Robotene som sparer DNB for én milliard kroner: – Vi ville aldri ha rukket fristen uten

I DNBs kulisser jobber det et helt eget lag av ansatte som aldri tar pauser, aldri går i permisjon , aldri blir syke, og som heller aldri klager på kjedelige arbeidsoppgaver.

Norges største bank huser nå over 250 roboter, hver med sitt eget ansattnummer og i noen tilfeller også navn og ansikt.

Siden 2016 har DNB satset tungt på å automatisere repeterende og regelstyrte oppgaver med roboter. Carla Padro leder Intelligent Automation-teamet i DNB, og har vært sentral i utviklingen helt siden hun som nyansatt fikk prosjektlederansvaret for bankens chatbot Aino.

Fra dum til smart

Hun forklarer hvordan DNBs «dumme roboter» nå sakte men sikkert blir smartere.

De «dumme robotene» kalles RPA-er, (Robotic Process Automation) og disse gjør oppgaver uten å tenke selv. Padro ber oss forestille oss en skala fra dum til smart: På den dumme siden har du RPA-robotene som utfører «hvis X skjer, skal du gjøre Y»-oppgaver. De er svært sikre å bruke, men kan ikke håndtere unntak eller endringer like godt.

På den smarte enden av skalaen har vi roboter som lærer av data og mennesker, som for eksempel ChatGPT og andre ML-modeller (Maskin-læring). Chatboten Aino (LLM- Large Language Models),  som løser omtrent 60 prosent av oppgavene sine på egenhånd, ligger et sted på midten, forklarer hun.

Tusen årsverk

DNB startet vi med RPA-er i 2016, og nå – ni år senere – har robotene automatisert over 200 forretningsprosesser i banken. Det tilsvarer arbeidet til rundt 1000 årsverk, og for noen uker siden nådde robotprosjektet en viktig milepæl: DNB har bikket en milliard kroner i besparelser grunnet RPA-teknologi.

– Dette er vi veldig stolte av. Men dette er ikke noe hurtigløsning – det er resultatet av mange års arbeid med å bygge opp en robust og skalerbar plattform, sier Padro.

Nylig omtalte BankShift hvordan DBS Group – en stor bank- og finansinstitusjon med hovedkontor i Singapore – har planlagt å kutte hele 4000 årsverk, fordi selskapet forventer at kunstig intelligens (KI) i økende grad vil overta arbeidsoppgaver som tidligere ble utført av mennesker. 

– DNB kuttet nylig 500 årsverk. Tar robotene jobbene til de ansatte?

– Nei. Mange av de ansatte som tidligere gjorde disse oppgavene, har fått nye roller. Nedbemanningen som skjedde tidligere, var i støttefunksjoner og ikke knyttet til RPA, forteller Padro.

– Bruk av roboter handler uansett vel så mye om å frigi tid til å skape verdi med kundene, snarere enn å nedbemanne ansatte, legger hun til.

I tillegg behøves det mennesker som kan sette opp robotene, bemerker hun. Padros team teller i dag 20 personer.

Robotene settes på prøve

Da de første RPA-robotene så dagens lys i 2016, gjorde de enkle oppgaver som å bestille Mastercard eller sperre kort. 

– Det fungerte kjempebra. Men i stedet for å gå bredt ut med mange robotprosesser med én gang, brukte vi de første årene på å bygge kompetanse internt og sørge for at dette ble gjort på en bærekraftig og skalerbar måte, sier Padro.

Padro forteller at spesielt under koronapandemien, så DNB hvor godt RPA-ene fungerte. Da dukket det opp nye behov for bankkundene: Mange flere enn tidligere søkte om avdragsfrihet, og Padro sier at DNBs eksisterende team for å håndtere denne typen forespørsler, plutselig ikke var stort nok.

– Et lite team på fem personer ble nødt til å håndtere et volum tilsvarende det 20–30 personer normalt ville ha gjort. Da så vi virkelig hvor skalerbar denne teknologien er, og vi klarte brasene takket være robotene. 

Året etter, i 2021, ble robotene satt på en ordentlig prøve. To millioner kunder skulle relegetimeres på kort tid i tråd med nye AML-krav. Før robotene var på plass, satt de ansatte i DNB på kveldsdugnader for å få unna arbeidet manuelt.

– Det var lange køer av bankkunder med to meters avstand utenfor banken, husker Padro.

– Da forberedte vi 80 RPA roboter for å gjøre arbeidet sammen med KI-teknologi. De leste dokumentene og la alt i riktig kundeforhold. Uten robotene, hadde det tatt to år å gjøre manuelt det robotene klarte på to måneder – og vi ville aldri ha rukket fristen, sier hun, og anslår at de 80 robotene i denne perioden, gjorde arbeidet tilsvarende 300 personer.

Fordelene ved antropomorfisme

Alle robotene i DNB har et eget ansattnummer i bankens systemer.

– Det er fordi RPA-teknologi jobber oppå grensesnittet til andre teknologier – akkurat som deg og meg. De klikker rundt som en mus, og trenger derfor tilgang til systemene våre, akkurat som en vanlig ansatt, forklarer Padro.

I tillegg har noen av de største chatrobotene egne navn, som Aino (“I know”), Juno (“You know”), Justina (for jussrelaterte spørsmål) samt pingvinen Hugo (for HR).

– Å gi chatbotene et navn gjør at folk blir mer engasjert og interesserte i teknologien. Det øker adopsjonen, som er helt avgjørende – det hjelper ikke å kjøpe og implementere teknologi hvis ingen tar den i bruk.

Postmottaksroboten

DNB i dag jobber mye med å kombinere RPA med andre teknologier, som maskinlæring og kunstig intelligens. Disse teknologiene gjør at RPA-ene kan forflytte seg mot den smartere enden av skalaen.

For eksempel har de en fersk robot som hjelper til med de hundrevis av bankkortene som kommer i retur på grunn av feil adresse.

– De ansatte i postmottaket bruker en KI-teknologi med en egen app. Den ansatte scanner kortet med telefonen sin, og en RPA-robot sperrer kortet og sender en melding til kunden om at adressen må oppdateres, forteller Padro.

Dette reduserte behandlingstiden fra 10-12 minutter til bare sekunder.

AML og KYC

– Vi jobber også mye med det vi kaller "human in the loop", der roboter stopper opp og sender et steg videre til en rådgiver for manuell vurdering. Dette gjør at robotene kan ta mer komplekse prosesser enn før, sier Padro.

Et fokusområde hvor mennesker og roboter jobber sammen, er innen antihvitvaskingsarbeid.

I dag har DNB omtrent 700 ansatte som jobber med backoffice for å levere på AML-kravene.

– I dag har vi IT-systemer for å støtte kundebehandlere i å flagge mistenkelige kunder. Denne kalles flaggfabrikken: Systemet flagger kundene, men det er fortsatt menneskelige rådgivere som gjør vurderingene.

I tillegg tester DNB ut bruk av KI-modeller for å hente informasjon fra åpne kilder i arbeidet med sanksjoner og KYC.

– Dette er fortsatt bare på konseptbevis-stadiet, men det viser hva som er mulig, sier hun.

Ulike plattformer

– Vi bruker denne teknologien for å effektivisere arbeidshverdagen, men vi har også mange regulatoriske krav knyttet til hvor dataen kommer fra og hvordan den behandles. Generativ kunstig intelligens er det alle snakker om, men vi tror ikke på å gå rett på chatboter som gjør alt på egen hånd. Det er for høy risiko – både regulatorisk og operasjonelt. Derfor bygger vi KI-funksjonalitet inn i eksisterende og sikre teknologier, som RPA, forteller Padro.

DNB bygger noen løsninger in-house, eller på løsninger til leverandører som DNB har hatt et tett samarbeid med over lengre tid. 

Chatboten Aino er på sin side bygget på en norsk plattform levert av Boost AI. 

– Da vi anskaffet den, valgte vi bevisst en norsk leverandør fordi vi trengte en språkmodell som kunne håndtere norsk språk, dialekter og skrivefeil. Dette er åtte år siden, og på den tiden fantes det ikke mange internasjonale løsninger som støttet norsk godt nok. Det valget har vist seg å være en veldig riktig vurdering, sier Padro.