Finansbranschens AI-kalkyl håller inte — de dolda kostnaderna är ett isberg

Isberget under ytan

Det finns ett mönster som jag känner igen från varje stor teknikskiftning: entusiasmen springer iväg före kalkylen. Generativ AI är inget undantag — snarare det tydligaste exemplet på fenomenet vi sett på decennier.

Enligt Finextra är de direkta licensavgifterna bara toppen av ett betydligt större isberg. Under ytan döljer sig kostnader för datalagring, beräkningskraft, infrastruktur och — kanske allra mest underskattad — den mänskliga faktorn. Personal behöver utbildas. Processer behöver byggas om. Organisationskulturen behöver anpassas. Utan dessa investeringar levererar AI-satsningarna marginell avkastning, oavsett hur imponerande demonstrationerna såg ut i leverantörens säljpresentation.

Innom finanssektorn tillkommer dessutom ett ytterligare lager av komplexitet: strikta krav på dataskydd, spårbarhet och regelefterlevnad. Det är inte gratis att vara reglerad — och det borde varje CFO ha med i sin kalkyl från dag ett.

Verklighet kontra villfarelse — vad sa experterna i Köpenhamn?

På branschkonferensen EBAday i Köpenhamn ställdes den avgörande frågan rakt ut: vad är faktisk verklighet, och vad är överdrivna förväntningar?

Krishnan Srinivasan, vd och regionchef för Europa hos Intellect Design Arena, var tydlig: AI är ingen framtidsvision. Tekniken används redan nu, på konkreta och verkningsfulla sätt inom bankväsendet. Men — och det är ett viktigt men — EU:s regelverk sätter ramar som inte går att bortse ifrån. Den europeiska finanssektorn opererar under ett lagstiftningslandskap som ställer krav på transparens och ansvarsskyldighet som går stick i stäv med hur många generativa AI-modeller faktiskt fungerar.

Tapan Agarwal, chef för betalningstjänster på samma bolag, lyfte fram att det finns tydliga vägar framåt inom betalningsverksamheten — förutsatt att bankerna riktar uppmärksamheten mot rätt utmaningar och vågar investera strukturerat snarare än reaktivt.

Budskapet från Köpenhamn är välbekant för den som följt tidigare teknikcykler: tekniken är redo. Organisationerna är det sällan.

Den ojämna adoptionskurvan — och en viktig pusselbit

Men bilden av AI-adoptionen i finanssektorn är inte svartvit. Den är ojämn — och det är där det börjar bli riktigt intressant.

Medans storbankerna brottas med integrationsprojekt i miljardskalor och interna styrningsfrågor, rör sig mindre aktörer på ett annat sätt. Cybersäkerhetsbolaget BlockAPT illustrerar detta med sin nyligen lanserade plattform Pivotra AI Essential — en AI-driven försvarslösning skräddarsydd specifikt för små och medelstora finansföretag.

Logiken bakom lanseringen är skarp: cyberhoten utvecklas nu i en hastighet som manuella säkerhetsrutiner inte kan matcha. Angripare använder redan automatiserade verktyg och AI för att hitta sårbarheter. Mindre finansbolag hanterar känsliga kunduppgifter och reglerade flöden — men saknar resurser att bygga säkerhetsorganisationer i paritet med de stora aktörerna.

Detta är AI-adoption i sin mest pragmatiska form. Inte ett strategiprojekt, inte ett prestige­initiativ — utan ett konkret svar på ett konkret hot. Och med EU:s regelverk DORA som skärper kraven på motståndskraft i hela sektorn, inklusive de mindre spelarna, kommer behovet bara att växa.

Vad skiljer vinnarna från förlorarna?

Jag har sett det här mönstret förut. Bolag som lyckas med stora teknikskiften är inte nödvändigtvis de som investerar mest — de är de som investerar smartast. De ställer rätt frågor från start: Vad är den totala ägandeskapskostnaden? Var sitter de verkliga flaskhalsarna i vår verksamhet? Vilken förändring kräver tekniken av oss som organisation?

Generativ AI i finanssektorn är varken hype eller verklighet — det är båda på samma gång, beroende på vem som implementerar och hur. Den som ser isberget under ytan innan man kör in i det har ett enormt försprång.