AI

Sådan kom Danske Bank i gang med AI

Hvordan bygger man en sikker, skalerbar og brugervenlig AI-platform i en stor, reguleret organisation? Danske Bank stod med ét problem: Medarbejderne ville i gang med AI – men uden en fælles strategi og et sikkert sted at bygge det.

Sådan kom Danske Bank i gang med AI.
Billede: IDA

Hos Danske Bank var ønsket om at komme i gang med generativ AI ikke blot et lokalt initiativ i enkelte afdelinger, men en del af en bredere strategisk satsning på ny teknologi.

Banken var i gang med en større modernisering af sin teknologiske infrastruktur: en bevægelse mod cloud, nye applikationer og et styrket fokus på kunstig intelligens som et centralt forretningsområde.

Denne modernisering skulle fremtidssikre organisationen, øge produktiviteten og give medarbejderne mulighed for at arbejde med nye værktøjer - og opleve, hvad de kunne i praksis.

Som Danske Banks Chief Operating Officer, Frans Woelders, formulerer det i en artikel på Danske Banks hjemmeside:

“Our vision is to provide different generative AI solutions, which can be utilised across different business units while making sure it is secure and compliant. We have great expectations to how generative AI can support our advisors and all colleagues to become more effective and spend their time on value-added services.”

Men der var ét konkret problem: Mange ville i gang - men uden en fælles strategi eller et sikkert teknisk sted at bygge det. Det skabte risiko for siloer, duplikation og løsninger, der ikke levede op til krav om sikkerhed og compliance.

Løsningen blev at udvikle én samlet GenAI-platform - bygget internt, inspireret af OpenAI’s standarder, og designet til at være sikker, skalerbar og brugbar på tværs af hele banken.

Én fælles indgang: GenAI som “app store”

Platformen blev realiseret som en intern portal, der fungerer som en “app store” for AI-assistenter. Her kan medarbejdere finde værktøjer til alt fra rapporter og analyser til oversættelse og dokumentbehandling.

Danske Banks flagskibsløsning er Danske GPT, som bl.a. indeholder:

  • Code interpreter til analyser og beregninger
  • File search til dokumentforståelse
  • Intern oversættelsesmotor baseret på bankens egen terminologi

Alt er bygget i bankens egne sikre miljøer - men oplevelsen er lige så let at bruge som ChatGPT.

OpenAI’s kontrakt – uden OpenAI

Selvom banken ikke kan sende data til OpenAI, valgte de at følge OpenAI’s API-kontrakt og dokumentation som standard. Det gjorde det muligt at bygge en platform, som:

  • føles velkendt for udviklere
  • er nem at bygge ovenpå
  • kan integrere værktøjer på en standardiseret måde

Men alle funktioner - fra samtalehistorik til tool handling - blev udviklet internt og driftet i bankens egne cloudmiljøer.

Arkitekturen: Én proxy, mange mikroservices

Kernen i systemet er en unified proxy, der fungerer som indgangen til hele platformen. Bag den ligger specialiserede microservices som:

  • Assistant Management API
  • Knowledge Base API
  • Prompt Library API
  • Benchmarking & Evaluation API

Denne arkitektur gør det muligt at udvikle hurtigt - og samtidig holde styr på sikkerhed, styring og kvalitet.

Reasoning + tools: Når assistenter arbejder selvstændigt

Assistenterne fungerer som egentlige reasoning-agenter. Når en medarbejder stiller et spørgsmål, vurderer modellen selv, hvilke værktøjer den skal aktivere.

Eksempel: Brugeren uploader et dokument og beder om at få et afsnit oversat. Systemet:

  1. finder afsnittet via file search
  2. oversætter det via oversættelsesværktøjet
  3. kombinerer output via LLM’ens reasoning-lag

Dette skaber en oplevelse af en agent, der handler - og ikke kun svarer.

Næste skridt: MCP og et internt værktøjs-økosystem

Danske Bank arbejder nu med Model Context Protocol (MCP), som standardiserer kommunikationen mellem agenter og værktøjer. Ambitionen er at skabe et internt “tool marketplace”, hvor teams selv kan bygge og uploade værktøjer, som alle assistenter kan bruge.

Det vil gøre platformen til et egentligt økosystem og ikke bare et centralt produkt. 

Hvad andre organisationer kan lære

5 læringer står tydeligt frem:

  1. Centralisering giver hastighed og gør innovation lettere.
  2. Brugerne driver udviklingen - værktøjer skal løse konkrete problemer.
  3. Standarder skaber stabilitet - især OpenAI-kontrakten og MCP.
  4. Værdi skabes i værktøjerne - ikke kun i modellen.
  5. Compliance og innovation kan forenes - hvis arkitekturen er bygget korrekt.

Og som Frans Woelders opsummerer I artiklen på Danske Banks hjemmeside: “The potential is huge, and I am certain that as we embrace this new technology more widely, it will be a positive change to how we work and a great support in our efforts to provide great products and services to our customers.”

Kursus

AI-drevet forretningsudvikling

Generativ AI er alle steder i organisationen, men hvor er værdien? Lær at bruge generativ AI til forretningsudvikling, idegenerering og procesoptimering, der skaber reel værdi for organisationen.

Kursus

AI-drevet forretningsudvikling

Generativ AI er alle steder i organisationen, men hvor er værdien? Lær at bruge generativ AI til forretningsudvikling, idegenerering og procesoptimering, der skaber reel værdi for organisationen.

Læs mere:

Tema

AI

Se IDAs tilbud om anvendelse af AI, AI værktøjer og udvikling af AI.

Tema

Kursusoversigt

Få adgang til et bredt udvalg af kurser hos IDA, skræddersyet til STEM-uddannede. Sikr din markedsværdi og udvikl dine kompetencer hele karrieren

Kontakt

Få hjælp nu

Find relevante, kvalitetssikrede kurser og efteruddannelse.