JPMorgan viser, hvad AI virkelig betyder for bankens ansatte og kunder – kan danske banker følge med?

JPMorgan Chase har sat sig tungt på AI-dagsordenen. 18 milliarder dollars. Over 450 AI-brugsscenarier. 200.000 daglige brugere. Det er ikke bare store tal – det er en strategi, der allerede nu former, hvordan verdens største bank arbejder. Men hvorfor er det relevant for os i Danmark? Fordi de erfaringer, JPMorgan gør sig, rammer lige ned i de spørgsmål, vi står med i danske banker, finanssektoren og det offentlige: Hvordan får vi reel værdi ud af AI, uden at tabe mennesker og styring på gulvet?

JPMorgans AI-satsning: Fakta og hovedtal

Vi kan lige så godt tage tallene først. JPMorgan investerer 18 milliarder dollars årligt i teknologi – og AI er blevet en central del af det budget. De har over 450 AI-løsninger i drift, og deres LLM Suite – en slags AI-økosystem, ikke bare en chatbot – blev rullet ud i sommeren 2024. På otte måneder gik de fra nul til 200.000 brugere, og det skete ikke ved tvang, men via opt-in og viral adoption. Platformen integrerer både OpenAI og Anthropic, og opdateres hver ottende uge. Det er ret vildt tempo.

ROI? De måler ikke bare på platformen, men på hver enkelt initiativ. Siden starten har de set AI-fordele vokse med 30-40% om året. Det er ikke småting. Men – og det er vigtigt – de er også åbne om, at det koster på medarbejdersiden. Operations-staben forventes at falde med mindst 10%.

Teknisk infrastruktur og governance

Det tekniske fundament er model-agnostisk. Det betyder, at de kan skifte mellem forskellige AI-modeller, alt efter hvad der virker bedst. De har bygget integration til eksisterende systemer, så AI ikke bliver en ø, men en del af hele banken. Sikkerhed og datakvalitet er prioritet ét – især fordi de er underlagt stramme regler. De har valgt at bygge meget selv, netop for at have styr på governance og compliance. Modelvalg og opdateringer styres centralt, men med løbende feedback fra brugerne.

Det minder mig faktisk om en kunde, vi havde sidste år, hvor integrationen mellem AI og gamle mainframes var den største hurdle – ikke selve AI’en. Det er ofte det, der vælter læsset i praksis.

AI i hverdagen – konkrete eksempler

Hvordan bruger folk så AI i banken? Investeringsbankfolk laver fem-siders præsentationer på 30 sekunder – noget, der før tog junioranalytikere timer. Jurister scanner og genererer kontrakter. Kreditfolk hiver data ud af komplekse aftaler på et øjeblik. Kundeservice har fået et værktøj, EVEE Intelligent Q&A, der gør dem markant hurtigere, fordi AI’en forstår kontekst. Det er ikke bare automatisering for automatiseringens skyld – det ændrer faktisk, hvordan folk arbejder.

Nye roller opstår også. “Context engineers” sørger for, at AI’en får de rigtige informationer. Knowledge management bliver vigtigere. Og softwareudviklere skal nu bygge agentiske systemer, der kan tage flere beslutninger selvstændigt. Vi har set det samme i mindre skala hos danske kunder – især det med, at folk skal lære at stille bedre spørgsmål til AI’en.

Menneskelige konsekvenser og HR

Det er ikke kun teknologi. JPMorgan forventer, at operations-staben falder med mindst 10%. Det er ikke småting, når vi taler om tusindvis af ansatte. De er åbne om, at det gør ondt – og at omstilling og opkvalificering er nødvendig. Men frygten for afskedigelser og pres på de tilbageværende er reel. Der arbejdes med medarbejderinddragelse og aftaler med fagforeninger, men det er ikke en nem proces. Jeg har selv talt med folk i sektoren, der siger, at usikkerheden er det værste – ikke nødvendigvis selve teknologien.

Stanford har analyseret, at unge i AI-udsatte jobs (22-25 år) har oplevet 6% fald i beskæftigelse fra 2022 til 2025. Det er ikke kun et amerikansk fænomen.

Forandringsledelse og måling af effekt

JPMorgan arbejder systematisk med forandringsledelse. De segmenterer træning efter målgruppe og måler ROI på hvert initiativ. Men de er også ærlige om, at det ikke er let. Mange virksomheder havner i “proof-of-concept hell” – masser af pilots, men ingen reel skalering. Og der er et “value gap” mellem, hvad teknologien kan, og hvad organisationen faktisk får ud af det. Det kender vi alt for godt fra danske cases, hvor AI-projekter ofte dør i pilotfasen, fordi integrationen undervurderes.

Kan vi overføre JPMorgans erfaringer til Danmark?

Det er fristende at sige: “Bare gør som JPMorgan.” Men virkeligheden er, at de har et budget og en skala, som få kan matche. Alligevel er der klare principper, vi kan tage med:

• Demokratisér adgang, men undgå tvang – opt-in virker.
• Byg sikkerhed og compliance ind fra start.
• Undgå at låse jer fast på én leverandør.
• Mål effekten på initiativ-niveau, ikke kun samlet.
• Vær realistisk om kompleksiteten – det tager år, ikke måneder.

For mindre banker og det offentlige er det især vigtigt at fokusere på governance og på at skabe ægte medarbejderinvolvering. Vi har set, at det er dér, det ofte går galt i Danmark – ikke på teknikken, men på forandringsdelen.

Kritiske perspektiver og etiske overvejelser

JPMorgan er usædvanligt åbne om de dilemmaer, AI skaber. Når AI-systemer tager flere beslutninger selv, hvordan sikrer man ansvar og tillid? Og hvad med fejl – når AI’en rammer rigtigt 90% af tiden, men de sidste 10% kan være kritiske? Der er også risiko for, at folk holder op med at dobbelttjekke, fordi de stoler for meget på systemet. Det er ikke kun et teknisk spørgsmål, men et ledelses- og kulturspørgsmål.

Innovation skal balanceres med ansvar for medarbejderne. Det er let at lade sig rive med af de flotte ROI-tal, men de menneskelige konsekvenser må ikke glemmes.

Konklusion: Hvad står vi tilbage med?

JPMorgans AI-strategi er måske den mest gennemsigtige case i verden lige nu. De viser, at massiv investering, model-agnostisk arkitektur og ægte medarbejderinvolvering kan give enorme gevinster – men også at det koster på menneskesiden, og at rejsen er lang og kompleks. For danske banker og det offentlige er spørgsmålet ikke, om AI kan give værdi, men om vi er villige til at tage de svære valg og investere i både teknologi og mennesker. Og om vi tør være lige så ærlige om udfordringerne, som JPMorgan har været.

Man forstår først forskellen, når man sidder med det i hænderne. Resten er PowerPoints.

Kilder:

• https://www.artificialintelligence-news.com/news/jpmorgan-chase-ai-strategy-2025/
• https://www.artificialintelligence-news.com/news/jpmorgan-chase-ai-strategy-2025/
• https://www.jpmorganchase.com/content/dam/jpmc/jpmorgan-chase-and-co/investor-relations/documents/events/2025/jpmc-2025-investor-day/full-presentation.pdf
• https://www.jpmorgan.com/insights/global-research/artificial-intelligence/ai-impact-job-growth
• https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work

Målgruppens mening om artiklen

Anne Madsen, IT-chef i mellemstor dansk bank:

Jeg giver artiklen 85. Den er meget relevant for mig, fordi den går konkret til værks med både tal, teknisk infrastruktur og de menneskelige konsekvenser af AI. Jeg kan især bruge eksemplerne på governance og integration, og jeg synes, den er ærlig om udfordringerne. Det trækker lidt ned, at JPMorgans skala er svær at overføre direkte til danske forhold, men principperne er brugbare.

Jens Holm, digitaliseringskonsulent i det offentlige:

Jeg giver den 78. Artiklen er god til at sætte fokus på, at AI ikke bare handler om teknologi, men også om forandringsledelse og medarbejderinvolvering. Det er præcis de udfordringer, vi kæmper med i det offentlige. Jeg savner dog flere konkrete danske eksempler og lidt mere om, hvordan man håndterer modstand fra medarbejdere.

Maria Sørensen, HR-partner i storbank:

Jeg giver den 90. Artiklen er meget ærlig om de menneskelige konsekvenser, og det er sjældent, man ser det så tydeligt. Tallene om afskedigelser og usikkerhed rammer plet i forhold til de bekymringer, vi oplever. Jeg kunne godt have brugt endnu mere om opkvalificering, men det er stadig en af de bedste artikler, jeg har læst om emnet.

Lars Bæk, IT-arkitekt i fintech-virksomhed:

Jeg giver den 82. Jeg synes, det er stærkt, at artiklen går i dybden med teknisk infrastruktur, model-agnosticitet og integration. Det er præcis de udfordringer, vi sidder med. Jeg savner dog lidt mere om, hvordan man konkret undgår at havne i “proof-of-concept hell”.

Stine Kristensen, compliance officer i regional bank:

Jeg giver den 75. Jeg synes, det er vigtigt, at artiklen har fokus på governance, compliance og sikkerhed, men jeg oplever, at den bliver lidt for overfladisk på de områder. Jeg havde gerne set flere konkrete eksempler på, hvordan man håndterer regulatoriske krav i praksis.

*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.