AI:s påverkan på bank- och finanssektorns system och processer

Bank- och finanssektorn har gjort en snabb övergång från AI-hype till konkreta tillämpningar. När AI ska implementeras i affärskritiska miljöer krävs mer än bara diskussioner om data och modeller. Den centrala frågan handlar om säkerheten och anpassningsförmågan hos de underliggande systemen, vilket är avgörande för att uppfylla AI-ambitionerna, säger hon.

Nordiska banker befinner sig i en ny fas av AI-utveckling. AI används för att analysera transaktioner, upptäcka bedrägerier och effektivisera interna processer. Finanssektorn, som är starkt datadriven, ser AI som en avgörande teknologi för framtiden. Det är logiskt att branschen strävar efter att nyttja AI:s potential.

När AI lämnar pilotstadiet förändras behoven. Det räcker inte att fokusera på modeller och användarutbildning; ledningar måste förstå den tekniska grund AI:n ska byggas på. Många organisationer talar om vikten av bra teknik, men få konkretiserar vad detta innebär, säger hon.

Insikten om teknisk infrastruktur är avgörande. I Norden har många aktörer en hög digital mognad, men äldre system kan snabbt bli en begränsning när nya AI-lösningar integreras. System som designades för tidigare affärslogik är inte automatiskt redo för framtiden.

Här framträder skillnaden mellan AI-aktiviteter och AI-mognad. En pilot kan ge positiva resultat i kontrollerade miljöer, men det bevisar inte att lösningen är stabil i affärskritisk drift. Många mäter antalet AI-initiativ, men färre fokuserar på hur dessa kan skalas effektivt, säger hon.

Samtidigt ökar investeringarna i AI inom finanssektorn, men gapet mellan ambition och verklighet är fortfarande stort. Vissa organisationer hesiterar till AI-användning på grund av bristande förtroende för systemen, medan andra expanderar med otillräckligt validerade lösningar.

Banker vill se snabba processer och kostnadseffektivitet genom AI. Om den tekniska grunden är bristfällig kan resultatet bli det motsatta, med ökade kostnader för underhåll och komplexitet. AI:s utveckling kan därför leda till högre kostnader snarare än effektivisering.

AI-assisterad utveckling förstärker behovet av kontroll. Mer kod innebär inte nödvändigtvis snabbare utveckling. Om arkitekturen och teknisk skuld inte hanteras kan det leda till fler problem. AI kan faktiskt förstärka både styrkor och svagheter i befintliga system.

Många finansiella aktörer bygger lösningar på externa plattformar, vilket kan skapa nya beroenden och risker. Styrelser är vana att få insyn i finansiella data, men ofta saknas en övergripande bild av mjukvarulandskapet, vilket försvårar strategisk styrning.

För aktörer inom finans som vill skala AI ansvarsfullt är faktabaserad insyn i systemen avgörande. De behöver veta systemens status och vilka risker som finns. Bedömning av äldre system som en AI-risk och mått på mognad är också viktiga faktorer för framgång, säger hon.

AI:s framtid i finans kommer inte att avgöras av mängden experiment utan av förmågan att övergå till kontrollerad produktion. Kvaliteten på systemen blir allt viktigare för konkurrenskraften inom en sektor som bygger på förtroende, avslutar hon.