I de tidigare fyra bloggarna i den här serien utforskade jag hur ledande finansiella tjänsteföretag skalar AI för värde, driver snabba förändringar, använder agentarkitekturer för att återuppfinna arbete och företag och omformar hybridarbetsstyrkor. I den här sista bloggen tar jag ett steg tillbaka till den större bilden:hur ledarskap, kultur och operativ modell förändras när AI skalas över hela företaget. Jag lyfter också fram flera av de frågetavlor som nu ställs.
Accentures Banking Top Trends 2026:Unconstrained banking is here
Läs mer
Ledarskap är en avgörande faktor för AI-resultat. Vår forskning fann att VD-sponsrad gen AI-aktiverad återuppfinning av företag ger 2,5 gånger mer värde än ansträngningar som initierats längre ner i organisationen. Detta signalerar betydelsen av AI för företagets strategi och framtid.
De bästa vd:arna vi arbetar med behandlar AI som en del av affärsstrategin och den bredare investerings- och transformationsportföljen. De kopplar AI till syfte, vision och prestanda. De bygger också ett sammanhängande narrativ som hjälper organisationen att förstå vad som förändras, varför det är viktigt och hur man kan engagera sig. (Mina kollegor i vårt Storytellers-team stödjer många kunder i just detta.)
De flesta VD:ar utser någon "on point" för AI, ofta CIO eller CTO. I vissa företag har Chief Data Officer blivit upphöjd, eller så har en Chief AI Officer lagts till i C-suiten eller det utökade ledarskapet. Dessa roller ger expertis och ansvar, men AI kan inte sitta med en funktion. Det är hela C-svitens ansvar. Varje ledare måste äga hur AI används i deras verksamhet, hur risker hanteras och hur resultat levereras.
VD och nyckelledare behöver likriktning och stöd från styrelsen. Styrelserelationer och teknisk erfarenhet varierar avsevärt. Vår forskning visar att teknisk expertis bland styrelseledamöter har vuxit från 6 % 2015 till 16 % idag. Cirka 20 % av bankerna har nu mer än en tredjedel av styrelseledamöterna med teknisk erfarenhet och är mer benägna att bli framgångsrika. Ändå har 17 % av bankstyrelserna fortfarande inga medlemmar med teknisk erfarenhet, vilket gör support och tillsyn mycket svårare.
Enligt min erfarenhet är styrelsemöten avgörande. De skapar utrymme för att anpassa sig till strategi, investeringar och riskaptit. De producerar också ofta några av de starkaste förespråkarna för ett mänskligt styrt tillvägagångssätt.
AI förändrar hur ledare leder. Det förändrar takten i beslutsfattandet, arbetets karaktär och formen på samarbetet. Ledare och ledarteam behöver nya kunskaper, färdigheter och beteenden. Turing Institutes AI Skills for Business Competency Framework erkänner ledare som en nyckelperson.
De flesta ledare behöver inte bli AI-specialister. De behöver affärsflytande:en förståelse för kapacitet och begränsningar, de viktigaste AI-typerna och hur AI passar in i data, teknik och affärsarkitektur. Detta flyt hjälper ledare att upptäcka möjligheter, definiera problem väl och sponsra initiativ på ett intelligent sätt. Det växer också snabbast när ledare själva använder AI-verktyg.
Ledare måste förbättra hur de utvärderar och skalar AI-investeringar. Det inkluderar att bygga en balanserad portfölj, prioritera resurser och finansiera förändringen bortom teknik. Skalning av AI kräver investeringar i process, arbetsdesign, kompetens, adoption och styrning, inte bara modeller och infrastruktur.
Ledare måste också fördjupa sin riskförmåga. Som diskuterats i blogg 3 måste de sätta riskaptit med styrelsen, tilldela ansvar för AI-produkter och använda ansvarsfulla AI-ramverk, verktyg och specialiststöd. Detta utökar ledarskapsansvaret för efterlevnad av lagar och regler, riskägande inom de tre försvarslinjerna och kontrollbeteenden inom områden som anti-penningtvätt och bedrägeriförebyggande.
FS-ledare måste också engagera sig proaktivt med centralbanker, tillsynsmyndigheter och beslutsfattare. Vi kommer bara att bygga upp förtroende i stor skala genom bevis och inbäddad praxis, särskilt i beslut med hög insats som kredit, fordringar och handel. Samtidigt måste ledare stärka motståndskraften och säkerheten i en värld av AI-accelererade hot, bädda in AI i cyberförsvar, operativa risker och stresstester.
Det här är snabba och utvecklande förändringar mellan kollegor, kunder, marknader och samhället. Ledare måste vässa sitt förändringsledarskap. De måste vara förespråkare som förverkligar visionen, bygger förtroende och aktiverar adoption. De måste samarbeta mellan affärs- och tekniska team och över ekosystemet. De måste leda med autenticitet och inkludering, fatta svåra beslut och ta itu med problem direkt.
AI förändras också hela tiden. Nyfikenhet och kontinuerligt lärande är nu ledarskap väsentliga. Under de senaste två åren har jag stöttat ledare från styrelse och C-suite till chefer i frontlinjen och deras aptit att lära fortsätter att imponera på mig. Människor kommer med olika utgångspunkter, men de ledare som går snabbast ställer frågor, använder verktygen och omsätter medvetenhet till praktisk tillämpning.
Om du vill utforska hur vi stödjer uppbyggnad av ledares förmåga och verklig AI-applikation, vänligen kontakta.
Många ledningsgrupper har redan haft en AI "101"-briefing eller ett "201" business school-besök. Det skapar grundläggande läskunnighet, och det spelar roll. Vi har nu också en komplett AI Academy och TQ-moduler inom vår LearnVantage-kapacitet för att stödja detta pågående lärande.
För de flesta organisationer har ledarskapsutmaningen nu övergått till att tillämpa AI på verkliga affärsmöjligheter och problem och leda förändringen i stor skala över funktioner och team.
AI förändringsledningsarbete. Att samordna, övervaka och kontrollera arbetet ser annorlunda ut när agentarkitekturer blir en del av den dagliga verksamheten. AI blir mer än ett verktyg.
AI är inte mänsklig och inte helt autonom, men den kan känna, generera, komma ihåg, planera och agera. I en reglerad bransch kommer förmågan att övervaka prestanda, uppförande och beslutsfattande för både mänskliga arbetare och AI-agenter att bli allt viktigare. Chefer kan behöva övervaka orkestreringsagenter inom agentarbetsflöden.
Spännvidden av kontroll kan utökas kraftigt eftersom "team" inkluderar både människor och agenter, från 10 till 100. För att hantera detta kommer ledare att behöva instrumentpaneler och AI-aktiverade ledningsverktyg för styrning och kontroll. Målet är att lägga mindre tid på admin och mer tid på omdöme.
Det är därför som ledarskapslärande måste omfatta chefer och teamledare, inte bara chefer. Dessa ledare behöver samma utrymme för att bygga förståelse, ställa frågor och börja använda AI. De bär också det dagliga ansvaret att ta itu med problem, stödja adoption och återställa arbetssätt. Att anpassa ledare på alla nivåer förbättrar materiellt transformationsresultat (Accenture Transformation GPS, 2025).
AI förändrar inte en banks eller försäkringsgivares syfte och värderingar. Det förändrar hur vi arbetar, tänker och bestämmer. Digital förändrad kultur inom finansiella tjänster; AI kommer att flytta den längre och snabbare.
De specifika kulturella teman varierar beroende på företag, men gemensamma områden inkluderar:
För det första är tonen viktiga. Ledare sätter klimatet för förtroende och psykologisk säkerhet, inklusive säkerheten att säga ifrån när något är fel. Jag har blivit uppmuntrad av ledare som diskuterar risker öppet och behandlar oro som legitima.
För det andra behöver team ge möjligheter att ta de första stegen. Organisationen bör ha en sammanhängande syn på hur arbetet kommer att utföras och sedan ge teamen utrymme att experimentera, lära sig och använda AI väl.
För det tredje måste ledare utmana silor och "så som vi alltid har gjort det." Finansiella tjänster har ofta haft en partiskhet för status quo. Återuppfinnande kräver avsiktligt avbrott.
Slutligen tenderar mänskligt beteende att följa minsta motståndets väg. Om vi vill ha nya beteenden måste vi ändra operativa mekanismer runt dem. Att leverera med AI bör vara låg friktion.
Regulatorisk ton spelar också roll. En mer innovationspositiv hållning, såsom UK FCA:s riktning, formar företagets policy, efterlevnadsförväntningar och revisionsprioriteringar.
Under de senaste fem åren har vi haft en bestående förändring i betydelsen av mänskliga behov på jobbet:välbefinnande, syfte, tillväxt och inkludering. När vi tillämpar AI måste vi stärka dessa element, inte urholka dem. Finansiella tjänster är som bäst när de levererar meningsfullt arbete, starka relationer, förtroende och tillhörighet.
Ledande organisationer förstärker dessa mänskliga element när de skalar AI. De använder AI för att personifiera karriärutveckling och inlärningsvägar, och hjälper anställda att växa genom meningsfullt arbete anpassat till styrkor och mål. På Accenture ställer ledare en djärv fråga:"Är våra medarbetare bättre av att arbeta här?" De mäter om anställda bygger säljbara färdigheter, upprätthåller välbefinnande och känner syfte och tillhörighet. Enligt vår Talent Reinventors-undersökning, när anställda känner sig ”bättre” är de 1,7 gånger mer anpassningsbara till förändringar, 1,9 gånger mer benägna att lita på organisationen och 35 % mer benägna att driva innovation.
En verksamhetsmodell är uppsättningen av förmågor och hur de arbetar tillsammans för att betjäna kunder. Eftersom AI och agentarkitekturer förändrar arbetsflöden i kärnan hos banker och försäkringsbolag måste verksamhetsmodellerna anpassas. Vårt senaste tankeledarskap fokuserade på de operativa modellförändringar som krävs för AI. Detta belyser behovet av mer anpassningsbara strukturer och beredskap för ständig förändring (se blogg 3).
Denna förändring utmanar traditionella organisatoriska gränser. Värdeströmmar skär genom silor och finansiella tjänster är fulla av dem. Vi måste också gå bortom enstaka användningsfall och AI som fristående modeller. Agentisk AI håller på att bli en återanvändbar funktion integrerad med människor, process, data och teknik.
Många kunder ställer nu en större fråga:hur ser en "AI-first-bank" eller "AI-first-försäkringsgivare" ut? Flera teman sitter i den frågan. Låt oss utforska några av de stora frågorna i detta.
Agentisk AI kan göra banker och försäkringar mer proaktiva, konverserande och relevanta. Det kan förvandla digitala engångstransaktioner till kontinuerliga interaktioner som kommer ihåg preferenser och behov. Det kan också skapa utrymme för företag att vara mer mänskliga när det betyder mest:i stunder av känslor (sörjande, bedrägeri), relationer (privatbanker) och rådgivning (ekonomisk planering).
På kort sikt kan AI-interaktion kännas skrämmande för äldre och utsatta kunder. Val och inkluderande design kommer att ha betydelse.
Kundernas val kommer också att utökas. Vissa kunder kommer att använda personliga agenter för att styra insättningar och betalningar mellan leverantörer via öppen bank. Kundresor kan i allt högre grad förmedlas mellan bots lika mycket som mellan människor. Det kommer att omforma distribution, prissättning och lojalitet.
Företag kommer att inta olika konkurrenspositioner. Vissa kommer att försöka äga interaktionen mellan agent och kund. Andra kommer att tävla på förtroende genom proprietära, mycket kompatibla agenter. Andra kommer att bygga ekosystem och integreras brett.
Dessa val kommer att omforma ekonomi, arbete och arbetskraft inom varje institution.
På en stor asiatisk bank utvecklade vi om mobilappen med hjälp av AI i den kreativa processen (inklusive syntetiska kundtester) och inbäddade AI för personalisering och automatiserat digitalt innehåll och meddelanden. Genom miljontals beröringspunkter ökade gen AI-omformningen kundnöjdheten, ökade användningen med 50 %, minskade marknadsföringskostnaderna med 40 %, ökade den digitala försäljningen med 65 % och ökade korsförsäljningen till 30 %. Dessa är inte kundägda agenter ännu, men det signalerar hur snabbt AI kan förbättra upplevelsen och prestanda.
AI kommer gradvis att omforma konkurrenslogik. När företag bäddar in agentarkitekturer över kärnvärdekedjan lägger de grunden för AI-först tillväxtmodeller. Med tiden kan dessa modeller skapa AI-nätverkseffekter, där inlärningsslingor förbättrar prestandan snabbare än traditionella skalfördelar.
Bedrägeri och transaktionsövervakning illustrerar riktningen. När agenter lär sig av mönster och av varandra kan de identifiera nya funktioner och signaler. Agentarkitekturer automatiseras inte bara. De kan skapa inlärningssystem som kontinuerligt förbättras och matar kollektiv intelligens. Vi är tidiga, men driftsmodellens konsekvenser är betydande.
Agentisk AI pekar på tre driftsmodellkrav:
1. Komponerbarhet :Finansiella tjänster är djupt sammanlänkade och ofta kopplade till äldre plattformar. Sammansättningsbarhet innebär att designa modulära AI-komponenter och agenter som är återanvändbara över produkter och geografiska områden. Det möjliggör snabbare återuppfinning och minskar tekniska skulder.
2. Resiliens :Företag måste bygga operativa team för människor och agenter som kan absorbera stötar, upprätthålla integritet och återhämta sig snabbt. I reglerade sektorer är kontinuitet och förtroende inte förhandlingsbart. Detta inkluderar möjligheten att köra viktiga tjänster om ett agentlager misslyckas.
3. Hållbarhet :När arbetsbelastningen för AI-beräkningar växer måste banker och försäkringsbolag hantera energi-, kol- och vattenanvändning, modelleffektivitet och grönare molnarkitekturer. Dessa val kommer att påverka nettonollmålen och regulatorns, kund- och investerares sentiment. Det finns också möjlighet att finansiera de hållbara energi- och vattenlösningar som datacenter kräver.
Agentisk AI kommer samtidigt som många banker och försäkringsbolag redan förenklar styrningen, antar produktoperativa modeller för ständig förändring och utvecklar globala kapacitetscentra (GCC) till intelligenta operationer.
Produktägare kommer att behöva utveckla AI-kapaciteten kontinuerligt och ta med AI-kunskaper till leveransgrupper tillsammans med ingenjörer, kunder, propositions- och förändringsproffs. GCC:er kombinerar i allt högre grad skalad verksamhet med djup teknik, data och AI-kapacitet för att leverera intelligenta operationer för återuppfinnande av företag. Organisationer utan etablerade kompetenscenter kan istället välja att onshore eller omvandla verksamheten på plats.
Med en stor försäkringsgivare med komplexa linjer har vi implementerat mer än 100 RPA-, AI- och nu agenta AI-lösningar över värdeströmmar och processer inom GCC. Detta förbättrade service, insikt och snabbhet och gav en kostnadsreduktion på 35 %. Kritiska faktorer var konsoliderad synlighet i arbetet, en ambition framifrån mot baksida, stark talang och ihållande investeringar i både kärnplattformar och AI.
Historiskt sett har många företag behandlat data som ett tekniskt problem, främst finansierat för sanering och regelefterlevnad. Den uppfattningen är omvänd.
Banker och försäkringsbolag behandlar data i allt högre grad som en strategisk affärstillgång. Att kurera det har ett värde i sig, och det är också viktigt för att träna AI exakt och skala den på ett ansvarsfullt sätt. Som ett resultat ser vi ökande investeringar i data- och AI-kapacitet och större betoning på affärs- och kunddomänkunskap för dataproffs.
Vi tillkännagav ett femårigt samarbete med AWS och NatWest Group för att påskynda moderniseringen av digital-, data-, analys- och AI-kapacitet för sina 20 miljoner kunder. Samarbetet innefattar satsning på kollegors kompetens och en datadriven kultur. Paul Thwaite, NatWests VD, sa:"Vår bransch – och våra kunders förväntningar – förändras snabbt och vi bygger vår kapacitet för att förstå och tillgodose deras behov bättre och snabbare än någonsin tidigare. Utrustade med data av hög kvalitet kan vi fortsätta att i tysthet revolutionera hur vi betjänar våra kunder genom att använda AI och andra teknologier för att kunna tillhandahålla de mest personliga produkterna och tjänsterna för att kunna erbjuda de mest personliga produkterna och tjänsterna."
Det här är ett ledarskapsögonblick. C-sviter och styrelser står inför ett tydligt val mellan en begränsad och en obegränsad syn på vad AI kan betyda för deras organisation.
Den begränsade uppfattningen syftar till att "få 10 % ut." Den fokuserar på smal uppgiftsautomatisering, att ta bort arbete med lägre värde och optimera arbetsstyrkan. Det kan också som standard vara "inte ännu" eller "snabb följare". Med tanke på marknadstryck, osäkerhet och investeringströtthet är detta svar förståeligt. Men det är i slutändan begränsande.
Den obegränsade synen är annorlunda. Det handlar inte om inkrementella besparingar, utan om att låsa upp 10x prestanda och tillväxt. I denna modell är tillväxten inte längre begränsad av hur många personer en bank kan anställa. En person kan leda och orkestrera ett team av AI-kollegor för att ge exponentiellt större genomslag.
Detta är ett medvetet val för att återuppfinna verksamheten genom att kombinera mänsklig och AI-kapacitet. Det förutsätter ständig förändring, anpassat ledarskap och djupt förtroende, med människor som leder transformationen. Framgång beror på att ge anställda möjlighet att omforma arbetsflöden och samdesigna intuitiva interaktioner mellan människa och AI som lyfter arbetet snarare än ersätter det. Den centrala frågan flyttas från "Var kan AI minska kostnaderna?" till "Var kan intelligens förändra resultat?"
Nästa generations ledarskap kommer inte att definieras av hur mycket kontroll vi behåller, utan av hur ansvarsfullt vi accelererar förmågan, både mänsklig och artificiell. De banker och försäkringsbolag som frodas kommer att ledas av människor som kombinerar mål, nyfikenhet och mod och som lyfter intelligens till förmån för kunder, kollegor, aktieägare och samhället.
Under de senaste fem bloggarna har vi täckt mycket mark:
AI fortsätter att vara en av de mest störande och spännande förändringarna inom finansiella tjänster och den bredare arbetsvärlden. Det uppstår en klyfta mellan de ledare som har skalat AI för värde och tagit ett mänskligt tillvägagångssätt.
Jag hoppas att de praktiska exemplen och mina reflektioner har varit till hjälp för dig för att levandegöra några av de tillvägagångssätt som kan göra skillnad. Jag skulle älska att chatta vidare med dig om dina möjligheter och utmaningar – kontakta mig direkt på LinkedIn och läs våra banktrender för 2026.
Hur man tar ut vinstdelning
The Best Fidelity Funds for 401(k) Retirement Savers
Hur man budgeterar med flera konton
Pensionärers guide till att ge för den största effekten
Du ställer fel ekonomiska frågor:Så här åtgärdar du det
Hur hittar du sekundär sjukförsäkring
Ansök om skatt på barns undervisningsavgifter
Råvarupriser och växelkurser