
Slik setter DNB KI-agentene i arbeid
KI-agenter bidrar i både prosesser og programkode i DNB. Rådet til virksomheter som vil i gang, er likevel langt enklere.
- DNB har brukt automatisering og kunstig intelligens i mange år, men KI-agenter åpner for helt nye muligheter, forteller Per Kristian Næss-Fladset, Chief Enterprise Architect i DNB.
- I denne saken forteller han hva banken bruker teknologien til, og hva som skal til for å komme i gang.
- Næss-Fladset har bidratt til Digital Norways nye veileder om KI-agenter. Der kan du lese flere råd og erfaringer fra virkeligheten.
- – Jeg tror det er viktig at flere kommer i gang og kartlegger egne muligheter. Det viktigste er å komme i gang, og da er denne veilederen et nyttig verktøy å bruke som et anker, både for å lese om hvilke vurderinger andre gjør, men også for å kunne stille bedre spørsmål og ta beslutninger underveis, sier han.
For DNB har kunstig intelligens vært en del av den digitale verktøykassen i en årrekke – lenge før vi begynte å prate om kodeagenter og fenomener som «orkestrering» av «svermer» av KI-agenter.
Det er fordi finanssektoren har lange tradisjoner med å bruke maskinlæring og det vi kaller for robotisert prosessautomatisering (RPA) – en type teknologi som gjør aktive handlinger i programvarer.
De siste årene har imidlertid KI-agenter åpnet for helt nye muligheter, også hos DNB:
– Vi tror at utviklingen innen KI vil ha transformative effekter både på individnivå, på virksomhetsnivå og på samfunnsnivå. Potensialet i teknologien er så kraftfull at det er viktig å ha dette høyt på agendaen, sier Per Kristian Næss-Fladset, Chief Enterprise Architect i DNB.
– På få år har vi gått fra å tenke at vi kan bli 30-50 prosent mer produktive, til å snakke om digitale medarbeidere og mangedobling av verdiskapningen.
Skal hjelpe flere i gang
For mange virksomheter er agentisk KI fortsatt et nytt og ukjent felt. Noen er avventende av sikkerhetshensyn, mens andre er usikre på hva de kan bruke teknologien til.
– De største hindrene kommer fra manglende kunnskap, sier Næss-Fladset.
Det er også bakgrunnen for Digital Norways nye veileder for innføring og bruk av KI-agenter. Næss-Fladset har sittet i ekspertgruppen bak veilederen, og erfaringene fra DNB er blant eksemplene.
– Jeg tror det er viktig at flere kommer i gang og kartlegger egne muligheter. Det aller viktigste er å komme i gang, og da er denne veilederen et nyttig verktøy å bruke som et anker, både for å lese om hvilke vurderinger andre gjør, men også for å kunne stille bedre spørsmål og ta beslutninger underveis, sier han.
Omtrent like viktig som internett
Næss-Fladset er nøye med å plassere teknologien der den hører hjemme.
– Selv om vi har høyt fokus på KI, og særlig på det generative, er dette tross alt en teknologi, et verktøy. Verdien ligger ikke i verktøyene, men i hva vi evner å bruke dem til. Og den verdien skal skapes av og for mennesker, sier han.
Derfor begynte også DNB med det menneskelige arbeidet – å bygge kompetanse blant de ansatte og å få på plass det organisatoriske fundamentet som må til for å bruke teknologien i en bank.
– Vi tror at det å forstå hva denne teknologien kan gjøre, og hvordan man skaper verdi med den, vil bli en del av basiskompetansen. Omtrent som det å bruke internett og sende e-post i sin tid.
Agentene analyser, menneskene beslutter
Et av stedene agentene gjør nytte, er i behandlingen av «kjenn din kunde»-saker (know your customer på engelsk, forkortes gjerne KYC).
KI-agenter brukes her til å innhente og analysere informasjon og gjøre vurderinger av aktivitet og risikofaktorer. Agentene effektiviserer store deler av analysearbeidet, mens mennesker gjennomgår resultatene og tar beslutningene.
Næss-Fladset understreker at ansvaret for beslutninger i prosesser fortsatt ligger hos et menneske. Veien dit har derimot blitt langt mer effektiv.
– I flere av beslutningsprosessene våre har vi eksplisitte krav om etterprøvbarhet. Resultatet skal være godt, men vi må også kunne redegjøre til punkt og prikke for hvordan vi kom frem til det, sier Næss-Fladset.
Bedre kvalitet er også en gevinst
Agentene brukes også andre steder i banken, blant annet til å kontrollere programkode før den tas inn i bankens systemer. Slik kan de samme standardene håndheves konsekvent, også når kontrollene gjentas i stor skala.
Når man snakker om gevinster ved KI, er det gjerne raskere og rimeligere prosesser som får mest oppmerksomhet. Næss-Fladset peker på andre viktige gevinster: bedre kvalitet og økt verdiskapning
– Vi har flere erfaringer med at KI-agenter gjør kvalitetskontrollene våre bedre. Det interessante er at vi også ser at mennesker produserer mer og at kvaliteten på leveransene øker som konsekvens av dette.
DNBs mål er å skape større verdi for kundene og bankens øvrige interessenter.
– Det er slik du får organisasjonen med deg. Samtidig må vi være ærlige på at oppgaver endrer seg, og at vi vil trenge færre folk i funksjoner vi hadde før. Men fokuserer du utelukkende på å trekke ned kostnadene, klarer du ikke å realisere potensialet, sier han.
– Begynn med tilgangene
For virksomheter som ønsker å komme i gang med KI-agenter, har han også et svært konkret råd:
– Det enkleste og mest effektive enkelttiltaket for en kontrollert start med agenter er å begynne med tilgangskontroll og informasjonsklassifisering.
I praksis betyr det at ansatte bare skal ha tilgang til informasjonen de trenger. Man må også se på hvilke rettigheter ulike roller gir til sammen. Og du må sikre at det håndheves i systemene dine.
Grunnen er at KI-agenter raskt kan finne og bruke opplysninger som ligger tilgjengelig på grunn av for vide tilganger. Slik kan sensitive data havne på avveie, eller informasjonen kan påvirke agentene til å gjøre noe annet enn de egentlig skal.
– Før agentisk KI var det lite sannsynlig at du og jeg ville klikke oss gjennom hele SharePoint-området og oppdage alle mapper med svakheter. En KI-agent kan gjøre det ganske umiddelbart.
To speedometre for utvikling
DNBs arbeid med agentene går i to spor. Det ene handler om å forbedre det banken allerede gjør. Det andre handler om å finne helt nye måter å jobbe på.
Yngvar Ugland, en av innovasjonsspesialistene i DNB, beskriver dette gjennom Moonshots-metoden. Med Il Tempo Gigante fra Flåklypa som inspirasjon snakker han om to speedometre: ett for løpende forbedringer og ett for radikal innovasjon.
Ugland har tidligere forklart tankegangen for Digital Norway. Den henger tett sammen med digital forestillingsevne, altså evnen til å se hvordan ny teknologi kan endre virksomheten.
– For to–tre år siden hadde vi nesten all oppmerksomheten vår på det inkrementelle. Siden har vi gradvis eksperimentert mer med det radikale, og legger stadig mer energi i å lykkes med speedometer nummer to, sier Næss-Fladset.
Han mener begge disse sporene er nødvendige for å lykkes med agentisk KI.
– På den ene siden må det inn i daglig drift. Men de store gevinstene klarer man ikke å hente ut dersom man ikke samtidig jobber med å rigge om virksomheten for å være rustet til å håndtere nye arbeidsmåter.

