I min sidste blog diskuterede jeg, hvordan førende finansielle servicevirksomheder (FS) skalerer AI for forretningsværdi, og hvordan der opstår en voksende kløft mellem ledere og efternøler. Jeg introducerede også agentarkitektur og delte eksempler fra den virkelige verden fra softwareudvikling, KYC og krav.
I denne blog udforsker jeg først den værdimulighed, der er på spil, ved at tage en menneskecentreret tilgang til agent AI. Førende finansielle servicevirksomheder designer AI omkring klare forretningshensigter og kunderesultater, og beslutter derefter, hvad mennesker og agenter skal gøre sammen og realisere dem.
Accentures Banking Top Trends 2026:Ubegrænset bankvirksomhed er her
Lær mere
Vores arbejde, arbejdere, arbejdsstyrke-forskning identificerede en forskel på 10,3 billioner USD i BNP-vækst over de næste 15 år mellem at behandle kunstig intelligens som en ren teknologisk ændring i forhold til at tage en menneskestyret tilgang og realisere sit fulde potentiale med arbejdere.
Lad det tal synke ind. Det er omkring 10 % af det globale BNP på spil baseret på, hvordan vi griber AI an.
Kernen i denne mulighed er finansielle tjenesteydelser, med bankvirksomhed (første), forsikring (anden) og kapitalmarkeder (tredje) blandt de brancher med flest arbejdstimer (op til 90 %), som potentielt kan automatiseres eller udvides gennem kunstig intelligens.
Hvorfor? Tidligere bølger af automatisering omhandlede allerede strukturerede dataopgaver. Men med mere end 80 % af verdens data ustruktureret, er meget af det resterende arbejde i FS sprogrigt og i sagens natur ustruktureret. Vi opererer i et miljø defineret af information, service og vidensarbejde.
Det er ingen overraskelse, at generativ kunstig intelligens – bygget til at arbejde med ustrukturerede data og efterligne menneskeligt sprog – er blevet vedtaget hurtigt. Og efterhånden som vi går ind i æraen med agent AI, får vi noget mere:et system, der ikke kun fungerer som et værktøj, men som en sand kollega til at arbejde sammen med os.
Den samme forskning viser, at arbejdsstyrken har blandede følelser omkring AI, og min erfaring bekræfter det. Mens omkring 95 % af folk siger, at de ønsker at arbejde med generativ kunstig intelligens og reskill - ikke overraskende i betragtning af hvor udbredt disse værktøjer bruges i hverdagen - er der stadig bekymringer om sikkerhed, arbejdsintensitet og etik. Medarbejderne bevæger sig gennem denne ændring med forskellige hastigheder.
Den spænding er tydelig i dataene. Ifølge Accentures seneste arbejdsstyrkeundersøgelse føler kun 20 % af medarbejderne sig som aktive medskabere i at forme, hvordan AI ændrer deres arbejde, og kun 17 % siger, at de nyder at bruge AI-værktøjer eller aktivt søger nye måder at anvende dem på. Denne kløft understreger behovet for at involvere medarbejderne tidligt. At designe AI-adoption med mennesker, ikke for dem, er afgørende for at opbygge tillid, ejerskab og adoption i stor skala.
Som svar hjælper vi kunder med at designe AI-værktøjer sammen med deres kolleger og vejlede adoption på måder, der føles inkluderende og styrkende. Vi arbejder med lederteams for at engagere medarbejderne i meningsfulde samtaler om AI og udstyre folk til at hjælpe med at lede forandringen.
Vi har investeret kraftigt i vores LearnVantage-kapacitet til at opkvalificere ledere og hele arbejdsstyrken. For eksempel kan hver medarbejder hos S&P Global nu gennemføre grundlæggende GenAI-uddannelse. I en stor bank hjalp vi med at omdanne mere end tusinde data-, cloud- og full-stack-ingeniører til avancerede og ekspertniveauer af rolleberedskab gennem Udacity.
Vores arbejde med ansvarlig AI, arbejdsdesign og arbejdsstyrkeplanlægning hjælper også organisationer med at skifte fra gamle til nye færdigheder, mindske afskedigelser, forbedre arbejdskvaliteten og sikre, at folk kan trives, efterhånden som deres roller udvikler sig.
Denne forpligtelse rækker ud over individuelle kunder. Ved Davos 2026 annoncerede Accenture og 24 andre organisationer kompetenceløftet "Creating Opportunities for All in the Intelligent Age", der kollektivt forpligter sig til at tilbyde teknologitræning til 120 millioner mennesker inden 2030. Accentures egen forpligtelse er at udstyre mere end 10 millioner mennesker over hele verden med jobrelevant support af denne 2020-ambition, og den digitale kompetence-support. fremviste LearnVantage, dens AI-indbyggede læringsplatform og lancerede en overkommelig AI-mastergrad, der er åben for alle.
En menneskecentreret tilgang tager ikke kun hensyn til arbejdere, men også vores lokalsamfund og samfund. På baggrund af en forbedring af social inklusion i finansielle tjenesteydelser må vi afbøde utilsigtede konsekvenser og øge mulighederne for mobilitet.
Vores nylige undersøgelse med Progress Together, Rise with AI, viser omfanget af udfordringen. I Storbritannien er folk med lavere socioøkonomisk baggrund (SEB) fortsat underrepræsenteret inden for finansielle tjenesteydelser med omkring 30 %. Forskningen fandt også en forskel på 10-15 % i adgangen til AI, AI-relaterede færdigheder, tillid til omskoling, tillid til arbejdsgivere og andre faktorer, der ville hjælpe folk fra lavere SEB'er med at navigere i AI-overgangen.
AI's indvirkning på arbejdsstyrken kræver et intersektionelt syn. Mange af de roller, der er mest berørt af kunstig intelligens i finansielle tjenesteydelser, varetages af kvinder. Vi arbejder med partnere som Tech She Can for at styrke AI-færdigheder og inklusion.
AI kan også være befriende, skabe nye muligheder og forbedre adgangen for mennesker med handicap, herunder dem med synshandicap, eller som er neurodiverse.
I sidste ende skal vi sikre, at AI driver en retfærdig overgang — en, der er inkluderende og retfærdig — med finansielle tjenester, der spiller en central rolle i at forme positive resultater for mennesker, lokalsamfund og samfund.
Den virkelige oplåsning ligger i at genopfinde arbejdet omkring forretningshensigter og kunderesultater. Det starter med værdistrømme og ende-til-ende-processer, ikke individuelle opgaver eller roller. Enkeltbrugstilfælde er for snævre, hvilket typisk kun resulterer i brøkdele af besparelser. Nutidens job er de forkerte "analyseenheder", da de indeholder en blanding af arbejde, der kræver forskellige behandlinger.
Ægte genopfindelse betyder at genoverveje, hvordan arbejde på tværs af værdistrømmen kan udføres fundamentalt anderledes for at levere bedre kunde- og forretningsresultater. Dette inkluderer fjernelse af lavværdi arbejde og slid på forhånd. I stedet bør vi omdirigere indsatsen mod det værdifulde arbejde, der driver kundernes resultater og vækst.
For at foretage dette skift kræver det tre ingredienser:
Vi samarbejdede med et globalt forsikringsselskab for at genopfinde dets garantifunktion ved hjælp af kunstig intelligens. Ved at arbejde direkte med forsikringsgivere forenklede vi først forsikringsstandarderne på ét område – reducerede omkring 130 forskellige vurderingskriterier til 70 konsistente faktorer.
Med processen strømlinet anvendte vi AI til at håndtere de tunge løft ved at gennemgå komplekse mæglerindlæg, ofte 200-300 sider lange. AI udtrak og sammenfattede ustruktureret information til en struktureret beslutningsramme, som forsikringsgivere kunne bruge med det samme. Det udførte dette arbejde mere præcist end en forsikringsassistent og leverede kildedokumentcitater, så forsikringsgivere hurtigt kunne validere indholdet.
Tidligere tog denne proces dage, og forsikringsselskabet havde kun kapacitet til at gennemgå omkring 20 % af indsendelserne, hvilket betød, at levedygtig forretning blev afvist. Med AI faldt gennemgangstiden til timer, hvilket gjorde det muligt for teamet at vurdere alle indsendelser og gør det med større nøjagtighed. Dette låste op for mere end 50 % stigning i omsætningen uden at udvide teamet. Underwriters fik tid til at træffe bedre beslutninger og opbygge stærkere relationer med mæglere.
Denne transformation virkede, fordi ledere forpligtede sig til ægte genopfindelse og en menneskecentreret tilgang. Vi redesignede ende-til-ende underwriting-processen, præciserede, hvor værdi blev skabt, og codesignede de nye arbejdsgange og AI-kapaciteter med forsikringsgiverne selv. Ved at flytte "drudge"-arbejdet til AI-agenter fik forsikringsgiverne frihed til at fokusere på den høje værdivurdering, interaktion og beslutningstagningsopgaver, hvor menneskelig ekspertise gør den største forskel.
Vores agentarkitektur for kreditsalg og udlån i kommerciel banking understøtter relationsadministratorer (RM'er) i håndteringen af låneansøgninger. Denne proces involverer typisk masser af ustrukturerede data, dokumenter og administrative opgaver.
Bygget på Accenture AI Refinery, samler arkitekturen tre koordinerede lag af AI-agenter:
Denne opsætning giver RM'er mulighed for at betjene flere kunder, forbedre kundeoplevelsen, træffe bedre beslutninger med kreditrisiko og fremskynde finansieringen af godkendte lån.
Sammen strømliner disse agenter udlånsarbejdsgangen, hvilket gør det muligt for Relationship Managers (RM'er) at:
Denne arkitektur flytter tiden væk fra manuel gennemgang og administrativt træk. Dette frigør RM'er til at fokusere på aktiviteter med højere værdi såsom rådgivning af kunder, udformning af bedre lånebeslutninger og styrkelse af relationer - alt imens det øger gennemløbet og reducerer risikoen.
Genopfindelse starter med at fokusere på de mest værdifulde, skalerbare værdistrømme i din organisation, ikke på isolerede funktioner eller teknologier. Inden for bankvirksomhed omfatter disse normalt forebyggelse af bedrageri, kundeonboarding og KYC, udlån, relationsstyring og investeringsrådgivning. I forsikring omfatter de tegning, skader og servicering. På markeder omfatter de handel og efterhandel. Genopfindelse af disse processer ende-til-ende låser op for betydelig værdi og skaber grundlaget for virksomhedsomfattende transformation.
En vigtig lektie fra æraen med robotprocesautomatisering er klar:Vi bør ikke "lappe" ødelagte processer med AI. Ledere skal gøre det nemmere at udføre arbejde af høj værdi ved at fjerne kompleksitet, spild og friktion – tilføje tid til det, der virkelig skaber værdi (Sutton og Rao 2024).
De fleste organisationer har allerede lommer af procesmodenhed og bedre indsigt i effektivitet og værdi, især hvor de har bygget Global Capability Centers. Men mange andre værdistrømme forbliver uklare eller fragmenterede.
Hvor processer og værdi ikke er godt forstået, bruger vi vores proprietære Process Value Explorer (PVE) til at afdække arbejdet og dets værdi, ofte sammen med process mining-værktøjer såsom Celonis. PVE giver os mulighed for at analysere indsats, omkostninger, værdi, problemer og andre dimensioner på tværs af tusindvis af medarbejdere samtidigt. At skabe denne synlighed af arbejde og værdi giver os indsigt til genopfindelse.
For organisationer, der søger et bredere syn, bruger vi proprietære analyse- og planlægningsværktøjer til at modellere fremtidens arbejdsstyrke i stor skala. Disse værktøjer muliggør hurtig vurdering af virksomheden og hjælper med at prioritere AI og genoptræningsinvesteringer.
Hos en stor pensions- og investeringsudbyder bruger vi denne analyse til at udvikle en top-down arbejdsstyrkestrategi for bestyrelsen. Tilgangen modellerer kapacitet frigivet eller omdisponeret gennem agent AI og anden automatisering, hvilket giver et klart billede af fremtidige arbejdsstyrkes behov og færdigheder. Dette informerer til gengæld bedre arbejdsstyrkebeslutninger i dag og guider, hvor der skal investeres i kunstig intelligens.
Vi nedbryder aktuelle arbejds- og arbejdsstyrkedata hurtigt og i dybden, identificerer, hvor AI kan have forskellige typer indflydelse, overvejer AI-investeringer under flyvningen og danner et klart overblik over den fremtidige arbejdsstyrke:de nye roller, der er nødvendige, de nødvendige færdigheder, kapacitetsimplikationerne og omkostningsprofilen. Dette hjælper vores kunder med at træffe bedre, mere informerede beslutninger fra arbejdsstyrken, informerer deres forandringsfortælling og vejleder deres AI-investeringsstrategi.
Vi gør dette som en indledende strategiøvelse for CHRO, administrerende direktør eller bestyrelse og integrerer det som en varig kapacitet med vores klients strategiske arbejdsstyrkeplanlægning, hvilket sikrer, at de løbende kan forudse, designe og tilpasse deres fremtidige arbejdsstyrke som AI-adoption skalaer.
Accenture Life Trends-undersøgelsen fra 2025 viste, at 44 % af mennesker følte, at AI-værktøjer øgede effektiviteten, og 38 % følte, at de øgede kvaliteten. Der var dog også nogle negative opfattelser - 16 % mente, at AI-værktøjer fik arbejdet til at føles mere transaktionsorienteret, og 14 % mente, at de begrænsede deres kreativitet.
Folk vil have AI-værktøjer, der absorberer kedelige, gentagne aspekter af deres rolle, så de bedre kan udføre det arbejde, de nyder mest. Slagarbejde dominerer mange menneskers arbejdsuge, selv højtlønnede og faglærte arbejdere.
Folk ønsker at beskytte de menneskelige egenskaber og interessante aspekter af deres arbejde, og de ønsker at bevare en vis kontrol og frihed over, hvordan de arbejder. Kritisk set ønsker de at bevare muligheden for at føle mening, formål og tilfredshed i deres arbejde.
Mens vi designer interaktion mellem mennesker og AI, især interaktion med agenter, er der nogle vigtige ting, der skal rettes op på.
Det begynder med klart at definere målet og værdien af arbejdet og sætte eksplicitte forventninger til, hvad mennesker og AI-agenter er ansvarlige for. Ledere skal være bevidste om, hvor AI's styrker bedst anvendes, hvor menneskelige evner er afgørende, og hvor en kombination giver mest værdi.
Det er grunden til, at vi tager en menneskelig ledende tilgang, hvor folk styrer bedømmelsen, beslutningerne og tilsynet, og AI-agenter giver den støtte, der styrker arbejdet. Dette kræver komplementære roller og ansvar, hvor mennesker bevarer et klart ansvar for arbejdsgange og beslutninger.
Både AI-agenter og menneskelige arbejdere skal uddannes til at udføre deres roller godt. AI bør producere nøjagtige, ensartede resultater; minimer bias; tilpasse sig forskellige sammenhænge; opretholde sikkerhed og privatliv; generere output af høj kvalitet; og være til at forklare. Menneskelige arbejdere skal være i stand til at bruge og vurdere AI-output - gentage, forbedre og vide, hvornår de skal udfordre. I nogle tilfælde betyder det at give folk tid og plads til at anvende de evner, vi er afhængige af mennesker til de fleste:strategisk tænkning, dømmekraft, empati, relationsopbygning og kreativitet. Vi ønsker menneskelige agentinteraktioner, der fremmer fortsat læring og forbedring for begge. Vi vender tilbage til denne idé om samlæring senere.
God interaktion kræver også enkle, intuitive grænseflader. Dette omfatter indlejring af agenter direkte i arbejdsflowet - såsom i en relationsmanager-arbejdsbord eller sagsbehandlerkø - og brug af samtalegrænseflader for at øge brugervenligheden. Mennesker bør bevare kontrollen:i stand til at slukke, tilsidesætte eller redigere AI-output. Det bør altid være tydeligt, hvornår nogen interagerer med AI, hvad AI'en har gjort, og hvordan den producerede sine resultater.
Mange medarbejdere i finanssektoren ønsker mere tid til dybtgående arbejde - rådgivning af kunder, løsning af komplekse problemer eller udvikling af kreative forslag. Veldesignede AI-værktøjer kan reducere kognitiv belastning og skabe betingelser for dybt arbejde (Newport, 2016):fokus, flow og kreativ problemløsning. Når agenter filtrerer støj, giver den rigtige indsigt og automatiserer rutineopgaver, frigør de medarbejdere til at koncentrere sig om den tankegang, der driver klientresultater. Dette er kognitiv ergonomi i aktion - forme teknologi omkring rytmen af menneskelig opmærksomhed og motivation (Sudiarta, 2023), snarere end omkring maskinen.
Kort sagt, hvis agenter nu er vores kolleger, så lad os sørge for, at vi har gode holdkammerater.
Vi arbejdede med en af de største forsikrings- og pensionsudbydere i USA for at genopfinde deres kontaktcentre med agent AI. Løsningen brugte fire Super Agents og 12 genanvendelige Utility Agents bygget på Accentures AI Refinery. Det dannede et fuldt forbundet system:16 API'er integreret i krav-, politik- og garantisystemer, understøttet af to års kundeinteraktionshukommelse.
Kunden investerede meget i test for at opbygge tillid - mere end to millioner trænings- og testopkald, gennemgået af 30 eksperter over tre måneder. Et resultat var en personlig digital assistent, der tilbød relaterbar vejledning (ikke rådgivning) til kunder, reducerede grundlæggende opkaldsmængder og øgede digitale kundeemner.
For kontaktcenterrepræsentanter registrerer agenterne hensigter og følelser, får adgang til kundedata, viser kontekstuel vejledning og anbefaler den næstbedste handling. Dette forbedrede NPS, styrkede opkaldsopløsning og reducerede træningsbehovet med 50 %. Menneskelige repræsentanter kan nu fokusere på empati, dømmekraft og kundeservice af højere værdi.
Vi ser lignende resultater på tværs af amerikanske forsikringsselskaber, herunder et gruppelivsselskab og en livs- og pensionsudbyder.
Hvad med højt kvalificeret professionelt arbejde? Hos Accenture har vi allerede anvendt 14 specialiserede AI-agenter på tværs af kampagnens livscyklus for at støtte vores 2.000 marketingfolk. Kampagner tog én gang op til 150 dage. Ved at bruge SynOps til at analysere arbejdsgange identificerede vi, hvor tiden var spildt, og hvor kvaliteten kunne forbedres. Resultaterne var afgørende:Indsatsen faldt kraftigt - 67 % for kreative briefs, 90 % for første udkast - og hastigheden til markedet blev forbedret med 25-35 %. Arbejdet leverede også en omkostningsfrigivelse på $80 millioner. Disse agenter forstærker marketingfolks kreativitet og gennemslagskraft; de erstatter det ikke.
Vi leverer tilsvarende værdi på tværs af finansielle tjenester. I en stor asiatisk bank, et amerikansk baseret livsforsikringsselskab og flere globale banker omformer agent AI marketingarbejdet. Én global bank understøtter nu 50 % af sine kampagner med kunstig intelligens, hvilket øger den kreative hastighed med 50 % og øger de samlede kampagner med 20 % med et mål på 35 % vækst. En anden stor asiatisk bank opnåede 50 gange flere mikrosegmenterede kampagner, øgede meddelelseshastigheden med 80 % og reducerede oprettelsestiden fra 30 dage til 3. Disse tilgange løfter marketingejeren og skaber kampagner med mere relevans, hurtigere markedspenetration og mere effektivt kundeengagement.
Agentic AI åbner kraftfulde nye muligheder for at genopfinde arbejde inden for finansielle tjenester. For at bruge det godt, må vi vende tilbage til det grundlæggende i arbejdsdesign og træffe disciplinerede beslutninger om, hvordan mennesker og AI skal interagere. Nøglespørgsmål omfatter:
AI - især agent AI - er kraftfuld, men ikke alle problemer har brug for det. Mange genopfindelsesindsatser kræver en blanding af procesændringer, enklere teknologier og lettere vægtformer for AI. Ofte er ligetil arbejde eller beregninger på strukturerede data bedre tjent med grundlæggende algoritmer eller traditionel teknologi. Simple punktopgaver retfærdiggør sjældent agent AI.
AI bærer også reelle omkostninger. Agentarkitekturer er symbolsk intensive, hvilket gør dem dyre og energitunge. Omkostningerne til store sprogmodeller falder med omkring 50 % årligt, og genbrug og forbedrede modeller gør agent AI mere overkommelig. Alligevel bør vi kun bruge AI, når værdien er klar.
Princippet er enkelt:Anvend AI, hvor det tilføjer meningsfuld værdi, og undgå det, hvor det ikke gør.
Nøgleideer til refleksion — jeg vil gerne modtage dine tanker:
I min næste blog vil jeg se på, hvordan organisationer kan lede denne hurtigt udviklende forandring.
For at se, hvordan en menneskecentreret tilgang til AI skaleres på tværs af banker med praktiske handlinger, kan du læse vores Top Banking Trends for 2026 rapport.