Sparade Deutsche Bank verkligen tusentals timmar med AI – eller säljer de en saga?

När siffrorna låter för bra för att vara sanna

Låt mig vara tydlig från start: jag tror genuint på AI:s transformativa kraft i finanssektorn. Den potential som finns för att effektivisera riskbedömning, automatisera regelefterlevnad och förbättra kundupplevelser är verklig och dokumenterad. Men just därför är det viktigt – faktiskt avgörande – att vi håller isär marknadsföring från mätbara fakta.

Deutsche Bank har nyligen fått bred uppmärksamhet i finansbranschen efter att ha presenterat vad som beskrivs som dramatiska produktivitetsvinster tack vare sina AI-satsningar. Tusentals sparade arbetstimmar, effektiviserade interna processer, förbättrad riskbedömning – listan är imponerande. Men enligt Finextra saknas oberoende verifiering av de angivna talen, och kritiker påpekar att siffrorna i hög utsträckning bygger på bankens egna uppskattningar utan tydlig redovisning av hur mätningarna faktiskt har genomförts.

Det är inte en detalj. Det är kärnan i hela diskussionen.

Ett välkänt mönster med höga insatser

Finanssektorn befinner sig just nu i ett unikt tryckläge. Investerare, styrelser och tillsynsmyndigheter ställer alla samma fråga: Vad får vi egentligen ut av AI-investeringarna? Det skapar starka incitament att lyfta fram de mest gynnsamma resultaten – att plocka russinen ur kakan och presentera dem som hela pajen.

Detta är inte ett fenomen unikt för Deutsche Bank. Det är ett strukturellt mönster som vi sett upprepas gång på gång när ny teknik ska säljas in – till investerare, till styrelser, till allmänheten. Kom ihåg de tidiga åren med stordata, molntjänster och blockkedjeteknik. Varje teknikvåg har haft sin fas av överdrivna löften innan verkligheten satt in och mer nyanserade, men ofta mer hållbara, affärsnyttor tog form.

AI är annorlunda i sin grundläggande kapacitet – men det gör det ännu viktigare att vara noggrann med hur vi mäter och kommunicerar resultat.

Från pilotprojekt till verklig affärsnytta – klyftan är större än den ser ut

En av de mest underskattade utmaningarna inom AI-omställningen i banker och finansinstitut är just steget från lovande pilotprojekt till storskalig, mätbar och hållbar affärsnytta. Det är relativt enkelt att identifiera en process där ett AI-verktyg kan spara tid i en avgränsad testmiljö. Det är betydligt svårare att rulla ut det i en komplex organisation med äldre teknisk infrastruktur, strikta regelkrav och tusentals medarbetare som behöver förändra sina arbetssätt.

Analytiker som granskar Deutsche Banks påståenden pekar just på denna klyfta. Var siffrorna tagna från enstaka pilotprojekt? Hur representativa är de för hela verksamheten? Utan transparens i metodik och mätning är det omöjligt att svara på de frågorna – och utan svar är siffrorna i praktiken värdelösa som underlag för strategiska beslut.

Vad branschen verkligen behöver

Det jag efterlyser är inte pessimism kring AI – tvärtom. Jag efterlyser precisionskommunikation. Finanssektorn behöver etablera gemensamma standarder för hur AI-relaterade produktivitetsvinster mäts och redovisas. Det gynnar alla parter: banker som faktiskt levererar resultat får trovärdig dokumentation att visa upp, investerare och tillsynsmyndigheter får ett tillförlitligt beslutsunderlag, och branschen som helhet undviker den baksmälla av förlorat förtroende som brukar följa på en period av överdrivna löften.

Deutsche Bank kanske faktiskt levererar riktiga vinster. Det är fullt möjligt. Men utan transparenta mätmetoder och oberoende granskning kan vi inte veta det – och det är i sig ett problem som sträcker sig långt bortom en enskild bank.