Artikelserie: AI i finanssektoren: Bankerne investerer milliarder i kunstig intelligens, men den afgørende konkurrencefordel bliver måske slet ikke, hvem der har de bedste AI-modeller. Ifølge en ny analyse fra McKinsey bliver vindere og tabere i banksektoren i stigende grad bestemt af noget langt mere prosaisk: kvaliteten af bankernes gamle kernesystemer. Banker med moderne systemer kan bruge AI til at træffe kredit-, pris- og svindelbeslutninger på sekunder. Banker med gamle systemer risikerer derimod, at selv avancerede AI-investeringer rammer en teknologisk mur. Chefredaktør Morten W. Langer bringer her artikel fire i artikelserien om AI i finanssektoren.
Der kan være ved at opstå et nyt A- og B-hold i den globale banksektor. Indtil nu har kapløbet om kunstig intelligens især handlet om adgang til de bedste AI-modeller, data, specialister og investeringsbudgetter. Men ifølge konsulenthuset McKinsey kan den afgørende flaskehals vise sig at ligge et helt andet sted: dybt nede i bankernes eksisterende it-infrastruktur.
I analysen “Core banking in the age of AI” fra august 2026 peger McKinsey på, at mange banker allerede har investeret betydelige beløb i cloud, dataanalyse og AI. Alligevel har de vanskeligt ved at omsætte teknologien til konkrete forbedringer i den daglige bankdrift. Problemet er bankernes gamle kernesystemer. Det er systemer, der holder styr på kundernes konti, lån, betalinger og transaktioner, og som i årtier har været selve bankens teknologiske maskinrum. De blev imidlertid bygget til en verden, hvor hovedopgaven var at registrere transaktioner korrekt og sikkert.
Fra timer til sekunder
AI-banken stiller et helt andet krav: Hvor et traditionelt kernesystem grundlæggende skal kunne svare på spørgsmålet: hvad skete der?, skal fremtidens bank i stigende grad kunne svare på: hvad bør der ske nu? Det kan eksempelvis være, om en kunde skal have et lån godkendt, om en kreditramme bør ændres, om en pris skal justeres, eller om en mistænkelig transaktion skal stoppes øjeblikkeligt. Dermed bliver bankens kernesystem pludselig en strategisk konkurrenceparameter.
Konsulenthuset giver et konkret eksempel fra en stor universalbank, hvor de gamle systemer krævede en natlig systemkørsel, før banken havde opdaterede oplysninger om kundernes saldi og risici. Konsekvensen var, at justering af kreditrammer og indgreb mod svindel kunne være forsinket med op til 24 timer. Banken etablerede i stedet et mere moderne, hændelsesbaseret system kombineret med machine learning-baserede beslutningsmodeller. Resultatet var markant.
Tiden til at træffe kreditbeslutninger faldt fra timer til sekunder. I udvalgte kundesegmenter steg mængden af godkendte lån med 12 pct., samtidig med at bankens tab på svindel faldt 18 pct. i løbet af det første år. Eksemplet illustrerer McKinseys måske vigtigste pointe: Det er ikke nødvendigvis den bank, som har den mest avancerede AI-model, der vinder. Det afgørende bliver, om banken kan få modellen helt ind i de systemer, hvor de faktiske beslutninger bliver truffet.
Mange banker har ellers gennem det seneste årti valgt den modsatte vej. De har investeret massivt i nye mobilbanker, kundegrænseflader og digitale løsninger, mens de gamle kernesystemer nedenunder i vidt omfang er blevet bevaret. Dermed har bankerne kunnet fremstå moderne over for kunderne uden at gennemføre den langt vanskeligere og mere risikable operation: at udskifte eller grundlæggende modernisere selve bankens teknologiske fundament. Regningen kommer muligvis nu.
Ifølge McKinsey går 60-80 pct. af teknologiudgifterne i mange store banker fortsat til drift og vedligeholdelse af de eksisterende systemer. Det begrænser de ressourcer, der kan bruges på innovation og AI.
Økonomiske gevinster
Konsulenthusets analyse bygger blandt andet på erfaringerne fra mere end 200 større moderniseringer af kernesystemer. Tidligere var businesscasen forholdsvis enkel. Banken kunne spare penge ved at samle it-systemer, reducere kompleksiteten og få lavere driftsomkostninger. Men med AI er regnestykket ved at ændre sig. Den største økonomiske gevinst kan fremover komme fra bedre beslutninger:
Hvis banken eksempelvis kan forbedre kreditvurderingen en smule på millioner af lån, blive bedre til at fastsætte den korrekte rente for den enkelte kunde eller opdage svindel få sekunder tidligere, kan effekten på bankens indtjening blive langt større end den traditionelle besparelse på it-driften. Værdien fra forbedrede beslutninger kan blive mere end dobbelt så stor som de direkte teknologibesparelser, lyder vurderingen.
Det ændrer også karakteren af konkurrencen mellem bankerne.
McKinsey opstiller en række indikative økonomiske potentialer. Moderne AI-understøttede kernesystemer kan reducere tiden til lancering af nye produkter med 50-80 pct. Bedre kreditbeslutninger kan øge mængden af godkendte lån med 5-15 pct. uden at øge risikoprofilen, mens tab på svindel potentielt kan reduceres med 10-20 pct. Samtidig vurderes potentialet for automatisering og AI i driften til en reduktion af det manuelle arbejde på 20-40 pct., mens omkostninger til infrastruktur og drift ligeledes kan reduceres med 20-40 pct.
Nye bankprodukter på tre uger
En anden case i analysen viser, hvor stor forskellen kan blive på produktsiden: En regional bank med aktiviteter i flere lande havde et gammelt kernesystem, hvor reglerne for bankprodukter var kodet direkte ind i systemet. Når banken ville introducere eksempelvis en ny indlånskonto eller ændre prisstrukturen, krævede det omfattende it-arbejde. En lancering tog typisk fire til seks måneder. Banken flyttede i stedet produktparametrene ud af den faste kode og etablerede en konfigurerbar “product factory”. Herefter kunne nye prisvarianter lanceres på under tre uger.
I løbet af 18 måneder lancerede banken mere end 40 forskellige produktvarianter målrettet konkrete kundegrupper. Krydssalget steg samtidig 9 pct., mens fastholdelsen af kunder blev forbedret i de prioriterede segmenter. Det er netop denne udvikling, der kan blive farlig for de banker, der fortsat arbejder på gamle platforme. En konkurrent, som kan ændre prissætning og produkter på få uger, kan reagere langt hurtigere på ændrede markedsvilkår end en bank, hvor ændringer tager et halvt år. AI kan yderligere forstærke forskellen.
En moderne bank kan i princippet lade AI analysere en kundes betalingshistorik, adfærd, risikoprofil og samlede økonomiske værdi og derefter løbende foreslå individuelle kreditrammer, priser eller gebyrfritagelser. Banken bevæger sig dermed fra standardprodukter til langt mere dynamisk bankdrift.
Kredit, priser og inkasso
Konsulenthuset beskriver udviklingen som en overgang fra traditionelle kernesystemer til det, konsulenthuset kalder “intelligent financial engines”: Den klassiske bankplatform er udviklet til effektiv masseproduktion af transaktioner. Den intelligente platform skal kontinuerligt optimere millioner af beslutninger om kredit, priser, kundeservice, svindel og risiko. Data skal samtidig være tilgængelige i realtid frem for at ligge spredt i siloer, og AI-modellerne skal være koblet direkte ind i bankens arbejdsprocesser.
McKinsey opdeler bankerne i tre udviklingstrin.
På første niveau anvendes AI hovedsageligt som støtteværktøj til analyser og medarbejderproduktivitet. Det er eksempelvis copiloter, der hjælper medarbejdere med tekst, research eller programmering.
På næste niveau bliver AI integreret i konkrete processer som kreditvurdering og svindelbekæmpelse.
Det tredje niveau er den egentlige AI-native bank, hvor teknologien kontinuerligt er integreret i produkter, drift, kundeservice, risikostyring og teknologiudvikling.
Mange banker er på vej mod niveau to, mens relativt få endnu har nået det tredje niveau i større skala.
Udviklingen er imidlertid ikke uden problemer: Når AI i stigende grad træffer eller påvirker beslutninger om eksempelvis kredit, priser og inkasso, bliver kravene til dokumentation og kontrol større. Banken skal kunne forklare, hvorfor modellen træffer en bestemt beslutning. Modellerne skal overvåges, stresstestes og beskyttes mod manipulation og fejl. Det samme gælder datasikkerheden.
En AI-bank kræver store mængder data, der bevæger sig hurtigt mellem systemer. Derfor skal moderniseringen kombineres med blandt andet løbende kontrol af identiteter, begrænset adgang til systemer, automatiske compliance-kontroller og stærkere operationel robusthed.
Morten W. Langer
2 md. adgang for
2 x 49 kr.
Få straks adgang til denne artikel og derefter 2 måneder til alle artikler på ugebrev.dk
- Alle artikler på ugebrev.dk
- Om investering, finans, ledelse, samfundsansvar, life science og Bestyrelsesguiden.dk
- Daglige nyhedsmails med nyheder og analyser
Tilbuddet gælder til 31. juni 2026. Abonnement fortsætter til normalpris på 249 kr. efter bindingsperiode på to måneder. Opsig når du vil - til udgang af den anden måned. Tilbud gælder kun, hvis du ikke har haft abonnement på ØU udgivelser de seneste tre måneder
Allerede abonnent? Log ind her
