Automatisering på fremmarsj

Dette er et oppdatert utdrag fra vårt nyhetsbrev, FinShift, som sendes ut hver onsdag.

Hva er saken? 

For en uke siden melde DNB at banken skal gjennomføre en ny runde med kostnadskutt og nedbemanninger.

Cirka 100 stillinger skal bort i noen avdelinger som alle tilhører divisjonen Technology & Services, med cirka 3700 ansatte.

«Endringene treffer driftsmiljøer innen KYC, AML og operasjonell sikkerhet – områder som stadig påvirkes av teknologisk utvikling, og hvor vi den siste tiden har gjort betydelige fremskritt», heter det i en uttalelse DNB har delt med flere aviser. 

Etter det FinShift forstår er det mellom 500-600 ansatte som jobber med dette i de berørte avdelningene, noe som innebærer at omtrent hver sjette ansatt vil måtte gå. 

Hvorfor er dette interessant? 

Det meste taler for at denne nedbemanningsbeskjeden er et ganske klart tegn på hvordan arbeid som tidligere krevde betydelig menneskelig innsats nå kan gjøres raskere av maskiner. 

La oss for et øyeblikk hoppe rundt 2,5 år bak i tid, til februar 2023. Da la DNB frem sin første svindelrapport, og kunne fortelle at banken året før hadde gjennomført undersøkelser av 4793 forhold der det fantes indikasjoner på hvitvasking. Av disse ble 1870 forhold innrapportert til Økokrim. Den totale verdien av svindelforsøkene var på 1242 millioner kroner. DNB stoppet det meste, men 176 millioner kroner forsvant likevel ut av banken.

Banken gjorde også et relativt stort poeng av at man hadde oppbemannet kraftig, og på det tidspunktet hadde omtrent 600 ansatte som jobbet dedikert med antihvitvasking og svindel.

Det var det tallet som poppet opp i hukommelsen da FinShift hørte om den nye nedbemanningen. Selv om det også da ble snakket om kunstig intelligens, maskinlæring og grafdatabaser som viktige verktøy i svindelarbeidet, var det nok slik at antallet hoder som jobbet med saken fortsatt var et vel så avgjørende parameter for hvor mye arbeid som kunne tas unna.

Selskaper som Convier og den svenske enhjørningen Neo4j, som jobber med nettopp DNB, har i BankShift fortalt hvordan de har hjulpet bankene med å effektivisere antihvitvaskingarbeidet, først og fremst innsamling av data fra mange forskjellige kilder, både internt i banken og eksternt. Et arbeid som lenge krevde mye manuell innsats.

Det er ikke vanskelig å se for seg at automatiseringen av arbeidsoppgaver har tatt så store skritt fremover de siste 2,5 årene, at DNB ikke lenger trenger 600 personer for å jobbe med kundekunnskap, antihvitvasking og operasjonell sikkerhet.

Hva er konsekvensen? 

At 100 personer mister jobben i det store DNB, med over 10.000 ansatte, kan ikke sies å være en stor nedbemanning. Ikke en gang i gigantdivisjonen Technology & Services, med 3700 ansatte, er det omfattende. Men at 15-20 prosent av dem (100 av 500-600) som jobber med «driftsmiljøer innen KYC, AML og operasjonell sikkerhet» må gå, er noe annet.

Det er nok også et pekepinn på hvor de teknologiske fremskrittene har kommet lengst, og at disse først og fremst har å gjøre med en utvikling innen maskinlæring og automatisering, som var i gang langt innen ChatGPT ble en del av den kollektive bevisstheten.

→ DNB kutter folk innen operasjonell sikkerhet og antihvitvasking
→ – Legger til grunn at dette skjer gjennom frivillighet
→ Kuttene i DNB: Har fått beskjed om å fylle ut CV
→ – Kunne vært gjort på en annen måte (Finansfokus)
→ (+) Slik bruker DNB kunstig intelligens, maskinlæring og grafteknologi i kampen mot organisert kriminalitet (FinansWatch)
→ (FinShift) Et vaskearbeid som aldri blir klart

Likte du denne saken. Abonner på nyhetsbrevet FinShift, så får du den rett i epostkassa hver onsdag.