Milliarder til AI – men finanssektoren kæmper stadig med at dokumentere gevinsten

Finansvirksomheder sætter stadig større beløb af til kunstig intelligens, men flere forsøg og større budgetter giver ikke automatisk dokumenterbar forretningsværdi. Quinlan & Associates’ hovedpointe er, at sektoren er forbi spørgsmålet om, hvorvidt den skal tage AI i brug. Nu handler det om at bevise, hvilke løsninger der faktisk løfter indtægter, sænker omkostninger, forbedrer risikostyringen eller giver kunderne en bedre oplevelse.

Investeringerne vokser – men afkastet halter

Quinlan & Associates vurderer, at den finansielle sektor brugte 76 mia. dollar på AI-relaterede initiativer i 2025. Udgifterne ventes at overstige 130 mia. dollar i 2030. 14 Samtidig er 95 % af de traditionelle finansinstitutioner enten i gang med at undersøge AI eller har allerede taget teknologien i brug i driften. Men 71 % siger, at de har vanskeligt ved at opnå eller dokumentere et klart afkast af investeringerne. 3

Det er en væsentlig forskel: Bred anvendelse viser ambition, men er ikke i sig selv bevis for, at de enkelte projekter skaber varig værdi. Quinlan-relaterede resultater viser desuden, at 43 % af AI-initiativerne bliver annulleret. 15

Tre barrierer står i vejen for værdien

Ifølge Quinlan hænger problemerne med at hente værdi hjem især sammen med tre forhold:

1. En teknologidrevet strategi. Organisationer kan tage udgangspunkt i et tilgængeligt værktøj i stedet for et klart forretningsproblem, en kunderejse, en flaskehals i arbejdsgangen og et konkret værdimål. Det gør det sværere at udvælge use cases med en troværdig vej til effekt. 6
2. For sen governance. Når risiko, compliance og kontrol først behandles som et godkendelsestrin efter designfasen, kan teamet opdage afgørende begrænsninger, når der allerede er brugt betydelig tid og mange penge. 6
3. Driftsmodeller, der ikke kan skaleres. Fragmenterede data, et svagt implementeringsfundament og utilstrækkelig kapacitet til at styre, sætte i drift og opskalere AI kan fastholde lovende projekter i pilotfasen. 6

Med andre ord er der især tale om udfordringer i eksekveringen – ikke blot om begrænsninger i selve teknologien. En institution kan købe modeladgang, lave proof of concepts og fremvise mange AI-eksperimenter uden at ændre de arbejdsgange og ansvarsforhold, der skal til for at skabe et økonomisk resultat.

Governance er en del af mekanismen bag ROI

I finanssektoren er troværdig AI-governance ikke adskilt fra den kommercielle gevinst. Den er med til at afgøre, om en use case kan godkendes, sættes i drift, overvåges og bruges med den grad af autonomi, som forretningscasen kræver.

World Economic Forums AI-playbook for finanssektoren anbefaler, at risikostyring og ansvarlig AI bygges ind på alle niveauer: Risikovilligheden skal fastlægges tidligt, modeller skal valideres grundigt, og AI-systemers handlinger skal være forklarlige, sporbare og kontrollerbare. 1 Det bliver særligt vigtigt, når virksomheder bevæger sig fra AI-værktøjer, der assisterer medarbejdere, til systemer, der kan udføre handlinger i flere led. Tydelige grænser, eskalationsveje og menneskelig kontrol kan mindske den driftsmæssige usikkerhed, som ellers forhindrer værdifulde løsninger i at blive skaleret.

Branchedata understreger også betydningen af et solidt fundament. IIF-EY’s undersøgelse peger på datakvalitet og adgang til data som nogle af de største udfordringer ved at få AI i reel drift – sammen med behovet for kvalificerede medarbejdere og governance-foranstaltninger. 4

BCG og NVIDIA: AI kan betale sig, men ikke af sig selv

Det bredere forskningsbillede understøtter Quinlans diagnose, selv om undersøgelserne bygger på forskellige målgrupper og målemetoder.

BCG spurgte mere end 280 ledere med ansvar for finansfunktionen og fandt et medianrapporteret afkast på 10 % for AI og generativ AI. Det var under de 20 %, som mange sigtede efter, og næsten en tredjedel rapporterede kun begrænsede gevinster. 43 I en særskilt undersøgelse af mere end 1.250 virksomheder fandt BCG, at blot 5 % skabte AI-værdi i stor skala, mens 60 % ikke oplevede nævneværdig materiel værdi trods betydelige investeringer.

NVIDIAs undersøgelse af finanssektoren viser den anden side: Nogle løsninger i drift giver håndgribelige resultater. Næsten 70 % af respondenterne oplyste, at AI havde øget omsætningen med mindst 5 %, mens over 60 % sagde, at teknologien havde reduceret deres årlige omkostninger med mindst 5 %. Handel og porteføljeoptimering samt kundeoplevelse var de generative AI-anvendelser, der hyppigst blev fremhævet for deres afkast.

Resultaterne modsiger derfor ikke hinanden. AI kan skabe afkast, men en implementering er ikke i sig selv målet. Forskellen ligger i, om virksomheden har valgt en værdifuld use case, ændret den relevante arbejdsgang, opbygget pålidelige data og kontroller samt målt den driftsmæssige og økonomiske effekt.

Den afgørende konkurrence handler nu om eksekvering

Quinlans rapport peger på et tydeligt misforhold: En investeringsbase på 76 mia. dollar i 2025, høj aktivitet blandt institutionerne og fortsatte vanskeligheder med at dokumentere udbyttet. 14 3

For ledere i finanssektoren er den praktiske konsekvens at behandle AI som et program for forretningstransformation frem for en samling af enkeltstående pilotprojekter. Start med et målbart forretningsmål, fastlæg krav til risiko og governance før udviklingen, placer et tydeligt ejerskab for resultaterne og følg nøgletal gennem hele livscyklussen efter idriftsættelsen.

BCG når frem til en lignende anbefaling: Virksomheder, der skaber betydelig værdi, fokuserer på et begrænset antal initiativer, skalerer dem hurtigt, ændrer kerneprocesser, opkvalificerer medarbejderne og måler systematisk både den operationelle og finansielle effekt.

Den næste konkurrencefordel kommer dermed næppe af blot at have AI. Den vil tilfalde de institutioner, der kan anvende AI sikkert, målbart og i centrale arbejdsgange – frem for fortsat at samle på eksperimenter uden en gentagelig vej til værdi.