Banker ser kæmpe potentiale: Kunstig intelligens kan bekæmpe svindel og finde vinderaktier

Niels Halse er chef for den afdeling i Danske Bank, der bekæmper svindel. Det er et fuldtidsjob.

Det er også et af de hjørner af forretningen, som er længst fremme med at bruge kunstig intelligens. Noget, landets største bank så småt begyndte at anvende i 2017.

»Vores opgave er dybest set at hjælpe kunder til ikke at blive svindlet, og når uheldet er ude hjælpe dem igennem den oplevelse,« siger Niels Halse.

Han har lidt mere end 100 kollegaer, som hjælper med den opgave. Samt en stribe modeller baseret på kunstig intelligens.

Det er en form for våbenkapløb. Med banken på den ene side. De kriminelle på den anden.

»Når der er nye teknologier, kigger svindlerne desværre på, hvordan de kan bruge dem. Men vi kigger også på, hvordan vi kan bruge dem til at beskytte kunderne i den digitale verden,« forklarer Niels Halse.

Skåret ind til benet monitorerer hans afdeling hver eneste dag kundernes mange millioner transaktioner for at spotte nålen i høstakken. Den ene nål, hvor kunden har været udsat for svindel.

Der er tale om enorme mængder data, og i arbejdet med at identificere det anormale, kommer kunstig intelligens til sin ret.

»Maskinlæring er en god måde at identificere og stoppe den svindel. Grundlæggende er der tale om avancerede statistiske modeller, som fodres med en masse data for at identificere transaktioner,« siger Niels Halse.

For nylig tog afdelingen maskinlæring i brug i monitoreringen af svindel med kreditkort.

»Det har gjort os i stand til at identificere 20 pct. mere svindel, mens vi samtidig har arbejdet på at gøre vores brugeroplevelse bedre,« forklarer han.

Kortsvindel er en særlig udfordring, for når kunder betaler i forretninger, har banken ikke lang tid til at undersøge, om transaktionerne skal gennemføres. Det skal foregå i realtid.

Evnen til at identificere mere svindel er en stor fordel ved kunstig intelligens. En anden er, at indsatsen bliver mere finkornet.

Tidligere blev transaktioner måske stoppet, hvis der var tale om beløb til udlandet på mere end 10.000 kr. foretaget af kunder på mere end 70 år.

»Det er ikke særlig præcist. Med maskinlæring kan vi gøre indsatsen mere præcis, så vi generer færre kunder. For når man bekæmper svindel, stopper man nogle gange transaktioner, der viser sig ikke at være svindel,« siger Niels Halse.

Allerede nu er den kunstige intelligens uundværlig til at opdage svindel og et stærkt supplement til de mere analytikerdrevne metoder, som tidligere stod alene. Og den bliver sandsynligvis stadig bedre som tiden går og datagrundlaget forbedres og modellerne forfines.

»Der er ikke tale om et big bang, hvor det siger ”bum”, og så har du kunstig intelligens. Det er et kontinuerligt arbejde, hvor vi løbende bliver bedre og lærer. Det gør modellerne også,« siger Niels Halse.

Svindelbekæmpelse er et af de steder, hvor Danske Bank er længst med at bruge kunstig intelligens. Men det anvendes også mange andre steder i banken.

Når en kunderådgiver udarbejder et lånetilbud, hjælper kunstig intelligens med at samle kundeoplysninger fra en række systemer, så rådgiveren hurtigt får et overblik over kundens økonomi.

I en periode oplevede kunder også at være i dialog med en chatbot frem for et menneske, når de kontaktede banken. Det sker ikke nu, for på den front vurderer Danske Bank, at teknologien endnu ikke er moden nok til at levere en tilfredsstillende kundeoplevelse.

Men forventningen er, at det blot er et spørgsmål om tid, før det giver mening at genoptage brugen af chatbots.

Samlet har Danske Bank mere end 200 robotter baseret på kunstig intelligens, som bruges forskellige steder i banken.

Investeringsrådgivning er et andet forretningsområde præget af enorme mængder data, hvor det er oplagt at benytte kunstig intelligens.

Det mener Jyske Bank, som har været i gang i flere år.

Senest er banken begyndt at indhente enorme datamængder for at vurdere, om virksomheder er bæredygtige. Noget, som stadig flere investorer kræver, banker kan svare mere og mere detaljeret på.

En stor del af de data kommer fra engelsksprogede medier. Jyske Bank henter data fra 21.000 kilder og benytter kunstig intelligens til at læse, forstå og oversætte tekster. Derefter fodres bankens modeller med de mange data.

»Hvis en kunde overvejer at investere i Novo Nordisk, kan vores modeller blandt andet give en indikation af, hvorvidt virksomheden fremstår billig, af høj kvalitet eller har momentum, samt vurdere i hvor høj grad virksomheden fremstår bæredygtig,« siger Thomas Berngruber, head of data analytics and development i Jyske Bank.

Banken analyserer 9.000 virksomheder i forhold til bæredygtighed og har 4.000 datapunkter for hver virksomhed.

Det er eksempelvis oplysninger om deres aktiviteter inden for fossile brændstoffer eller vedvarende energi, samfundsbidrag i form af skattebetalinger, større fyringsrunder samt sammensætningen af virksomhedens direktion og bestyrelse.

Derudover anvender banken avancerede it-modeller til at analysere finansielle data om 3.000 af virksomhederne for at vurdere deres økonomiske sundhedstilstand.

Til det arbejde bruges it-systemer med komplekse datamodeller, men der er ikke tale om kunstig intelligens.

»Hvis en kunde spørger om en tilfældig aktie, skal vi som minimum være i stand til at have en kvalificeret dialog. Der er mange aktier, og der er grænser for, hvor mange en analytiker kan dække. Derfor bruger vi it og automatiske processer til at understøtte investeringsrådgivningen. Eksempelvis i forhold til amerikanske aktier, som vores analytikere ikke dækker,« siger Thomas Berngruber.

Det bruges til at rådgive private banking-kunder.

Allerede nu kan Jyske Bank konstatere, at de 20 pct. aktier, som scorer bedst i bankens modeller, har slået markedet i seks af syv år.

Thomas Berngruber er derfor ikke i tvivl om, at der er et stort potentiale i at forfine modellerne og anvende kunstig intelligens i større stil i det videre arbejde.

Udover at forbedre kvaliteten i aktieudvælgelsen kan det også højne kvaliteten i kunderådgivningen, påpeger han.

»Det er tidskrævende at yde individuel rådgivning, men med mere effektiv databehandling og bedre understøttelse i rådgivningsprocessen, så bliver der mere tid til den individuelle dialog. Det højner kvaliteten i rådgivningen,« siger Thomas Berngruber.

Nordea har ikke ønsket at stille op til interview, men chefen for bankens afdeling for kunstig intelligens oplyser, at den følger udviklingen tæt.

»Vi bruger allerede kunstig intelligens til at gøre livet nemmere for vores kunder, f.eks. til at udføre automatiserede opgaver. Vi sikrer altid, at vi gør det på en etisk og compliant måde, der tilfører værdi,« skriver Mattias Fras, head of AI hub i Nordea, i en mail.