”AI är ingen universallösning” – så bygger FI sin egen AI-plattform

– Det är viktigt för oss att bli ännu mer datadrivna. Även om det känns som att vi har kommit långt, känns det också som att vi bara har börjat, säger Beatrice Sablone, data- och informationsstrateg på Finansinspektionen (FI).

Egen infrastruktur på ett år

På ett år har Finansinspektionen (FI) gått från att överhuvudtaget inte arbeta med strukturerad AI till att bygga upp en helt egen AI-infrastruktur. AI används nu på myndigheten för att hantera stora mängder text, automatisera processer och utveckla kodassistenter för analytiker. Allt det här effektiviserar och sparar mycket tid, menar Beatrice Sablone.

– Vi är en myndighet som drivs av skattepengar och avgifter från finansiella företag – vi har inte råd att inte effektivisera, och det är just vad AI handlar om. Vi använder inte AI för att fatta beslut utan för att automatisera processer, bearbeta större textdokument och kodhantering.

Idag är det ungefär 50 personer som arbetar med utveckling och hantering av data. Av dessa är det sex personer som på heltid arbetar med AI. AI-teamet består övervägande av data scientists och AI/ML Engineers som rekryterats inför FI:s AI-satsning.

– Det är tack vare digitaliseringspengarna som vi kunde rekrytera in data scientists. Deras kunskap har varit helt ovärderlig för att vi ska lyckas med det vi ville.

Förutsättningen för att arbeta med AI i kombination med känsliga data har inneburit att FI behövt bygga upp en egen AI-infrastruktur med allt vad det innebär. Beatrice Sablone understryker att AI inte används alls för den allra känsligaste informationen.

”Vi tar aldrig AI-baserade beslut”

FI har i uppdrag att granska runt 2 000 institut. På den punkten arbetar myndigheten utifrån så kallad riskbaserad tillsyn, som innebär att FI riktar sina insatser dit riskerna är som störst och där de kan göra störst nytta. Och här kan det datadrivna arbetssättet verkligen spela stor roll, förutsatt att det används på ett korrekt sätt. Beatrice Sablone poängterar att juridik, utveckling och verksamhet ska gå hand i hand.

– Vi har tillgång till mycket data som en tillsynsmyndighet och det är jätteviktigt för vårt förtroende att vi hanterar det på ett bra sätt. Vi måste undersöka noga och vi kan aldrig chansa. Vi tar aldrig enbart AI-baserade beslut.

Inspiration och samarbeten är viktigt

En hel del inspiration har Beatrice Sablone och hennes kollegor fått från andra tillsynsmyndigheter i Europa och i Norden.

– Det finns ett antal länder som ligger före oss, särskilt Nederländerna som arbetat med AI i flera år. Där arbetar tillsynsmyndigheten redan med det som vi vill och håller på att bygga upp.

FI deltar även i ett nordiskt samarbetsforum med centralbanker och tillsynsmyndigheter. Myndigheten har stående möten med Riksbanken, Utbetalningsmyndigheten och Riksgälden, och man deltar i Esam som är ett samverkansprogram mellan myndigheter. Men de samarbetsforum som ger mest är dem när alla deltagande parter jobbar med samma typ av data

– Vi har väldigt specifika data och det är enklare att prata med dem som har samma sorts data för att lära av hur de löst specifika frågor, säger Beatrice Sablone.

AI är ingen universallösning

Beatrice råd till andra myndigheter som vill bygga upp en egen AI-infrastruktur är att avdramatisera och se nytta genom att prova på. Att börja med en ”light”-version som alla kan använda, och som inte blandar in känsliga data, för att förstå vad man kan göra och vad det finns för begränsningar.

– AI är ingen universallösning. Den är bra för specifika saker, men är inte lösningen på allt, menar hon.

När nu AI-infrastrukturen är på plats är myndighetens önskelista lång på allt man vill göra.

– Vi vill verkligen arbeta med AI som organisation. Vi kan inte göra allt vi vill; det har vi inte kapacitet till. Därför ligger fokus framåt på det som gör mest nytta, vilket innebär att hitta de tillämpningar som löser flest problem, avslutar Beatrice Sablone, data- och informationsstrateg på Finansinspektionen.