AI kan ændre bankerne – men bliver næppe selv banken

Finansielle tjenester kan blive et af de største markeder for kunstig intelligens, uden at udviklerne af de mest avancerede modeller ender med at dominere som banker. Forklaringen er grundlæggende: En bank er ikke blot en app, en kundedialog eller en motor til at træffe beslutninger. Den er en reguleret institution, der holder kapital, styrer likviditet og kredittab og står til ansvar, når pengene flyttes.

Derfor peger meget på en anden arbejdsdeling: AI-laboratorier leverer ræsonnement, brugerflader og infrastruktur til AI-agenter, mens banker, børsmæglere, betalingsvirksomheder og fintech-selskaber fortsat leverer de licenserede produkter og det lag, hvor transaktionerne faktisk gennemføres.

Bankernes sværeste opgave er at bære risikoen

En avanceret AI-model kan forbedre analyse, kundeservice, softwareudvikling og automatisering af arbejdsgange. Men modellen kommer ikke med den balance, der skal til for at modtage indlån eller yde lån.

For en ny national bank i USA forventer Office of the Comptroller of the Currency (OCC), at kapitalen står mål med risiciene i forretningsplanen. OCC's vejledning om bankcharters nævner specifikt en Tier 1-leverage ratio på mindst 8 % i de første tre driftsår – eller indtil banken forventes at have stabil indtjening. 34 Kravet illustrerer en større realitet: Bankvirksomhed handler om over tid at kunne absorbere tab og styre kredit-, likviditets-, drifts-, compliance- og omdømmerisici. OCC's tilsyn med store banker vurderer netop disse risikokategorier. 37

Et AI-laboratorium kan i princippet købe eller opbygge en reguleret institution. Men så skifter virksomheden fra at sælge skalerbar teknologi til selv at bære reguleret finansiel risiko. Det er en helt anden forretningsmodel – og ikke en automatisk følge af at have bedre modeller.

Ansvar kan ikke outsources

Banker kan naturligvis bruge eksterne leverandører. Men den regulerede institution beholder ansvaret for, at arbejdet udføres sikkert, forsvarligt og lovligt. OCC fastslår, at en banks brug af tredjepart ikke mindsker bestyrelsens og den øverste ledelses ansvar for dette. 19

Det gør partnerskabsmodellen strukturelt attraktiv. En bank kan købe en AI-model, en platform til at styre agenter eller implementeringshjælp, men skal fortsat kontrollere relationen i forhold til dens risiko og kompleksitet. Fælles amerikansk tilsynsvejledning om tredjepartsrelationer gælder alle banker, og OCC undersøger specifikt risici fra fintech-virksomheder og andre underleverandører, der understøtter bankaktiviteter. 2818

Compliance er heller ikke en funktion, der blot kan lægges oven på en generel AI-assistent. Det amerikanske banktilsyn omfatter blandt andet programmer mod hvidvask, indberetning af mistænkelige aktiviteter og transaktioner samt forpligtelser efter Bank Secrecy Act. 33 OCC undersøger nationale bankers efterlevelse af reglerne i hver tilsynscyklus. 43

Mere autonome agenter kræver strammere kontrol

Den brugbare finansielle AI-agent er ikke en chatbot med fri adgang til kunders konti. Den arbejder med godkendte data, klart definerede værktøjer, beløbs- og mandatgrænser, godkendelser, logning og procedurer for undtagelser.

Det er både et teknisk og et ledelsesmæssigt spørgsmål. OCC's modelrisikovejledning fra 2026 omhandler modeludvikling, validering, overvågning, governance, kontroller og leverandørprodukter. Samtidig fremhæver OCC, at generativ og agentisk AI er ny og udvikler sig hurtigt – og derfor ikke er omfattet af vejledningens anvendelsesområde. Det understreger, at etableret praksis for modelrisiko ikke besvarer alle spørgsmål om autonome finansielle agenter. 21

Sikkerhed og privatliv sætter en yderligere grænse. Den Internationale Valutafond, IMF, peger på, at autonome agenter, som er afhængige af cloududbydere, modelendepunkter og finansielle tjenester, kan kræve følsomme legitimationsoplysninger eller finansielle data. Det øger risikoen for datalæk og koncentrerede sårbarheder. 13

Den vanskelige opgave er derfor sjældent alene at vælge den bedste model. Det er at forbinde modellen med institutionens kontrollerede data og systemer, så dens handlinger kan gennemgås, begrænses og – hvor muligt – rulles tilbage.

De etablerede aktører sidder fortsat på afgørende aktiver

Banker og betalingsvirksomheder har allerede kunderelationer, identitets- og onboardingprocesser, transaktionsdata med de rette tilladelser, produktregler, svindelkontroller og infrastrukturen, der udfører betalinger. De har også den driftsviden, der ligger indlejret i kernesystemer, hovedbøger, kundeserviceløsninger og sagsbehandlingsprocesser.

AI-laboratorier kan stadig tage betydelig værdi i brugeroplevelsen. Hvis forbrugere i stigende grad undersøger, sammenligner og håndterer økonomiske valg via AI-assistenten, kan assistenten blive et vigtigt sted for både opdagelse og distribution. Men det er noget andet end at eje indlån, kreditvurdere lån, have depotansvar eller være den juridisk ansvarlige transaktionsudbyder.

I praksis kan dataadgang og driftsregler være lige så vigtige som AI-modellens evner. Microsofts analyse af kapitalmarkeder fremhæver, at sikker adgang til godkendte data, sporbarhed, kontraktuelle rammer samt spørgsmål om dataejerskab og værdifordeling er afgørende for, om agentbaserede løsninger kan skaleres. 14

Her kan AI-laboratorierne skabe mest værdi

1. Copiloter, der bliver afgrænsede finansielle agenter

Den nære mulighed er at automatisere veldefineret arbejde: at klargøre ansøgninger, afstemme konti, finde afvigelser, formulere kundekommunikation, opsummere sager og støtte medarbejdere i undersøgelser eller kundebetjening. Den regulerede institution kan afgøre, hvilke handlinger der kræver menneskelig godkendelse, og hvilke der kan ske automatisk inden for klare regler.

OCC har observeret bankers brug af AI til svindeldetektion, identifikation af mistænkelig aktivitet, automatiseret handel, låneprocesser, markedsføring og kundeservice. 22

2. Økonomisk autopilot med tydelige rammer

En kundeautoriseret agent kan hjælpe med faste regninger, likviditetsstyring, opsparingsregler, prioritering af gæld, instrukser om rebalancering af investeringer eller treasury-opgaver. Men banken, mægleren eller betalingsudbyderen forbliver depotfører, långiver, udførelsessted og den regulerede, ansvarlige part.

Branchekommentarer beskriver denne retning som at komme tæt på bankdrift uden selv at blive en bank: AI-agenter kan flytte, betale og rebalancere penge gennem partnerskaber med regulerede aktører, hvor handel og betalinger kan blive et tidligt indgangspunkt. 2

3. Handel og betalinger

Produktsøgning, sammenligning, checkout, fakturering, refusioner og tilbagevendende køb er hyppige arbejdsgange, hvor en agentbaseret brugerflade kan være nyttig. Men agentbaserede betalinger involverer mange parter, herunder forbrugere, handlende, AI-udbydere, banker, dataaggregatorer, betalingsprocessorer, fintech-selskaber og kryptovirksomheder. 6

Det økosystem taler for samarbejde. En AI-assistent kan sætte en handling i gang eller guide kunden, mens tokenisering, autentifikation, autorisation, afvikling, tvistbehandling og compliance fortsat ligger i den etablerede betalings- og finansielle infrastruktur.

4. Virksomhedsløsninger med partnere i den finansielle infrastruktur

Det mest holdbare kommercielle tilbud vil sandsynligvis kombinere en grundmodel med sikker dataadgang, styring af arbejdsgange, evalueringer, revisionsspor og erfaring med at implementere løsninger i regulerede institutioner.

FIS' annoncerede samarbejde med Anthropic er et konkret eksempel på arbejdsdelingen. Virksomhederne oplyste, at de sammen designer en AI-agent mod finansiel kriminalitet, der kombinerer Claudes ræsonnement med FIS' bankdata og regulatoriske infrastruktur. FIS oplyste desuden, at kundedata bliver i FIS-kontrolleret infrastruktur, og at agentens beslutninger skal være sporbare og reviderbare. 11

Det sandsynlige AI-lag i finanssektoren

Det mest plausible udfald er ikke, at AI-laboratorier erstatter bankerne som helhed, men et marked med flere lag:

• AI-laboratorier leverer modeller, ræsonnementssystemer, værktøjer til agenter og muligvis brugerflader til kunder og medarbejdere.
• Finansielle institutioner leverer licenserede produkter, kundetilladelser, compliance-programmer, risikoansvar, depot, kredit og den endelige transaktionsautoritet.
• Betalings- og fintech-infrastrukturudbydere forbinder systemerne via identitet, data, kernebankløsninger, betalingsbehandling og afvikling.

Det gør ikke AI-laboratorier perifere. Et laboratorium, der ejer en bredt anvendt assistent eller leverer den stærkeste platform til virksomhedsagenter, kan få betydelig distribution og økonomisk værdi. Men den varige voldgrav i reguleret finans er fortsat evnen til at bære risiko, drive kontroller og gennemføre transaktioner pålideligt under tilsyn – ikke modelkapacitet alene.