AI-debatten i banksektoren har længe handlet om chatbots, copilots og automatisering af enkelte opgaver. Men det er ifølge konsulenthuset Bain at starte det forkerte sted. Den næste konkurrencekamp bliver ikke mellem banker med og uden AI, men mellem banker, der lægger AI oven på den eksisterende organisation, og banker, der bygger processerne om fra bunden.
Den britiske bank NatWest anvendte tidligere 60-100 dage på at omsætte en kundeindsigt til en konkret kampagne. Processen involverede omkring 40 fuldtidsansatte og mere end ti overleveringer mellem teams.
Efter at processen blev bygget op omkring agentisk AI blev gennemløbstiden reduceret til én dag, mens involveringen faldt til fire-fem fuldtidsansatte og nul handoffs.
Konsulenthuset Bain vurderer, at 80-90 pct. autonom procesafvikling er et realistisk mål på udvalgte bankområder. Det er et markant skridt videre end den første bølge af generativ AI. Her fik medarbejderen et værktøj, der kunne skrive, analysere eller sammenfatte hurtigere.
I den nye AI-native bank er ambitionen, at intelligente agenter selv håndterer store dele af et workflow på tværs af funktioner, data og systemer – mens mennesker i højere grad tager sig af dømmekraft, undtagelser, kontrol og beslutninger.
Medarbejderne forsvinder ikke
Bain sætter høje tal på potentialet. En AI-native bank kan ifølge konsulenthuset sigte mod ti gange højere produktivitet, 100 gange flere eksperimenter, 90 pct. kortere time-to-market og en forbedring af cost/income-ratioen på ti procentpoint.
Gevinsten ligger derfor ikke kun i lavere omkostninger. Den ligger mindst lige så meget i at kunne lancere produkter, teste priser og reagere på kunderne langt hurtigere end konkurrenterne.
Det ændrer også regnestykket for bankernes organisation. Når produktionen ikke længere vokser nogenlunde i takt med antallet af ansatte, bliver bemanding en mindre direkte indikator for kapacitet.
Bain forventer mindre og fladere teams, hvor produkt-, teknologi- og forretningskompetencer smelter mere sammen.
Det betyder ikke, at 90 pct. af medarbejderne forsvinder. Men NatWest-eksemplet viser, hvor voldsomt behovet for manuel koordinering kan falde, når en proces redesignes i stedet for blot at blive effektiviseret.
For nordiske banker er den mest udfordrende pointe derfor næppe, om de kan finde relevante AI-projekter. Spørgsmålet er, om de tør bruge teknologien til at fjerne hele lag af arbejdsgange, godkendelser og organisatoriske grænser.
En bank, der alene bruger AI til at gøre hver eksisterende medarbejder 10 eller 20 pct. mere effektiv, kan komme til at stå over for konkurrenter, der har fjernet størstedelen af selve processen.
Her ligger også risikoen for de etablerede banker. Agentisk AI fungerer dårligt oven på fragmenterede legacy-systemer. Bain fremhæver moderne data, fleksibel teknologi og indbygget kontrol som forudsætninger for at skalere modellen.
Regulatorisk kritiske områder som betalinger, bogføring og centrale kontroller skal fortsat kunne levere entydige og rekonstruerbare resultater, mens AI-agenter kan få større frihed i f.eks. kundedialog og workflow-orkestrering.
Den bedste AI-strategi
Dermed kan AI-investeringerne udvikle sig til en ny skillelinje i europæisk bankdrift.
Banker, der har moderniseret kerne-IT, dataarkitektur og digitale kanaler, får et bedre udgangspunkt for at automatisere hele processer.
Banker med tunge systemlandskaber risikerer derimod at ende med mange lokale AI-værktøjer uden den store effekt på den samlede omkostningsbase.
Bains analyse er i praksis et opgør med forestillingen om AI som endnu et it-projekt.
Hvis NatWest-eksemplet kan overføres til flere centrale bankprocesser, bliver spørgsmålet for investorer ikke blot, hvem der har den bedste AI-strategi.
Det bliver, hvilke banker der først kan omsætte AI til en strukturelt lavere cost/income-ratio – uden samtidig at miste kontrol med risiko, compliance og kunder.
Morten W. Langer
