Rådgivere bruker allerede AI, så hvorfor blir ikke banken bedre?

Teknologien er ikke lenger den største utfordringen

Bram Timmermans fra NHH formulerte det godt på et frokostseminar i regi av Finance Innovation og Kvesst i november 2025: norske virksomheter må skille mellom personlig effektivitet og organisatorisk produktivitet. Det at en rådgiver skriver e-poster raskere, er ikke det samme som at banken blir bedre.

Det samme mønsteret dokumenteres i forskningen. Den internasjonale arbeidsorganisasjonen (ILO) kaller det et aggregeringsparadoks, der AI gir betydelige effektiviseringsgevinster på oppgavenivå, særlig i teksttunge, veldefinerte oppgaver, men effekten på organisasjonsnivå er langt mer blandet (ILO, 2026).

Så hva skiller bankene som får organisatorisk verdi, fra dem som bare får mer effektive enkeltpersoner? Vår erfaring er at den individuelle gevinsten lekker ut gjennom fire lekkasjepunkter, og felles for alle er at de bare kan tettes av en beslutning ledelsen kan ta, ikke av noe den enkelte rådgiver eller medarbeider kan ordne på egen hånd.

Lekkasje 1: Det handler om å endre arbeidsmåten og ikke bare verktøyet

Tenk deg en kredittrådgiver. Før brukte han en halvtime på førsteutkastet til et kredittnotat, men med AI tar utkastet fem minutter. Likevel behandles saken like raskt som før. Notatet skal kvalitetssikres, sendes gjennom de samme overleveringene og bygge på informasjon fra de samme systemene. AI gjorde én oppgave raskere, men ikke prosessen bedre. Dette er det mest kontraintuitive bildet, da gevinsten er ekte, men den blir liggende på oppgavenivå. Med andre ord, saken når kunden like sent som før fordi prosessen gevinsten renner inn i er den samme.

Men dette er ikke noe nytt. Da elektrisiteten kom inn i industrien, uteble den fulle gevinsten i flere tiår. Fabrikkene hadde byttet ut dampmaskinen med en elektrisk motor, men beholdt den gamle utformingen, med maskinene stilt opp rundt én sentral kraftkilde. Først da fabrikkene ble bygget om fra grunnen, med egen motor på hver maskin og en ny arbeidsflyt, kom produktivitetshoppet. Teknologien var på plass lenge før verdien, fordi verdien lå i å tegne om arbeidet, ikke i å bytte kraftkilde.

Det samme gjelder på mange måter AI i bank. Den største gevinsten ligger i å tegne om arbeidet rundt verktøyet, å se hvilke steg som forsvinner og hvem som gjør hva når prosessen settes sammen på nytt. Legger man AI oppå en uendret prosess, blir aggregeringsparadokset stående, der gevinsten finnes på oppgavenivå, men aldri samles til noe banken kjenner igjen i sine egne tall.

Lekkasje 2: Frigjort tid må ha et sted å gå

Anta så at det første punktet er tettet, at gevinsten faktisk oppstår fordi arbeidet er tegnet om og ikke bare fordi verktøyet er på plass. Da melder det neste lekkasjepunktet seg. Se for deg en avdeling som plutselig frigjør noen timer i uken. Spør du et halvt år senere hva de timene gikk til, er svaret ofte et skuldertrekk. Når AI fjerner en tidstyv, oppstår et spørsmål flere banker ikke har svart på: hva skal den frigjorte tiden brukes til?

Svaret er ikke gitt. Noen ganger er mer av det samme akkurat det banken vil ha, flere kundesamtaler, flere behandlede søknader og mer tid til rådgivning som faktisk skaper salg. Andre ganger forsvinner tiden i lavverdioppgaver ingen egentlig har prioritert. En global undersøkelse fra Workday viser at 32 prosent av ansatte fyller frigjort tid med mer av det samme (Workday, 2026). Poenget er ikke at det alltid er sløsing, men at utfallet blir tilfeldig når ingen har bestemt hva kapasiteten skal brukes til.

I prosjekter vi har jobbet med, har vi sett hvordan det ser ut når tiden faktisk styres. AI overtok behandlingen av de enklere og mer standardiserte delene av kredittarbeidet, som gjennomgang av sikkerheter, regnskapstall og vurdering av kundens bransje. Tiden den frigjorde forsvant ikke i mer av det samme, men ble bevisst brukt på mer tilstedeværelse hos kundene og på de mest lønnsomme kundeforholdene, altså den typen arbeid som er vanskeligst å automatisere og som betyr mest for bankens resultat.

Dette er en ledelsesoppgave heller enn en teknologioppgave. Vår erfaring tilsier at dette er et av de tydeligste skillene mellom banker som oppnår organisatorisk gevinst, og banker som ikke gjør det. De første har bestemt, konkret, hva den frigjorte kapasiteten skal gå til. De andre lar den forsvinne i det stille.

Lekkasje 3: Tillit må være felles og ikke individuell

To rådgivere kan få samme AI-genererte utkast og behandle det stikk motsatt. Den ene leser alt på nytt, sjekker hver kilde og skriver om det meste. Den andre stoler på at det stemmer og sender det videre nesten urørt. Vi opplever at denne variasjonen er stor, og at begge kan ha handlet fornuftig ut fra sitt eget skjønn. Nettopp derfor er det et organisatorisk problem og ikke et individuelt, da det blir opp til hver enkelt å finne sitt eget nivå når det ikke finnes en felles målestokk for når output kan stoles på.

Og begge disse ytterpunktene koster og bidrar til økt lekkasje. Stoler man for lite, dobbeltsjekkes alt og tidsgevinsten AI nettopp skapte, fordamper i unødvendig mye kontroll. Stoler man for mye, slipper feil gjennom i arbeid der rådgiveren skal stå inne for det som går ut under eget navn. Det som varierer er altså ikke bare hvor grundig hver enkelt sjekker, men hvor mye de stoler på outputen i utgangspunktet. Uten en felles målestokk blir tillit et personlig skjønn i stedet for en organisatorisk standard, og det som gir den enkelte fleksibilitet blir variasjon der banken trenger standard (Knudsen, 2025).

At variasjon har en reell kostnad, ser vi også i forskningen. To av tre bruker AI uten å vurdere nøyaktigheten av det den leverer, og over halvparten oppgir at de har gjort feil på jobb som følge av AI-bruk (Gillespie et al., 2025).

Men hva innebærer det egentlig å bygge felles kompetanse og standarder? Konkret handler det om tre ting. Først en felles inndeling av hva som krever hvilken kontroll. Et internt sammendrag rådgiveren leser selv, er ikke det samme som et kredittnotat som går til komité eller kunde, og banken bør bestemme i fellesskap hvilke typer output som kan gå gjennom med en lett sjekk, og hvilke som alltid skal verifiseres fullt ut. Det gjør «hvor grundig skal jeg sjekke» om fra en privat magefølelse til en kjent regel. Deretter, en felles protokoll for hva som faktisk kontrolleres i de tunge tilfellene, at tall etterprøves mot kildesystemene, at henvisninger sjekkes, at resonnementer holder, slik at to rådgivere kontrollerer de samme tingene og ikke hver sine. Og til slutt, felles kompetanse i hvordan modellen faktisk svikter, slik at det å vurdere nøyaktighet ikke overlates til instinkt, men til folk som vet hvor AI er til å stole på og hvor den ikke er det.

Dette, igjen, er en organisatorisk investering og ikke noe hver enkelt ansatt kan ordne på egen hånd, og det er det som gjør tillit til AI til en delt kapasitet i banken. For det som går ut under rådgiverens navn, bør ikke hvile på privat skjønn, og det er her grensen går mellom faglig aktsomhet og tilfeldighet.

Lekkasje 4: Verdien må måles på organisasjonsnivå

Når tilliten til verktøyene er felles, gjenstår det siste og kanskje vanskeligste spørsmålet:kan banken i det hele tatt se om noe av dette virker?

Så lenge gevinsten måles som at den enkelte opplever å spare tid, forblir den individuell. Måling av tid på oppgavenivå forteller hvor mye av dagens arbeid som kan gjøres raskere, men ikke om bankens prosesser blir raskere. For å se det må banken måle noe den faktisk styrer etter, for eksempel tid fra søknad til svar i en kredittsak, feilrate i dokumentkontroll eller antall henvendelser løst per dag i kundeservice. Vår erfaring er at det er her mange kommer til kort. Besparelsen på oppgavenivå er lett å høre om, men vanskelig å se igjen i tallene ledelsen følger.

Men det lar seg gjøre. I en av bankene vi har jobbet med, nøyde de seg ikke med at rådgiverne følte seg raskere. De målte først hvor lang tid hvert steg i kredittprosessen faktisk tok, både gjennom sporing i saksbehandlingssystemet og ved at utvalgte rådgivere satt med stoppeklokke. Det viste dem hvor tiden egentlig gikk, og dermed hvilke steg det var verdt å tegne om. Etter endringen var det ikke lenger stegene de fulgte med på, men tid fra søknad til kredittsvar. Det tallet gir mening uansett hvordan prosessen ser ut, og det viser om kunden merker forskjell.

Og her ser du hvorfor måling er det siste lekkasjepunktet. Den skaper ingen verdi i seg selv, men uten den blir gevinster som faktisk finnes, aldri tatt ut, fordi ingen kan se dem. Måling er den eneste måten å vite om de tre andre grepene faktisk virket: om arbeidet ble tegnet om, om tiden ble styrt, og om tilliten ble felles. Uten den evnen kan man ikke vite om en satsing bør skaleres eller skrotes.

Grunnarbeid er det som lar deg holde farten

De fire punktene, å tegne om arbeidet, styre den frigjorte tiden, bygge felles standarder for tillit og måle på organisasjonsnivå, kan lett leses som arbeid som forsinker mens konkurrentene løper fra deg. Dette er en misforståelse, da det er nettopp dette grunnarbeidet som gjør at de individuelle gevinstene i det hele tatt kan aggregeres til organisatorisk verdi. Uten det sitter du igjen med rådgivere som sparer tid hver for seg, og en bank som ser lik ut i tallene som før.

Fra bruk til verdi

AI-adopsjonen i norsk bank er som nevnt godt i gang, og det er ikke der slaget står. Det står om overgangen fra individuell bruk til organisatorisk verdi, og den overgangen skjer ikke av seg selv. Det er svaret på spørsmålet i innledningen: alle rådgiverne kan bruke AI hver dag uten at banken blir bedre, fordi bruk og verdi ikke er det samme, og fordi verdien lekker ut på veien mellom dem.

Dette er ikke en test man består eller stryker på, men et kart over hvor gevinstene renner ut. Og den enkleste måten å komme i gang på er å ta én arbeidsflyt med høy frekvens og tette alle fire lekkasjene der. Da får du ett sted der individuell bruk faktisk er blitt organisatorisk verdi, og en mal du kan følge videre.

Du som leser har kanskje tenkt over det allerede, at poengene i denne artikkelen er bankrelevante, men ikke bankspesifikke. Forsikring, offentlig sektor, energi og alle sektorer med kunnskapsarbeidere står overfor det samme. Teknologien er tatt i bruk, men gevinsten lekker ut.

Vil du snakke med oss om hvordan din ledergruppe kan tette lekkasjene? Ta gjerne kontakt for en prat!