Det er mandag morgen, og Slack-kanalerne summer. En kollega sender et screenshot af XRP’s prisgraf, mens en anden spørger, om nogen har set de seneste ETF-inflows. Det føles næsten som om, alle i fintech og krypto lige nu taler om AI og XRP – og ikke kun fordi det er endnu en hypebølge. Noget har ændret sig. Vi har selv mærket det i Snilld, når vores kunder ringer og spørger: “Kan jeres AI faktisk hjælpe os med at forstå, hvad der foregår i markedet?”

Lad os være ærlige: Vi er trætte af overfladisk AI-snak. Her dykker vi ned i, hvordan AI faktisk bruges i praksis til at analysere XRP i et marked, hvor ETF’er og institutionelle flows har overtaget styringen. Ikke bare teori, men konkret praksis – og med de blinde vinkler, som ingen rigtig taler om.

Markedet har ændret sig – og AI’s rolle med det

For bare få år siden kunne en enkelt overskrift sende XRP eller bitcoin på himmelflugt. Nu er det anderledes. ETF’er, pensionskasser og store fonde styrer showet, især på XRP. Prisen bevæger sig tungt, og det er ikke længere de hurtige daytradere, der sætter retningen. Det har vi set hos flere af vores kunder, hvor det ikke længere er breaking news, men store, stille kapitalbevægelser, der flytter markedet.

AI’s rolle er ikke at spå om fremtiden. Det er at organisere og analysere et hav af komplekse signaler – ETF-inflows, on-chain data, derivat-positioner – og gøre det muligt at se mønstre, som ellers ville drukne i støjen. Det overraskede mig faktisk, hvor meget mere værdifuldt det er at få overblik end at få et gæt på næste uges pris.

Sådan arbejder AI med ETF-flows og kryptodata i praksis

Tag et eksempel: En pensionskasse vil forstå, hvorfor XRP pludselig får store inflows i ETF-markedet, mens bitcoin-ETF’er ser udstrømning. Her bruger de AI-modeller, der kobler ETF-inflows med on-chain transaktionsdata og derivat-positioner. Modellen kan vise, at kapital roterer fra bitcoin til XRP, selvom prisen ikke rører sig meget. Det er ikke magi – det er statistik og dataintegration på højt niveau.

Vi har selv set, hvordan en kapitalforvalter brugte en kombination af Kaiko-data og egne ML-modeller til at spotte skjulte rotationsmønstre. Det var ikke fordi AI’en forudsagde noget, men fordi den kunne vise, hvor likviditet faktisk bevægede sig, før markedet opdagede det. Det er lidt som at høre lyden af et tog, før du ser det komme rundt om hjørnet.

AI-værktøjer du faktisk kan bruge

Der findes efterhånden et hav af værktøjer. Kaiko, Glassnode, Dune Analytics – de fleste kender dem. Men det er først, når man kombinerer dem med egne ML-modeller, at det for alvor bliver interessant. Vi har set fintech-iværksættere bruge Dune til at bygge dashboards, der i realtid viser ETF-inflows og on-chain aktivitet side om side. Private investorer kan faktisk gøre det samme, hvis de gider rode med dataudtræk og lidt Python.

Det er ikke plug-and-play. Men det er heller ikke raketvidenskab. Vi har selv bygget simple prototyper, hvor vi kobler ETF-data fra Kaiko med on-chain wallets og ser, hvordan store bevægelser i ETF-markedet ofte følges af forsinkede reaktioner på kæden. Det er ikke altid smukt, men det virker.

AI’s blinde vinkler: Regulering og fortolkning

Her kommer det svære. AI kan ikke forudse regulatoriske skift. Da Binance fik ADGM-licens i januar 2026, reagerede XRP’s pris hurtigt – men ingen AI-model havde set det komme. Vi talte faktisk med en compliance officer, der sagde: “AI kan ikke læse mellem linjerne i politiske forhandlinger.” Det er rigtigt. AI kan måle flows, men ikke forklare hvorfor investorer pludselig bliver forsigtige eller kaster sig over XRP.

Det samme gælder fortolkning. Output fra AI kræver altid menneskelig dømmekraft. Banker og institutioner sætter governance-rammer op, så AI ikke får lov at styre beslutninger alene. Vi har set flere eksempler, hvor compliance-afdelingen sætter foden ned, hvis AI’en begynder at overfortolke signaler fra markedet. Det er sund fornuft.

Risiko og ansvar: Hvad skal du være opmærksom på?

Der er reelle risici ved at stole for meget på AI. Regulering strammer til, især i USA, hvor Genius Act og Clarity Act sætter nye krav til, hvordan data må bruges. Hvis du ikke har styr på compliance, kan du ende med at træffe beslutninger på et forkert grundlag. Vi anbefaler altid, at man har klare governance-processer, dokumenterer alle AI-beslutninger og løbende tester modellerne mod virkeligheden.

Praktisk råd? Brug AI som supplement, ikke som dommer. Og sørg for, at der altid er et menneske, der kan sige stop, hvis noget ser forkert ud. Det lyder banalt, men vi har set flere eksempler på, at det ikke sker.

Ekspertvinkler: Hvad siger folkene i marken?

Richard Teng, co-CEO i Binance, sagde for nylig på CNBC, at “regulering er bedre end ingen regulering.” Han pointerede, at først når der er klare regler, kan man begynde at arbejde ansvarligt med AI og krypto. Brad Garlinghouse fra Ripple forudser, at Binance vender tilbage til USA, og at det vil øge konkurrencen og presse priserne ned. Begge er enige om, at AI ikke kan erstatte menneskelig dømmekraft – det er et værktøj, ikke en facitliste.

Vi talte også med en dansk fintech-iværksætter, der arbejder med AI og krypto. Han sagde: “AI er genial til at finde mønstre, men jeg tør aldrig trykke på købsknappen uden at have dobbelttjekket med min egen mavefornemmelse.” Det er meget sigende.

AI’s styrker – og klare begrænsninger

AI kan give overblik, spotte rotationsmønstre og gøre det muligt at se, hvor markedet bevæger sig under overfladen. Men det kan ikke fjerne usikkerhed, forudse regulatoriske chok eller erstatte menneskelig fortolkning. Det er et værktøj, ikke en krystalkugle.

Så hvad er pointen? Brug AI til at organisere kompleksiteten. Brug det til at se det, du ellers ville overse. Men tro ikke, at det kan give dig svaret på alt. Man opdager først forskellen, når man sidder med det i hænderne – og ser, hvor meget der stadig kræver menneskelig dømmekraft.

Kilder:

• https://www.artificialintelligence-news.com/news/what-ai-can-and-cant-tell-us-about-xrp-in-etf-driven-markets/
• https://www.binance.com/en/research/analysis/monthly-market-insights-2025-12
• https://www.cnbc.com/2026/01/20/binance-us-crypto-exchange-return-ripple-ceo-davos.html

Målgruppens mening om artiklen

Anders, Head of Digital Assets, storbank:

Jeg giver artiklen 85. Den rammer meget præcist de udfordringer og muligheder, vi oplever i praksis, især med fokus på ETF-flows og hvordan AI bruges til at analysere markedet. Jeg kan godt lide, at den ikke oversælger AI, men er ærlig om begrænsningerne. Dog kunne jeg godt have ønsket lidt mere konkret om, hvordan man operationaliserer governance og compliance i hverdagen.

Maria, Senior Compliance Officer, pensionskasse:

Jeg giver artiklen 78. Den er relevant, fordi den adresserer de regulatoriske udfordringer og AI’s blinde vinkler, hvilket er mit primære fokusområde. Jeg savner dog en dybere diskussion af, hvordan man konkret sikrer dokumentation og governance, men artiklen rammer plet på risici og ansvar.

Jonas, CTO, fintech scaleup:

Jeg giver den 92. Artiklen er superrelevant for os, fordi den går i dybden med, hvordan AI faktisk bruges i praksis, og nævner værktøjer og data, vi selv arbejder med. Jeg synes, den balancerer hype og realisme godt, og det er fedt, at den ikke bare er endnu en overfladisk AI-artikel.

Camilla, privat investor og tidligere udvikler:

Jeg giver den 75. Den er lidt teknisk, men jeg kan godt lide, at den ikke lover guld og grønne skove. Det er brugbart at høre, hvordan man kan kombinere data og værktøjer, selvom jeg gerne ville have haft flere konkrete eksempler på, hvordan private investorer kan komme i gang uden at være dataeksperter.

Frederik, CEO, regtech startup:

Jeg giver den 80. Artiklen rammer mange af de temaer, vi arbejder med, især omkring compliance og AI’s begrænsninger. Jeg synes, det er stærkt, at den nævner governance og nødvendigheden af menneskelig dømmekraft. Dog kunne der godt være flere konkrete cases fra danske virksomheder.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af Gemini 3 Pro Nano Banana 2 Pro fra Google.