Finansbransjen bruker milliarder på KI – men avkastningen lar vente på seg

Finansinstitusjoner setter stadig større KI-budsjetter, men investering og eksperimentering gir ikke automatisk målbar forretningsverdi. Hovedbudskapet fra Quinlan & Associates er enkelt: Bransjen er forbi spørsmålet om den skal ta i bruk KI. Nå må den bevise hvilke løsninger som forbedrer inntekter, kostnader, risiko eller kundeopplevelse.

Milliardinvesteringer – og et tydelig avkastningsgap

Quinlan & Associates anslår at finanssektoren brukte 76 milliarder dollar på KI-relaterte initiativer i 2025. Sektorens samlede bruk ventes å passere 130 milliarder dollar innen 2030. 14 Samtidig skal 95 prosent av tradisjonelle finansinstitusjoner enten utforske KI eller allerede bruke teknologien i driften, mens 71 prosent oppgir at de har problemer med å oppnå eller dokumentere tydelig avkastning på investeringen. 3

Dette skillet er viktig. Bred utbredelse viser vilje til å satse, men er ikke i seg selv et bevis på varig verdi fra det enkelte prosjektet. Quinlan-tilknyttede funn viser også at 43 prosent av KI-initiativene blir kansellert. Det understreker hvor ofte prosjekter ikke når fram til en bærekraftig løsning i ordinær drift. 15

Tre hindringer for å hente ut verdi

Quinlan peker på tre sammenhengende årsaker til at KI-satsinger ikke gir forventet avkastning:

1. Teknologi først, forretningsproblem etterpå. Virksomheter kan starte med et tilgjengelig verktøy, i stedet for med et konkret forretningsproblem, en kundereise, en flaskehals i arbeidsflyten og et tydelig verdimål. Da blir det vanskeligere å velge bruksområder med en troverdig vei til effekt. 6
2. Styring og kontroll kommer for sent inn. Når risiko, etterlevelse og kontroller behandles som en godkjenning helt på slutten, kan team oppdage begrensninger først etter at mye tid og penger er brukt. 6
3. Driftsmodellen er ikke rigget for skalering. Fragmenterte data, svake tekniske og organisatoriske fundamenter og begrenset evne til å styre, innføre og skalere KI kan gjøre at lovende prosjekter blir stående fast mellom pilot og bred bruk. 6

Dette er i stor grad utfordringer knyttet til gjennomføring, ikke bare teknologi. En bank eller annen finansaktør kan kjøpe modelltilganger, kjøre pilotprosjekter og telle mange KI-eksperimenter uten å endre arbeidsflytene og ansvarsfordelingen som må til for å oppnå et økonomisk resultat.

God KI-styring er en del av avkastningen

I finanssektoren er tillitvekkende KI-styring ikke adskilt fra kommersiell effekt. Den avgjør om et bruksområde kan godkjennes, settes i drift, overvåkes og få tillit på det nivået av selvstendighet som forretningscaset forutsetter.

World Economic Forums veileder for KI i finanssektoren anbefaler at risikostyring og ansvarlig KI bygges inn på alle nivåer: Risikovilje må defineres tidlig, modeller må valideres grundig, og KI-handlinger må være forklarbare, sporbare og kontrollerbare. 1 Dette blir særlig viktig når virksomheter går fra støtteverktøy til systemer som kan utføre handlinger i flere trinn. Tydelige grenser, eskaleringsrutiner og menneskelig tilsyn kan redusere den operative usikkerheten som ellers hindrer verdifulle bruksområder i å skalere.

Bransjedata peker i samme retning. IIF-EY-undersøkelsen trekker fram datakvalitet og tilgang på data som de viktigste utfordringene når KI skal i produksjon, sammen med behovet for kompetanse og styringsmekanismer. 4

BCG og NVIDIA: Ulike tall, samme hovedbilde

Det bredere forskningsbildet støtter Quinlans diagnose, selv om undersøkelsene har ulike utvalg og målemetoder.

BCG spurte over 280 finansledere og fant en median rapportert avkastning fra KI og generativ KI på 10 prosent. Det er under de 20 prosentene mange av respondentene siktet mot, og nær en tredel rapporterte bare begrensede gevinster. 43 I en annen studie av mer enn 1 250 selskaper fant BCG at bare 5 prosent oppnådde KI-verdi i stor skala, mens 60 prosent rapporterte liten vesentlig verdi til tross for betydelige investeringer.

NVIDIAs undersøkelse fra 2025 viser den andre siden: Enkelte KI-løsninger i drift gir håndfaste resultater. Nær 70 prosent av respondentene oppga at KI hadde økt inntektene med minst 5 prosent, og over 60 prosent sa at teknologien hadde redusert årlige kostnader med minst 5 prosent. Handel og porteføljeoptimalisering, samt kundeopplevelse, var de generative KI-bruksområdene som oftest ble oppgitt å gi høyest avkastning.

Studiene motsier dermed ikke hverandre. KI kan gi avkastning, men det å ha satt en løsning i drift er ikke det samme som å ha skapt verdi. Forskjellen ligger i om virksomheten har valgt et verdifullt bruksområde, endret den relevante arbeidsflyten, bygget pålitelige data og kontroller – og faktisk målt den operative og finansielle effekten.

Fra adopsjon til gjennomføring

Det tydeligste signalet fra Quinlans rapport er avstanden mellom pengebruk, aktivitet og realisert verdi: En investeringsbase på 76 milliarder dollar i 2025, utbredt KI-aktivitet blant institusjonene og fortsatt store problemer med å dokumentere avkastning. 14 3

For ledere i finanssektoren er den praktiske konsekvensen å behandle KI som et program for forretningstransformasjon, ikke som en samling enkeltstående piloter. Start med et målbart forretningsmål, avklar risiko- og styringskrav før utvikling, plasser ansvar for resultatene og følg opp måltall gjennom hele livsløpet etter lansering. BCG argumenterer på samme måte for at selskaper som skaper betydelig verdi, konsentrerer seg om et begrenset antall initiativer, skalerer dem raskt, endrer kjerneprosesser, bygger kompetanse og måler operative og økonomiske resultater systematisk.

Det neste konkurranseskillet vil derfor neppe gå mellom institusjoner som har KI og dem som ikke har det. Det vil gå mellom dem som kan bruke KI trygt og målbart i sentrale arbeidsflyter – og dem som fortsetter å samle på eksperimenter uten en repeterbar vei til verdi.