Från automatisering till cybersäkerhet: Så används AI i finansbranschen

AI går från hajp till vardag också inom bank och finans. Realtid har bett Jens Norell, Data Scientist på techkonsultbolaget Tretton37 att beskriva hur svenska banker och finansbolag redan idag använder artificiell intelligens och maskininlärning. Jens Norell är utbildad nationalekonom och har tidigare arbetat inom finansbranschen, men är idag konsult med inriktning mot AI och ML.

Här är några av hans exempel:

• Automatisering. I alla möjliga sammanhang finns arbetsuppgifter som en modell gör mycket bättre och snabbare än någon människa. Alla nedanstående koncept innehåller garanterat mycket automatiserad verksamhet.
• Bedrägeriupptäckt. Saker som pengatvätt, korruption och skattefusk kan förhindras genom att analysera olika mönster, exempelvis trading, betalningar och externa placeringar. Alla svenska storbankerna arbetar så, men också internationella giganter som Thomson Reuters och PayPal.
• Riskhantering. Finansbranschen har länge använt modeller för att bevaka risk. Detta kan vara allt från kreditrisk, portföljrisk och operativa risker. Med hjälp av maskininlärning kan man upptäcka och förutse risksituationer i god tid på ett annat sätt än andra modeller kan. Exempel på detta är American Express som använder maskininlärning för att upptäcka om kunder kan ha betalningssvårigheter.
• Kundservice. SEB har Aida, Nordea har Nora. Storbankerna har sedan länge använt chatbottar och virtuella assistenter, men även exempelvis Klarna använder AI för att skräddarsy kundupplevelsen. Med framväxten av generativ AI tror Jens Norell att vi kommer se mycket fokus på individualiserad kundservice.
• Portföljanalys. Speciellt den mer kvantitativa sidan av finansbranschen använder maskininlärning för prediktioner, allokeringsberäkningar, optimering och automatisk trading. Ett par exempel på företag som använder maskininlärning för marknadsprediktion är IBMs modell Watson, BlackRocks modell Aladdin och Goldman Sachs.
• Regelefterlevnad. Stora språkmodeller (LLMs) som Bard, ChatGPT och Grok kan även användas för att skanna igenom dokument och se till att lagar och regler följs som de ska. Exempel på detta är JP Morgans program COIN.
• Cybersäkerhet. Banksystemet är viktigt för samhällets basala funktioner, och AI används för att motverka exempelvis hacking och digitala intrång.

Vilka är då företagens främsta utmaningar i arbetet? Jens Norell listar tre centrala punkter:

• Förståelse och transparens. Speciellt djupinlärning ses ofta som en ”black box” – det går inte alltid att förklara varför en modell beter sig på ett visst sätt. Detta kan vara ett stort problem när det kommer till regelefterlevnad eller rapportering som ofta kräver total transparens.
• Bias. Data tar inte hänsyn till saker som rättvisa, jämställdhet eller neutralitet – detta innebär att man måste justera dessa saker på en modellnivå. Man brukar tala om att data – exempelvis priser – representerar all tillgänglig information vid en viss tidpunkt. Men det innebär inte att informationen alltid är önskvärd eller rättvisande. För att ge ett enkelt exempel: om en bank vill utveckla en modell som predikterar reporäntan tio år framåt så kanske de senaste femton åren inte är särskilt representativa eftersom vi har varit i en väldigt speciell period i den globala ekonomin. Alltså finns en inbyggd bias som förvränger resultatet.
• Kundintegritet. Eftersom man måste använda data för att träna maskininlärningsmodeller måste man också ge modellen data som kan röja identiteter eller annan personlig information. Det finns sätt att hantera detta till viss grad, men Jens Norell har svårt att se att det någonsin kommer bli 100 procent säkert.

Vilka är de främsta möjligheterna med AI/ML i finansbranschen framöver?
– De främsta möjligheterna är mer avancerad användning av det som finns idag, alltså bättre riskhantering, analyser och automatisering. Den sak jag främst skulle vilja se, ur ett samhällsperspektiv, är skräddarsydd hjälp för ekonomiska frågor med hjälp av stora språkmodeller. Låt oss kalla det Bankchat. Bankchat skulle kunna hjälpa kunder med enklare frågor, som hur olika bankkonton fungerar, men även mer komplexa saker som hur inflation fungerar eller hur jag bör investera mina pengar. Här finns stora möjligheter att sprida kunskap och spara tid i människors vardag. Ännu längre fram kan man nog vänta sig tung automatisering av det mesta inom finansbranschen, precis som i många andra branscher, säger Jens Norell.