客向けコミュニケーションやドキュメント作成を効率化。

同時に、LSEGは導入段階からガバナンスを組み込みました。モデル評価フレームワーク、重要な出力に対する人間を介したレビュー、厳格なデータプライバシーとセキュリティ管理などが含まれます。

「人を制限することを考えているわけではありません。人々がより速く動けるようにしつつ、すべてが安全かつコンプライアンスに沿うようにするのです。」

— Max Grigoryev

導入は草の根的な熱意によって急速に拡大しました。初期ユーザーが即座に価値を示したことで、チームや地域全体に勢いが広がりました。

「かつてはプロジェクトに9か月かかると期待されていたところが、今では数週間や数日で結果を期待するようになりました。このマインドセットの変化は深いものがあります。」

— Max Grigoryev

主な成果(Results at a glance)

  • 製品リリースサイクルを3–6か月から2週間へ短縮
  • 数週間で数千人の従業員を利用可能に
  • 顧客向けデリバリーをリクエストから本番展開まで約4週間へ短縮
  • アナリスト生産性の向上(リサーチと要約の高速化)
  • 機能横断的なコラボレーションの改善(情報フローの加速)
  • イノベーション速度の向上(アイデアが数時間でコンセプトからプロトタイプへ)

「従来は規制、コンプライアンス、法務、サイバーセキュリティ、デリバリー要件のために市場投入までに3〜6か月かかることが多かった。今では、多くのAI適合プロダクトが2週間のリリースサイクルにあります。」

— Max Grigoryev

Emily Princeは、ChatGPTにより高品質な出力で時間節約が明確になったと報告しています。

「ChatGPTで変わったのは、ベストプラクティスをより簡単にスケールでき、タスクをより速く完了でき、かつ我々が重視する基準やスキルを組み込めることです。それは効率だけでなく、人々が創造的に問題解決する方法の飛躍的な変化です。」

— Emily Prince

リーダーシップの教訓

  • ワークフローを再設計する(単なるタスク改善ではなくプロセス全体を見直す)
  • 早期かつ広範な有効化(スケールでのアクセスが学習と採用を加速)
  • 速度と信頼の両立(強力なガバナンスがより速く安全なイノベーションを可能にする)
  • 実験を許容する(従業員に探索を信頼して任せることでイノベーションが生まれる)
  • 極端を避ける(最も効果的なAIアプローチは慎重で説明責任ある導入)

「最も影響力のある人々は単にAIを使っているだけでなく、働き方自体に挑戦しているのです。」

— Emily Prince

実務的なヒント

  • ハイインパクトかつ低リスクのユースケースから始める:LSEGにとってガバナンスは安全にスケールする上で重要でした。
  • 早期導入者を支援する:価値が即座に見えると採用が加速する。
  • トレーニングと有効化に投資する:最良のユースケースはユーザー自身から生まれることが多い。
  • 成果に厳格であること:スケールする前に成功の定義を明確にしておく。

次の一手

LSEGは個々の生産性向上を超え、ワークフローレベルでより深く埋め込まれたAIアプリケーションへ拡張しています。研究プロセス、製品開発、クライアント向けソリューションにAIを直接統合することが含まれます。重要な焦点の一つは、OpenAIモデルをLSEGの信頼できるデータと組み合わせることで、Model Context Protocolのようなシステムを通じて顧客がAIワークフロー内で正確で検証可能な情報にアクセスできるようにすることです。

「お客様は時間から洞察への速度、より正確な意思決定を重視しています。それを我々は可能にしているのです。」

— Max Grigoryev

今後LSEGが最も大きな機会と見るのはスケールです。27,000人の従業員が自信を持ってAIを活用することで生まれる集合的な力は並外れたものになり得ます。

「27,000人の従業員がAIに自信を持って取り組むことを想像してください。可能性は非常に大きいです。既に強い成果が見え始めており、さらに多くが待っています。」

— Emily Prince


関連記事(原文タイトルと日付)

  • How an astrophysicist uses Codex to help simulate black holes — Applied AI — Jun 11, 2026
  • Access OpenAI models and Codex through your Oracle cloud commitment — Company — Jun 10, 2026
  • PRC-linked influence operations are targeting AI debates in the US — Global Affairs — Jun 10, 2026