AI i banksektorens kunderådgivning

Projektet har til formål at afdække tilgange og perspektiver, som banksektoren i Danmark ser i deres brug af kunstig intelligens til at kvalificere beslutningstagen i deres privatkunderådgivning.

Det grundlæggende forskningsspørgsmål er:

• I hvilket omfang gør den danske banksektor brug af kunstig intelligens (AI) i forhold til beslutningstagning i privatkunderådgivning?

Forskningsspørgsmålet afgrænses således:

Bankerne er sorteret og grupperet efter størrelsen af deres arbejdende kapital, defineret som summen af indlån, udstedte obligationer, efterstillede kapitalindskud samt egenkapitalen. Udenlandske banker med filialer i Danmark, herunder Nordea, kategoriseres i en gruppe for sig, og er ikke med i denne liste. Listen er baseret på en liste fra Finanstilsynet, senest med tallene for 2022.

Der udvælges prioriteret 6 forskellige typer af banker fra listen, 2 fra hver af kategorierne 1, 2 og 3, for at få en fornemmelse af om der er forskelle i brugen af kunstig intelligens (AI) i forhold til bankerne størrelse.

• Hvordan opfatter nøglemedarbejderen hos de udvalgte banker inden for tre grupperinger i banksektoren deres brug af kunstig intelligens i forhold til beslutningstagning i privatkunderådgivning?

Den finansielle sektor er en af de sektorer, der først er blevet digitaliseret. I slutningen af 60’erne begyndte bankerne at indføre edb-centraler, så behandling af checks og veksler kunne ske elektronisk. Dankortet blev indført af PKK i 1983 for at rationalisere betalingsformidlingen i Danmark. I 2001 var der udstedt knap 3,2 mio. Dankort. Fremadrettet vil et af de helt store konkurrenceparametre for banksektoren være deres evne til at rådgive kunderne bedst og billigst. Kundemobiliteten på bankmarkedet er ca. 5 pct. årligt, og niveauet har været stort set uændret de seneste ti år. Den gennemsnitlige årlige mobilitet på bankmarkedet dækker over en forskelligartet adfærd blandt kunderne. Således peger analyserne på, at der er en gruppe kunder, der oftere skifter bank, og en gruppe som kun sjældent eller i mange tilfælde aldrig har skiftet bank.

AI og Machine-learning ses i den sammenhæng som et konkurrenceparameter for bankerne. Flere banker har åbenlyst givet udtryk for, at de anser brugen af kunstig intelligens (AI) som vejen frem til at lave mere personlig rådgivning af kunderne og dermed give en bedre service samtidig med, at de gerne ser produktiviteten stige.

Projektet skal være med til at afdække, i hvilket omfang banksektoren i dag anvender kunstig intelligens (AI) i deres beslutningstagen ift. privatkunder og hvordan machine-learning og kunstig intelligens (AI) bliver en naturlig forlængelse af en kundeinteraktion, og om det fremover kommer til at fylde mere på agendaen i kunderådgivningen i banksektoren.

Projektet er inddelt i fire arbejdspakker (WP), som er underinddelt i arbejdsopgaver (T) samt leverancer (D).

WP1: Administration (01-08-23 – 31-12-23)

T1.1: Styregruppemøder (Oktober 23)

T1.2: Deltagelse i Frascatinetværk (09-10-23)

WP2: Spørgeramme og population (01-08-23 – 15-08-23)

T2.1: Udvælgelse af population / interviewpersoner (01-08-23 – 10-08-23)

T2.2: Udvikling af spørgeramme (10-08-23)

D2.1: Plan for interviews (intern deliverable; 15-08-23)

WP3: Interviews (15-08-23 – 07-11-23)

T3.1: Gennemførsel af interview med gruppe 1-bank (15-08-23 – 07-11-23)

T3.2: Gennemførsel af interview med gruppe 1-bank (15-08-23 – 07-11-23)

T3.3: Gennemførsel af interview med gruppe 1-bank (15-08-23 – 07-11-23)

T3.1: Transkription af interview 1 (15-08-23 – 07-11-23)

T3.2: Transkription af interview 2 (15-08-23 – 07-11-23)

T3.3: Transkription af interview 3 (15-08-23 – 07-11-23)

WP4: Analyse og videnproduktion (01-11-23 – 31-12-23)

T4.1: Analyse af interviews (01-11-23 – 07-12-23)

T4.2: Produktion af case 1 (01-11-23 – 24-11-23)

T4.3: Produktion af case 2 (01-11-23 – 24-11-23)

T4.4: Produktion af case 3 (01-11-23 – 24-11-23)

T4.5: Møde om udarbejdelse af working paper (27-11-23)

T4.6: Produktion af working paper (24-11-23 – 21-12-23)

T4.7: Produktion af podcast (21-12-23)

D4.1: Working paper (21-12-23)

D4.2: Podcast (21-12-23)

Projektet er struktureret som case studie baseret på kvalitative interviews. Resultaterne gælder derfor ikke nødvendigvis for andre end den undersøgte case. Der udvælges mindst 1 bank fra hver gruppe (skitseret nedenfor), hvor der interviewes en nøglemedarbejder inden for AI-området, formodentlig på et strategisk niveau.

Projektet er et kvalitativt interview-baseret projekt, der med semi-strukturerede interview skaber kvalitative data, der vil blive analyseret primært ud fra et meningsperspektiv. Dette er valgt for at give indsigt i komplekse, eksisterende praksisser, tanker og perspektiver. Empirien er som minimum tre kvalitative interview med nøglepersoner inden for AI fra tre banker, der hver ligger inden for en af de tre grupper.

Spørgerammen defineres i fællesskab, men tilpasses af den enkelte interviewer. Der beskrives tre cases, der giver indsigt i de forskellige perspektiver. Disse samles i et working paper, der munder ud i en fælles diskussion og konklusion, samt en perspektivering til, hvilke tematikker, det kunne være interessant at arbejde med i et eventuelt efterfølgende projekt.

Det forventes, at projektet skaber et begyndende overblik over de praksisser, temaer og perspektiver, banksektoren har i forhold til brugen af kunstig intelligens til at understøtte beslutningstagen i privatkunderådgivningen.

De konkrete, eksternt rettede videnprodukter er:

• 1: Et working paper, der gennemgår metode og resultater
• 2: En podcast-episode, der præsenterer læringen

Begge publiceres her på EAviden og via Danias andre kanaler.

Det forventes endvidere, at working paperet peger i retning af eventuelle senere undersøgelser, der kan munde ud i andre projekter inden for emnet.

At have viden om bankers brug af kunstig intelligens (AI) i privatkunderådgivningen kan være gavnligt af flere årsager:

• Forståelse af teknologiske fremskridt: Viden om, hvordan banker anvender AI i kunderådgivningen, giver os indsigt i de nyeste teknologiske fremskridt inden for banksektoren. Dette kan være nyttigt, da AI i stigende grad spiller en central rolle i banksektoren.
• Bedre rådgivning og service: Når vi er opmærksomme på, hvordan AI bruges i privatkunderådgivningen, kan vi bedre forstå de services og rådgivningstilbud, som banker muligvis har som følge af denne teknologi. AI kan bruges til at analysere kundedata, identificere mønstre og træffe mere præcise anbefalinger til at opfylde individuelle behov.
• Effektivitet og personliggørelse: Banker bruger AI til at automatisere visse opgaver, hvilket kan øge effektiviteten og frigøre tid for rådgivere til at fokusere på mere komplekse og personlige opgaver. Ved at forstå, hvordan AI implementeres i privatkunderådgivningen, kan vi få en idé om, hvordan denne teknologi kan hjælpe med til at skabe mere personlig og skræddersyet rådgivning.
• Beskyttelse af personlige oplysninger og sikkerhed: AI-systemer kan behandle store mængder data om privatkunder. Ved at være opmærksomme på, hvordan banker anvender AI, kan vi være bedre i stand til at forstå, hvordan kundernes personlige oplysninger skal håndteres og beskyttes og dermed give tryghed og tillid til bankens datasikkerhedsforanstaltninger.
• Fremtidige jobmuligheder: Hvis man er interesseret i at arbejde inden for banksektoren eller teknologibranchen, kan viden om AI’s anvendelse i privatkunderådgivning også være værdifuld. Det kan betyde, at andre kompetencer end dem, vi uddanner til i dag, er nødvendige og kan måske også åbne døren for andre karrieremuligheder inden for områder relateret til brugen af data og AI som f.eks. dataanalyse.