I mina tidigare bloggar i den här serien har jag tittat på hur ledare skalar AI, hur vi återuppfinner arbetet med hjälp av agent AI och hur man leder denna förändring. I den här näst sista bloggen tittar jag på hur agent AI omformar arbetsstyrkan och skapar en avgörande roll för HR-funktionen.
Accentures Banking Top Trends 2026:Unconstrained banking is here
Läs mer
Inom bank och försäkring automatiserar AI rutinuppgifter, utökar komplext arbete, men den verkliga förändringen är hur mänskligt omdöme omdistribueras till beslut av högre värde. Som en försäkringskund uttryckte det är målet att "ta roboten ur människan". Agentisk AI gör precis det:halvoberoende, specialistagenter arbetar tillsammans med anställda som duktiga medarbetare.
Effekten är varken enhetlig eller oundviklig. AI påverkar inte varje uppgift i en roll och resultaten är inte förutbestämda. Ledare gör medvetna val om vad som ska förbli mänskligt arbete och vad som ska övergå till AI. Det här handlar mindre om att omforma roller och mer om att utforma arbete för resultat och avsikt, inte jobbtitlar.
Sektorsvis påverkan
Agentisk AI kommer att omforma hur värde skapas över hela personalstyrkan inom finansiella tjänster – inte bara arbetsstyrkan själv. Rätt strategi är därför mycket organisationsspecifik.
Att återuppfinna arbete innebär att designa för individer och för de team och nätverk som skapar värde.
Det mesta kunskapsarbetet inom finansiella tjänster är teambaserat. Ändå är det få lag som anpassar sig effektivt. Vår undersökning Talent Reinventors visade att endast 19 % av medarbetarna säger att deras team experimenterar med AI tillsammans, och bara 17 % känner sig psykologiskt säkra att dela med sig av nya idéer.
Talent Reinventors tar itu med denna lucka genom att använda AI-driven analys för att stärka teamdynamiken. Deras team rapporterar lägre stress, förbättrat välbefinnande och snabbare beslut av högre kvalitet, drivna av psykologisk säkerhet, experiment och delat lärande.
Detta är viktigt inom finansiella tjänster, där tvärvetenskapliga team, nätverk mellan företag och hela ekosystem som börser, finansiella centra och industripartnerskap definierar hur arbetet utförs.
Forskning stödjer denna förändring. En färsk studie från Ethan Mollick och hans kollegor visar att team med AI överträffar både individer med AI och team utan det. AI hjälper team att överbrygga kunskaps- och språkklyftor, generera fler olika idéer och främja positiva känslor. Mänsklig kreativitet driver fortfarande nyhet, men tillsammans överträffar människor och AI båda ensamma.
När vårt arbete förändras måste kompetensen förändras med det. Vår senaste Learning Reinvented-forskning visar att medan 84 % av cheferna förväntar sig att AI-agenter ska arbeta tillsammans med människor inom tre år, och 80 % av arbetarna ser AI som en möjlighet, rapporterar endast 26 % att de får utbildning i hur man samarbetar med AI. Framstegen är verkliga, men för långsamma.
Färdigheter i nedgång
Många av dessa trender går före AI, men AI accelererar dem.
Färdigheter som efterfrågas
Även verksamhetsområden som bedrägerier, betalningar, krav, KYC och utlåning flyttas mot mindre, mer expertteam fokuserade på komplexa fall och situationsbedömningar.
Detta är inte en engångsövergång. Kontinuerligt lärande möjliggör arbetskraftsrörlighet och långsiktig anställningsbarhet. För en del innebär det kompetensutveckling inom en roll. För andra innebär det att omskola sig till helt nya karriärer.
Ledande banker och försäkringsbolag går redan mot kompetensbaserade arbetskraftsmodeller, med stöd av personalplanering, utbildningsplattformar och interna talangmarknadsplatser.
För att hjälpa organisationer att svara lanserade vi LearnVantage, vårt flexibla AI-aktiverade inlärningsekosystem för framtida färdigheter. Den inkluderar vår AI Academy för styrelser, chefer och anställda, allt från utbildningssessioner till djupare lärande inklusive nano-grader och extern certifiering med Stanford och andra.
På S&P Global utbildade vi alla 40 000 anställda, inklusive 7 500 personalledare och 200 styrelsemedlemmar och seniora ledare på GenAI. Deltagandet nådde 100 %, MPS var mycket positivt och det var en fyrfaldig ökning av användningen av AI-verktyg. S&P Global är en tydlig förebild för att använda lärande för att driva företagsomfattande förändringar.
Jag är särskilt imponerad av några av de nationella insatserna i Mellanöstern kring omskoling – detta har inkluderat Emirates Institute of Finance, molnfärdighetsträning i Förenade Arabemiraten och KSA, och AI-uppgradering för Commercial Bank of Dubai. I Japan utvecklade vi 36 000 front office-anställda och 300 ledare hos ett stort försäkringsbolag, vilket gjorde det möjligt för dem att arbeta effektivt med digitala assistenter och leverera mer personliga kundresultat.
Samlärande är när människor lär ut teknik och samtidigt lär sig av den och är i fokus för denna forskning. Tidiga exempel inkluderar AI-coacher och företagscopiloter. I en agentarkitektur anpassar dessa system sig till individer, förbättras med feedback och stödjer lärande i arbetsflödet.
Överväg ett kontaktcenter. En mänsklig agent leder samtalet; en AI-agent transkriberar, föreslår kompatibla svar och sammanfattar resultat. När den mänskliga agenten hoppar över eller betygsätter förslag, lär sig AI:n. Efter samtalet ger den reflekterande feedback. Förmågan förbättras för både människa och maskin.
Detta tar upp några utmaningar som FS står inför:a) hur man kan höja förmågan och prestanda hos både människa och agent i den verkliga världen och inte bara i testning; b) hur man kan förbättra användbarheten, adoptionen och användningen av AI, eftersom bra AI-produkter som inte används inte genererar värde; c) hur man verkligen lägger in lärande i arbetsflödet där det bäst kan stödja medarbetar- och kundresultat och d) att frigöra tid för djupare lärande. Organisationer som använder detta tillvägagångssätt utvecklar färdigheter fyra gånger snabbare och fördubblar förtroendet för att samarbeta med AI.
Hos ett stort europeiskt försäkringsbolag minskade denna modell de anställdas hanterade samtal med 5–10 %, minskade den genomsnittliga hanteringstiden med 10 % och frigjorde cirka 20 % kapacitet, samtidigt som kompetensnivån och tiden till kompetens förbättrades.
Organisationer behöver också specialisttalanger för att bygga, styra och förklara AI. Dessa roller kombinerar allt mer tekniskt djup med expertis inom affärsdomän.
AI-jobbannonser har mer än tredubblats sedan slutet av 2023, vilket skärpt konkurrensen. Banker och försäkringsbolag måste särskilja sig. För en stor bank ompositionerade vi dess arbetsgivarvarumärke i Indien, vilket möjliggjorde en snabb uppbyggnad av en dataorganisation med 1 000 personer som verkar i en modern, global modell.
Genom LearnVantage arbetar vi också med djupare specialistkompetens för data- och AI-proffs, särskilt efter vårt förvärv av Udacity, Ascendient och AIdemy.
Exempel inkluderar:
Dessa ansträngningar går utöver grundläggande utbildning, där många omskolingsprogram slutar. Vi bygger konsekvent avancerad och expertkapacitet genom strukturerade digitala vägar, riktiga projekt, mentorskap, nano-examina och kollaborativt lärande.
När AI-kvaliteten ökar finns det en risk att arbetare blir alltför beroende av AI och faktiskt "somnar vid ratten". Om vi har en människa i spetsen vill vi att de ska vara effektiva och aktiva i den här rollen. I en studie av rekryterare fann Dell’Aqua att rekryterare som överlitade på AI fattade sämre urvalsbeslut och missade briljanta kandidater. Den ökande prestandan hos AI:n ersatte, snarare än att höja deras mänskliga prestanda.
Vi är vanevarelser och försöker minimera kognitiv belastning (alias "minsta motståndets väg"). Vi behöver en anledning att vara uppmärksam, kontrollera AI-resultaten väl, upprätthålla en sund skepsis och inte övertroende. Vi måste använda AI-utgångar som ett utkast och kombinera dem med vår egen mänskliga uppfinningsrikedom. Att vara en bra människa i ledningen kräver kognitiv belastning.
Om vi inte förstår grunderna i arbetet eller hur ett beslut ska fattas, kan vi inte korrekt granska AI-utdata, upptäcka fel eller tillämpa bedömningar när en åsidosättning behövs. Eftersom AI påskyndar arbetet och förbättrar dess resultat, borde det finnas mer tid för bra beslutsfattande. Risken är att vi istället skyndar på beslut och överlitar maskinen. Vi har hittat sätt att motverka detta:riktad utbildning, strukturerade beslutsuppmaningar, bryta komplexa bedömningar i logiska steg, kräva AI-förklaringar och citeringar, upptäckt av anomalier och etisk övervakning av både AI och mänsklig prestation.
När AI väl har skalats på arbetsplatsen måste vi bädda in AI i arbetsbänkar och verktyg på ett sätt som främjar god användning. Vi måste utbilda anställda i hur man använder AI väl och på de mänskliga färdigheter vi vill att de ska tillämpa (t.ex. omdöme). Vi måste ge incitament och avskräckande incitament för att främja rätt beteenden och skapa sunda mönster av självreflektion (t.ex. gruppretrospektiv, individuell reflektion, peer review etc.).
Att maximera avkastningen på investeringen för AI handlar inte om att maximera AI-prestandan isolerat, utan om att förbättra människors och agenters prestanda tillsammans. Detta innebär också att höja mänskliga färdigheter. Till exempel är min personliga erfarenhet av mina kreativa team att AI i händerna på kvalificerade arbetare som aktivt utökar och berikar sitt arbete får mer kreativ mångfald och snabbare resultat, snarare än att avtrubba deras hantverk.
Hur AI är utbildad för att interagera med mänskliga arbetare har också stor betydelse för lärandet. En nyligen genomförd studie från Wharton distribuerade GPT-baserade handledare till tusen studenter – tillgång till denna AI förbättrade elevernas prestanda avsevärt – men när AI:n togs bort sjönk prestandan. AI:n hade blivit en krycka. Där en handledningsbaserad AI hade distribuerats, mildrades denna prestandaminskning till stor del. Vi måste designa och utbilda agenter för att stödja medarbetarnas kompetensutveckling, som en bra lagkamrat.
Detta är särskilt viktigt i roller på nybörjarnivå och i de första åren. Basfärdigheter, situationsbedömning och grundläggande domänkunskap har traditionellt utvecklats genom lärande på jobbet. Eftersom dessa roller på ingångsnivå minskar och vi har mindre grundläggande arbete att "lära repen" på, måste vi hitta olika sätt att hjälpa nästa generations talanger att lära sig.
Jag älskar min kollega Karalee Closes syn på detta - vi måste använda detta ögonblick för att förstärka mänsklig intelligens, inte bara förstärka eller artificiellt replikera den. Ett område av fortsatt intresse för mig är kollektiv intelligens och hur AI kan driva upp utvecklingen av delad kunskap, skapa aktiv dialog, kan sänka språkbarriärer och hjälpa oss att ansluta och samarbeta med kollegor och innehåll runt om i världen.
I mina tidigare bloggar i den här serien har vi sett agent AI arbeta tillsammans med människor. För många människor (inklusive mig) är AI redan en medarbetare. Snabbspola tre år framåt och en bank eller försäkringsgivare kan arbeta med en arbetsstyrka på en miljon, både människor och agenter.
Hur hanterar vi denna nya hybridarbetskraft? Några tankar om agenterna:
Vi måste också anpassa hur vi stöttar kollegor:
Denna diskussion om hybridarbetskraften håller på att växa fram och behöver noggrant utforskas. Även om AI har mänskliga egenskaper och det kan vara tröstande att ge det namn, bör vi inte antropomorfiska AI och göra det lika med mänskliga arbetare. Vi kommer att behöva ett bättre språk. Vi ska värdera människors unika inneboende värde och upprätthålla en tydlig skillnad mot agentarbetare.
En effektiv arbetskraftsstrategi för AI måste kombinera anställdas röst med mätning. Organisationer som aktivt lyssnar på anställda och återspeglar denna input i AI-beslut ser högre adoption, starkare förtroende och mer hållbar prestation (SHRM, 2025).
Medarbetarnas röst kan ta många former:medarbetarrepresentation i AI-etiska styrelser, samråd med fackföreningar och ERG:er, deltagande design, strukturerad feedback under pilotprojekt, löpande feedback i användning och starka kanaler för att ta upp oro och whistleblowing. Organisationer för finansiella tjänster har gjort framsteg under det senaste decenniet när det gäller att lyssna och svara på problem; detta sträcker sig nu till oro för agentens noggrannhet och prestanda.
Mätning gör framsteg synliga. Att spåra AI-användning, medarbetarnas känslor, kompetenstillväxt och digitalt flyt hjälper ledare och HR-kurser att korrigera och upprätthålla farten.
Chief People Officer eller CHRO har en nyckelroll som förändringsledare, och hjälper hela ledarteamet att leda människornas förändring väl, navigerar i hur man hanterar den nya hybridarbetskraften och stödjer sin egen HR-funktion i att ta till sig AI på ett ansvarsfullt sätt.
HR-team måste stödja ledarutbildning, omkomplettering av personalstyrkan och förvärv och utveckling av specialistdata och AI-talanger. Affärspartner behöver också djupare förståelse för hur arbete och kompetens förändras inom deras funktioner. Detta kräver att silos bryts ner.
Nästan alla Talent Reinventors (96%) anpassar HR-, IT- och företagsledare kring en enda talang- och teknikstrategi, jämfört med bara 16% av andra organisationer. På samma sätt har 93 % omdefinierat sin talangstrategi för att stödja AI-användning, och positionerar HR som en copilot av förändring snarare än en reaktiv funktion.
För att leverera detta skifte måste talangteam snabbt kunna växa, omplacera och omforma hybridarbetsstyrkor. Belöningsteam behöver nya ekonomiska modeller som speglar en hybrid arbetskraft. Samtidigt skapar AI betydande möjligheter inom HR, vilket förbättrar resultat, erfarenhet och tjänsteeffektivitet.
För HR-proffs är detta ett spännande ögonblick. Deras roll har sällan varit mer kritisk.
Vårt ansvarsfulla AI-program för HR, som lanserades 2016, utformades för att accelerera, styra och övervaka AI-användning inom HR. Vi tillämpar nu AI över hela talanglivscykeln – rekrytering, introduktion, utveckling, mobilitet, belöning och kollegastöd.
Effekten har varit betydande:cirka 45 % produktivitetsökningar inom HR, en 30 % förbättring av kompetensen för prioriterade färdigheter, en 40 % ökning av intern fyllnadsgrad och en 35 % minskning av tiden att fylla. Dessa resultat stärker kollegor. Till exempel använder vi AI för att härleda färdigheter från arbets- och utbildningserfarenheter, visa dem med anställda och hjälpa dem att identifiera framtida roller, karriärvägar och inlärningsmöjligheter.
Många kunder med finansiella tjänster går också från reaktiv anställning till proaktiva talangstrategier och använder plattformar som Eightfold.ai och Beamery för att stödja inköp, rollmatchning, pipelinebyggande och intern mobilitet.
Ändå fann vår undersökning av Talent Reinventors att endast cirka 7 % av organisationerna använder AI för att driva en "internt först" mobilitetsstrategi. De flesta är fortfarande mycket beroende av externa anställningar eller isolerade interna flyttningar på grund av dålig synlighet av kompetens. Talent Reinventors tar en annan väg. De är 4,4 gånger mer benägna att ha en anpassningsbar arbetsstyrka och 7,2 gånger mer benägna att fylla roller internt.
En stor amerikansk bank är ett starkt exempel. Genom att anta en kompetensdriven modell och bädda in AI-aktiverad kompetenssynlighet i personalplanering, kan ledare förutse luckor och snabbt omplacera talang, och bygga en mer flexibel och motståndskraftig organisation.
Hos en annan stor bankkund utrustade vi linjechefer med AI-verktyg för att skapa resultatsammanfattningar, ge bättre feedback och stödja ersättningsbeslut, spara tid, förbättra kvaliteten och skapa utrymme för starkare bedömningar.
Några nyckelpunkter som du kanske vill reflektera över — låt mig veta dina tankar och idéer:
I den här näst sista bloggen utforskade vi hur finansiella tjänsteföretag måste omforma sin personalstyrka. Agentisk AI kräver att vi tänker annorlunda om människor och agenter som arbetar tillsammans. Banker och försäkringsbolag kommer sannolikt att anställa mindre men mycket mer digitalt och mänskliga kvalificerade arbetskrafter, vilket driver en fortsatt efterfrågan på omkompetens. HR måste vara centralt i denna övergång och hjälpa ledare att navigera i förändringar och hantera hybridarbetskraften.
I den sista bloggen i den här serien kommer jag att utforska hur ledarskap, kultur och verksamhetsmodeller också måste utvecklas för att upprätthålla denna transformation.
Så här överför du pengar från PayPal till ett presentkort
Hur man använder PayPal vid en bankomat
Intradagsmarknadsanalys – USD-försök att återhämta sig
27 ställen som ger bort gratis t-shirts
5 sätt att din 1040-deklaration ser annorlunda ut i år
Har du en skriftlig ekonomisk plan?
Enkäter för pengar:De bästa undersökningswebbplatserna 2021
Hur man hittar företagslån för veteraner