Godmorgen og velkommen derude. Vi har i dag fornøjelsen af at skulle tale lidt omkring AI. Vi skal tale lidt omkring transaktionsmonitorering, og det skal vi gøre i forhold til hvidvaskområdet. Vi er rigtig glade for, at I vælger at bruge den her torsdag morgen kl. 9 til ligesom at være sammen med os her i Implement. Og vi vil forsøge at guide og inspirere så godt vi kan med noget af det, som fylder allermest for tiden. Formålet det er, at vi skal tænke AI ind i den måde, som vi dagligt har vores arbejde. Der kan helt klart være nogle områder, hvor man kan have nogle synergier, både i forhold til at få en større kvalitet, en økonomisk besparelse, få dokumenteret noget bedre og en lang række andre effekter. Men vi vil også være kritiske i broen, og det er nogle af de emner, som vi vil prøve at vende i dag. Vi er rigtig mange tilmeldte i dag. Min kollega Jens, som vil præsentere sig selv senere, og mig, vi har prøvet at lave en agenda, som passer så mange som muligt. Uanset om man er en bank, en pensionskasse, en forsikringsselskab, en betalingsudbyder eller måske nogen, der slet ikke er i en finansiel sektor. Så vi håber, at det giver mening for så mange af jer som muligt. Mit navn er D. Kenneth. Jeg er partner her i Implement. Og ja, hvem af jer? Udover at jeg har tre børn og en kone, der hedder Sarah og bor på Vesterbro, så har jeg været 15 år i pengestutter. Det var det, jeg startede. Og så de sidste 10 år, der har jeg så siddet som konsulent. Og jeg har siddet og beskiftet mig rigtig meget med forretning, med risikostyring og compliance og forholdt mig til de muligheder, som der nu er i tidens trend. Jeg har været bankdirektør, jeg har været hvidvaskansvarlig, jeg har været risikoansvarlig, jeg har været forskellige roller. Så på en eller anden måde billiger jeg mig selv ind, at jeg ved lidt omkring, hvad der sker også på jeres side af bordet eller dem, der ikke er konsulent. Spørgsmål, der må komme i løbet af webinaret, det skal I endelig bare skrive. Vi har sådan en lille chat, eller hvad man skriver, hvor man kan stille kommentarer, spørgsmål osv. Der vil også være en opsamling til aller sidst, men I skal endelig bare stille dem løbende, og så vil vi forsøge så godt som muligt at besvare dem. De spørgsmål, som vi måske ikke når, eller nogen, der kræver lidt mere bindearbejde, jamen de vil komme ud skriftligt, når vi sender materiale ud efterfølgende. Det her bliver optaget, det vil sige, at du altid kan gense webinaret, du kan vise det til en kollega eller en kammerat. Og de vil altså være med i den pakke sammen med de her slides, som vi også vil køre igennem, som vil sendes ud til alle dem, der har registreret sig i dag. Først og fremmest, hvorfor er det, at det er os, der står her og snakker? Implement til dem, der ikke kender os, eller til dem, der kender os, men som vi skal have en opdatering, så er vi lidt over 2.000 ansatte. Vi har hovedkontoret her, hvor vi står i Hellerup. Derovre har vi også et kontor i Aarhus. Så cirka 1.500 af de her 2.000 ansatte, de er altså i dansk lokation. Derovre sidder vi også i fem andre lande, Norge, Sverige, Tyskland, Schweiz og USA. Og det, som vi gør, det er, at udover at vi kan lave en strategi, så kan vi designe en ny driftsmodel fra de nye rekrutativer, som der må komme. Samt, og det ligger i vores navn, kan implementere og forankre ny lovgivning, ny teknologi og hvad der nu må ligge. Og derfor synes vi, at det er meget, meget essentielt, at nu hvor Aarhus fylder så meget, at det også er os, der tager et ord og tager den agenda og deler så meget, vi kan med jer. Det næste 50-55 minutter, der er det sådan set det her, som vi vil gennemgå. Når jeg lige har sagt velkommen og lige taget et bord omkring, hvor er det, vi står nu, så vil jeg bede Jens komme herovre, og så vil jeg stille det roligt lidt ud af skærmen. Og så vil Jens prøve at fortælle omkring, hvor står vi lige nu med AI, og hvor skal vi hen, ud fra hvad vi ved nu. Når Jens har delt det, så vil jeg prøve at vise en live demo. Den her demo er noget, som vi har selv lavet. Se det som en inspiration. Og når noget er live, så kan det gå galt. Det regner jeg dog ikke med, at det gør. Men i cirka en 25 minutters tid, der vil jeg prøve at vise, hvordan man kan bruge AI inden for sin daglige hvidvaskontering. Efter det, så runder vi stille roligt af, tager de spørgsmål, der nu må være, samler op, og så siger vi tak for i dag. Men så lige for os at sætte scenen lige nu, der mødes nogle forskellige kræfter. Man kan sige, at vi har et finanssyn, som virkelig sætter standarden. Vi ser en skærpet inspektionsrate, en skærpet tone. Der kommer ny vidværtslovgivning i juli 2027. Og vi kan godt se, at der bliver virkelig kigget efter hvert komma, hvert punktum PT. Den håndhævelse, der kommer til at ske, den er ikke nem. Og derfor er det vigtigt, at vi har et tilsyn, der ligesom er meget mere overvågen. Men omvendt også giver plads til, at det er en forretning, der skal køre. Og alt ikke er så strømlinet, som det måske udefra kan se ud til at være. Fordi det er i den grad svært at drive en finansiel virksomhed og håndtere alt det, man skal. Så har vi en operationel virksomhed. Vi har pres på ressourcer. Vi har nogle potentielle kriminelle, eller også dem, der er dømt kriminelle. Så vi i den grad ved mange gange, hvordan man skal omgå mange af de her processer. De er bestemt ikke dumme. Så derfor har vi et ressource- og kompetencespørgsmål. Og med alt det, som det håndteres og skulle efterleve lovgivningen på alarmonteringen, så kræver det bare mange ressourcer. En dybere synergier og en rentabilitet, som også skal være i fokus, når man driver en virksomhed. Så de manlige processer kan ikke altid følge med. Og så den sidste, det er jo så den her teknologiske modenhed. Det er nu. Det har udviklet sig godt. Men nu er vi der, hvor det faktisk fungerer rigtig, rigtig fint. Vi har det regulatoriske sæt op. Vi har den tekniske forståelse. Vi kan køre det på systemer nu. Og vi kan se det, det kan. Så det er ligesom de tre bolte, som virkelig sætter pres på teknologien. Det, som vi har gjort her, det er, at vi har kigget på inspektioner fra tilsynet. Inden for hvidvaskområdet. Det er det så for pengestutter. Men vi har ligesom prøvet at se, hvor er det, man stadig har nogle udfordringer derude. Og i forhold til transaktionsmonitorering. Jamen, der kan vi se, og det er det, jeg har prøvet at gøre lidt gult rødt highlightet. Det er simpelthen det med at få undersøgt og noteret de transaktioner, der sker i den alarmbehandling. Der kan vi se, at 40 procent får altså påbud. Vi kan altså også se, at den der med en rettid alarmbehandling og ikke mindst inddrag alle de risici, der nu må ligge i virksomhedens forretningsmodel. Den er også svær. Så det her detaljer sig tydeligt sprog, at når vi ser på inspektioner fra 25 og fra første kvartal 26, at der er virkelig mange udfordringer stadigvæk, som vi skal tage hånd om. Vi kan selvfølgelig se, at det går rigtig godt, og det går bedre på mange andre parametre, hvilket også er fantastisk. Men vi vil rigtig gerne plante et frø eller være en stemme på, at vi kan gøre det endnu bedre og være klar til ny vidværslovgivning. Vi har forsøgt her over til højre på billedet at ligesom sætte så en lille rød markant omkring, hvor er det alarmbehandling, hvad er det for nogle praktiske citater eller inspektionsnotater, som tilsynet kommer med. Og hvis jeg bare lige skal tage nogle af de øverste, så kan vi se her, at der er det der med at få behandlet alarmen rettidigt. Og nogle gange er det der med, at har man ressourcer tilgængelige, men få dem løst efter den tid, man nu har fastsat, efter den risiko, den alarm nu har. Hvis du virkelig har en backlog, må ikke tige det, få det ordnet eller fortæl det til tilsynet, og så have en plan for, hvordan du kommer i en mål. Vi ser jo også den her, at lukketekster og selve undersøgelsesdelen, det er jo det, der er grundlaget for at tage en potentiel videre arbejde med den vistanke for en potentiel vidvask eller tære, eller hvad det nu må være, sanktioner. Der skal vi være lidt skarper, det er for generisk, vi skal lidt dybere ned i det. Og så har vi nogle vangtenejer, men de kan også være meget ensrettede, ensrettede, det vil sige, at de kan være svært at fange på tværs, fange det, der er mellem linjerne, hvis man kan sige det det. Og der er det vigtigt, at man ligesom har et overordnet billede, et overordnet scenarie sæt op, som fanger så meget som muligt. Jeg tror, det var så lige en kort intro for mig. Jeg håber, det gav et billede af, hvorfor det er, vi står og snakker. Jeg vil nu give ordet videre til min gode kollega Jens. Så Jens, vil du ikke komme ind? Jo, tak. Og værsgo. Tak skal du have. Skal jeg se, at jeg kan få tekniken til at virke. Så, pænt goddag. Jeg havde Jens, som Kenneth sagde. Jeg har fornøjelsen af at tale om AI, og hvad vi er begyndt at kalde agentisk AI. Min baggrund, jeg tror, jeg har beskæftiget mig af AI lige siden, så lang tid jeg kan huske. fra mine studier og gennem min professionelle karriere. Og så har jeg også en baggrund i den finansielle sektor, både pension, bank og payment. Lad os prøve at hoppe ned i det. Hvis man skal have hovedet lidt rundt om, hvad AI er, og hvordan man kan tænke omkring det, så kan man bruge de her cirkler her. Så hvis man tænker om AI generelt, så er det jo et forsøg på at genskabe den menneskelige intelligens, hvilket er et stort ord. Maskinlæring, det er, hvor computeren lærer fra den data, man giver den. Det generative AI, det er algoritmer, som kan generere indhold, generere tekst, generere billeder, generere alt muligt. og det agentiske, ja, det er det, vi kommer til at tale om her. Så det vil jeg begynde at tale lidt mere om i de næste slides. Jeg tror, de fleste af os kan huske, dengang, at TAT-GBT kom i 2023. Det er faktisk ikke så lang tid siden, men det føles lang tid siden. Så det er ligesom der, den generative AI begyndte at blive meget synlig for offentligheden. Den første release af det her, det er noget, man kan tale med, og den svarer lidt igen. ret kort tid efter. I 2024, så kommer man, kommer åbent AI med en ny model, som kan, vi kalder det reasoning, det vil sige, den kan faktisk resonere over det, man putter ind i den, når den kommer tilbage. I 2025, og det her, det er reelt, det rigtig store skifte, der begynder det her agentiske at sparke igennem for alvor. Og det bedste eksempel, det er det produkt, der hedder Cloud Code. Den kan skrive computerkode. og grunden til den kan det, det er, at den, hvad kan man sige, både når den er trænet på den rigtige data, men den også taler meget mere med sig selv, hvis man kan bruge det udtryk. Og det, vi begynder at se nu, det er agentis, det vil sige, det er flere agenter, der taler med hinanden autonomt. Det bedste eksempel er det, der hedder OpenClaw. Og hvad betyder det så helt konkret? Ja, vi ser et markant skifte i, hvordan vi bruger teknologien. Fra at det har været en co-pilot, kan man sige, det vil sige, det er noget, vi bruger personligt, til at det agentiske, det er systemer, som kan løse processuelle opgaver. Det er et ret markant skifte i teknologien, og i specielt anvendelsen af teknologien. Hvis man skal have hovedet rundt om, hvad agentiske A er, det lyder meget fornemt, så er det forholdsvis simpelt at forstå. Og det er systemer, som man sætter et mål, og så kører det rundt i et loop, indtil den har nået det mål. Det lyder utroligt simpelt, men det er faktisk en rigtig god, hvad kan man kalde det, mental model, for at forstå, hvad det er. Her er et schema, hvor man kan se, hvordan det er bygget op. Man starter med at give den et mål, den laver en plan, og så kører den rundt i et loop, indtil at målet er opnået, og så spytter den svaret ud. Forholdsvis simpelt at forstå, teknisk er det her ikke nemt. Så hvad er agentiske A, som kan summere det op? Det er systemer, der reflekterer. Det er systemer, som kan bruge værktøjer. De kan planlægge, og så kan de samarbejde de her agenter med hinanden. Og hvad er så konsekvensen af det her? Det er, at de kan meget, meget mere. Det her er en kurve af, hvor lang tid de kan arbejde, og give brugbare resultater. Og man kan se, den kurve er vilderligt eksponentiel. Nu er den faktisk nogle måneder gammel, den her, og lige nu ser vi faktisk systemer, som kan køre helt op til en uge, 14 dage, uden man rører ved dem, og så kommer de tilbage med et resultat. Og det betyder, at det man kan anvende dem til, begynder virkelig at sparke igennem. Ja, og hvad betyder det så sådan helt konkret, som Kenneth vil begynde at tale om, lige om lidt, det er, at du kan lave systemer fra, at du hardcoder en proces, til at løse en opgave. Ja, så kan du faktisk få agenten selv til, og du kan kalde det opdage processen, og komme med et svar. Det lyder igen, det er vel ikke så svært, men det er nogle andre ting, man skal kunne, for at kunne sætte sådan et agentisk miljø op. Det vil sige, man skal være meget skarp i, hvad det er for nogle spørgsmål, man vil have den til at svare på, og man skal være ekstremt skarp i, hvad det er, den skal opnå overordnet. Og det er vildt og lidt et kæmpe paradigmeskiftet. Med de ord, så vil jeg give ordet tilbage til Kenneth, og han vil demonstrere sådan et agentisk system. Jo tak, jo tak. Inden jeg vil gå så vidt, så slipper du ikke endnu. Jeg har lige fået et par spørgsmål, nemlig. Så jeg ved ikke, om du lige vil være med over. Det vil jeg. Ja, det er jo et godt nemmere her. Jeg ved, at datagrundlaget er blevet meget bedre, de senere år, men er det godt nok, til at benytte AI fuldt ud, i forhold til det, vi skal tale om her? Når man snakker om data, så er use-cacen ekstremt vigtig. Så man skal forstå use-cacen, og så skal man forstå, om data dækker use-cacen. Og det vi snakker om nu, der er vores klare vurdering, og det vi ser i markedet, det er, det er det. Det er klart. Og det er særdeles værdiskabende. Det tror jeg også, den her demo vil demonstrere, som Kenneth vil vise. Jo tak. Og hvis der kommer flere spørgsmål, til AI undervejs, så vil jeg jo selvfølgelig lige kigge på dig, og så spørge ind, og så må du ellig komme retur, ikke? Ja. Super. Jamen, jeg tror stille og roligt, at vi sætter i gang. Godt. Jamen, jeg vil prøve at vise vores system, inden for AI, inden for transaktionsmonitorering. Det, I ser her foran jer, der har vi ligesom lavet tre alarmer allerede. Tre eksempler på alarmer allerede. Det her skal I ikke se, som om, at det skal erstatte jeres nuværende transaktionsmonitoringssystem. Det kan det godt. Men I skal se det mere som en form for overordnet overlægger, eller en paraply. Det her, det kigger både på den interne del, det vil sige, at den går ind og kigger på, hvad har I af info på jeres kunde, alt omkring, hvor bor personen eller virksomheden henne. Hvad er det for en dokumentation, I har? Hvad er det for en dialog, I måske har haft via en netbank eller mail, eller den kommunikation, der har været løbende? Den risiko, som I har givet kunden, vil også fremgå. Det vil kigge, hvad ved I allerede? Det vil også kigge på, hvad har kundensvaret er forventet fra retningsomfang og med videre? Den vil også dykke ned i de alarmer, den har taget tidligere. Det vil sige, at hvis I har et transaktionsmonitoringssystem, så vil den også kigge på tidlige alarmer, hvad har man gjort, hvad har man skrevet osv. Så internt har den ligesom forholdet sig til en lang række ting. Den vil også kigge ekstern, hvis man kan kalde det det. Det vil sige, at den vil også have nogle agenter, have et setup, der gør, at den kigger på social media. har man været på forsiden af Berlingerne. Har man, hvordan er det i CVR-registret, CPR-registret, hvad med PEP-lister, sanktionslister osv. Så den prøver altså at kigge flere forskellige steder hen. Hvis jeg lige dykker ned, og nu vil jeg prøve hele, og så kigge på nogle af de her udvalgte alarmer, som vi har lavet. Vi når nok ikke alle tre, men vi når i hvert fald to, af dem vi har her på skærmen. Hvis jeg tager den første, og jeg skal lige sige, det er jo fiktiv kunder det her. Det vil sige, det CVR-nummer I ser, og de navnlige ser, det er jo ikke nogen, der eksisterer real life. Det er rent fiktivt. Det som I vil kunne se her, det er, at Mølle Parkens Bæreri, de har jo skrevet internt, da de blev kunder, og løbende i deres løbende kundeforløb, at de har en forventning om, at de bruger det her i kreditomsætning, de har ekstra antal udlandske overførsler, det her kontantforbrug, helt som loven jo foreskriver, at man skal. Det vi så kan se, det er, at der har så været en adfærd, der gør, at de har haft levet over det, som de har forventet. Så i det her tilfælde, der har de altså haft nogle kontantindbetalinger, der har været over det forventede niveau. Så det er egentlig det, der trigger, at de kommer ud i dag. Det som vi kan se her, det er, at faktisk har der været, fra marts til april 2026, der har der faktisk været 28% over det forventede niveau. Det her bliver lavet med en score, det er sikkert vant til i dag, men i forhold til det scenarie, og den risiko, det indebærer. Det her er en erhvervskunde, som har, det er jo ikke ny, men der er noget historik her. Så der er ligesom en eller anden baggrund på det. Over til højre her, jamen, der er så nogle agenter, der så har kørt. Der er mange agenter tilsnyttet. Det er ikke på nogen måde alle agenter, der er i brug på alle. det kommer an på, hvad det er, de nu finder ud af, de her agenter. Hvis vi tager den første, jamen, det som den vil finde ud af her, den her alarmhandel, det er først, den kigger lige på, hvad er det for en alarm, der er dannet. Det som den alarm, ligesom, starter med at sige, det er, hvilke scenarier, eller hvilke scenarier, er det, at den gør i brug. Nogle har jo få scenarier, og nogle har måske 50 scenarier i brug. Nogle kører meget særskilt silo, nogle kører lidt på tværs. Men her, den siger simpelthen, at der er et scenarie for en forhøjet kontantindbetalingsaktivitet. Så der er lidt baggrund, og der er lidt, hvorfor er det, at vi ender, hvor vi ender. Så siger den så her, jeg har læst, nu forstår jeg det. Det er egentlig meget obligatorisk, det scenarie, der er brugt. Nu vil jeg egentlig kigge på, har den her kun haft nogle tidligere alarmer? Det, som vi så ser her, det er, at den her kunde har faktisk haft nogle alarmer tidligere. Det er jo en kunde, der har været kendt i otte år. Men den her kunde har altså haft fire alarmer tidligere. Den her alarm, vi jo sidder med nu, det er en gang i april måned, og det vi så kan se, det er den foralarm, det var så her i december 2025. Det, som den alarm, bliver beskrevet på her, det er, at den så ligesom henter den historiske, lukketekst, der har været fra den gang af. Det vil sige, der har siddet en rådgiver, eller den person, der nu har behandlet den, og sagt, det her, det er en falsk positiv, eller vi skal undersøge den nærmere, eller vi har underrettet, eller hvad var det, det endte med? Hvad var forklaringen bag? Og det, vi kan se her, det var altså, det var en lav risiko, forholdsvis okay forklaring, i forhold til det, som rådgiveren skrev dengang, og der er et reviserspor. Så når man sidder med ekstern revisor, eller man sidder med intern revisor, eller tilsynet, eller også bare internt, i første, andet eller tredje linje, jamen så kan man altså komme tilbage. Der har været en alarm, der har været flere alarmer, det siges på år, og der kan man så få teksten for det her. efter det her, jamen, den er meget klar. De tidligere alarmer, de har vist et samme mønster, de har været lukket som falsk positive, så på baggrund af kun de her to ting, så kommer den sommer et oplæg at sige, det her er en falsk positiv alarm. Og det er jo det, der i hvert fald, når vi kigger ud i sektoren, er det, der fylder allermest, tager allerflest ressourcer. Den kommer en på og på, hvorfor er det en falsk positiv? det er det, man står hernede. Jeg kunne sagtens sige, det er ikke falsk positiv, der er faktisk mere i den. Så jeg kan gå ind og sige, jamen, jeg vil faktisk gerne gøre noget mere med den. Jeg vil gerne gå ind og undersøge nærmere. Det kan jeg gøre. Jeg kan også sige, den skal underrettes, og så vil den selvfølgelig gå op i risikotærselen. Men hvis jeg ellers føler, at det er rigtigt, og den er falsk positiv, hele tiden have et menneske med i det her, jamen, så lærer den stå til troende. den alarmlukketekst, som så skal noteres, der kommer den også med et oplæg. Et oplæg, der ligesom gør, at den sikrer, at man ikke får skrevet for lidt, ikke får skrevet for meget, men ligesom får en eller anden overordnet indblik i, hvad det er for noget. Det kan jeg gengører ind og ændre. Det vil sige, hvis ikke jeg stoler på det, den siger, eller har lyst til at uddybe, eller har lyst til at gøre noget mindre, så har man mulighed for os at gøre det. Hele tiden skal vi tænke, at vi skal være kritiske, men vi skal også bruge den automatisering, der nu er. Efterfølgende, eller nedenstående, der har vi så hele bevisbyrden. Det vil sige, i morgen, eller om en uge, eller næste gang, der er en alarm, hvad var det egentlig så, der skete? Så på samlet af alt, hvad de agenter, de har gjort, så får den simpelthen samlet, og rullede det hele op, og sagt, hvad var det præcis, der var på den her alarmdetaljer? Hvorfor var det, den triggered, med den der kontantindbetaling? Hvad var det for en alarmhistorik? Var der noget, der stak ud, eller er det lidt det samme? Den går ind og kigger på kundeprofilen, den går også ind og kigger på brancher. Har der været et eller andet her? Og har der i øvrigt været en dialog med kunden? Har der været en faktur? har der været et eller andet, der gør, at vi skal samle det her sammen? Når vi er færdige, når vi er tilfredse, jamen, så kan vi eksportere. Men vi starter med at sige, det er jo ikke fordi, det her måske skal erstatte noget som helst, det kan ligge på toppen af det, hvor du kan få nogle synergier i det, jeg lige har været igennem. Men for at du har samlet data, og samlet historikken, så er det jo vigtigt, at det ligger samme sted. så derfor, når vi eksporterer til slut, så vil vi sige, gå over til, om det er SAS, AML, eller hvem man bruger, kan man altså lukke, og så vil den pakke data sammen, og så vil den være tilgængelig i det system, man nu vil bruge. Det var en af de nemmere, det var en falsk positiv. Jeg tager lige et par spørgsmål her, som er kommet lidt ind her. Vi kan starte med den for S, den der. Man kan sige, det her, før man sætter, ligesom med alle andre modeller, fordi det er jo en model, før man sætter modeller i gang, så er det jo vigtigt, at man har det regulatoriske grundlag på plads. Nogle kalder det AI governance, men simpelthen, der er forskellige forhold, man skal have styr på. Det vil sige, har du din AI-ægt, har du fået klassificeret systemet, der er noget GDPR, hvor du skal lave en undersøgelse, der er noget inden for AML, hvor du lige skal forholde dig til, hvad er det her, giver det noget retvisende til dig. Du kan bruge altså noget modelvalidering, der er noget modelrisici i din ledelsebekendtgørelse, spiller et træ, hvor du også skal forholde dig til noget. Så der er ligesom et arbejde, inden man tager en model i brug, ligesom man bruger modeller inden for kreditrisici og likviditetsrisici, og hvor det nu er, der vil være noget arbejde. Der vil selvfølgelig også være en årlig validering, det vil sige, lever den godt. systemer vil løbende, jeg ved ikke, om man siger, gå i stykker, men de skal i hvert fald vedligeholdes, så de sikrer, at man er på forkant. Så det skal man selvfølgelig tage, og det vil det leve op til. Vi kommer lidt hurtigt forbi datagrundlaget. Jeg kan jo godt sige et par flere ord, selvfølgelig kan jeg det. det, der ligger i det her, den går ned og trækker den data i de systemer, som i bund og grund, hvad hatten skal gøre. Det er jo meget forskelligt, om du er på en, det hedder stadig BC indtil videre, men om du er på BC, om du er på netcompany, om du er på bankdata, eller om du er noget helt andet. Så den data, du bruger i forhold til dit kernesystem, i forhold til dit transaktionsmonitoringssystem, eller hvilke systemer, du overhovedet vil have adgang til, så skal man selvfølgelig have overblik over, hvad det er for en dataarkitektur, vi skal have. Så det skal man selvfølgelig have legnet op, og så skal man selvfølgelig se, hvad er der af åbne adgange, er der åbne API'er, hvis ikke, hvordan skal vi lave et miljø, så vi ligesom har en sikker base. nu vil jeg prøve at tage en af dem, som der er lidt mere kød på. Jeg vil nu gå til Stenholm Byg. Igen har vi kigget på, hvad har Stenholm Byg allerede i kernesystemet, hvad kender vi om dem, hvor længe har det været kunder, hvad har de noteret af forventet forretningsomfang, har der været noget dialog på mails, har der været reelle ejere, hvad er det vi ved om den her kunde, og så selvfølgelig også, hvad har vi på andre systemer, hvad har der været af ting, som vi skal vide. Den kigger selvfølgelig også her på det eksterne, igen, om der er sanctions, om der er pepper, CVR, kompleks ejerstruktur, social media, er der et eller andet, som vi skal tage hånd om. Så det samler den altså igen. Det som vi kan se her, grunden til Stenholm Byg, er kommet på, det er fordi, at der har været en massiv omsætningsstigning. Og så har der altså også været nogle betalinger til nogle lande, som vi faktisk helst ikke vil have betalinger til, altså nogle højrisikolande. Der er i hvert fald igen en adfærd, der er ud over det, som de har skrevet, at de forventer. Her kan vi se, for at få lidt flere detaljer på, at de har været voldsomt over. 677 procent over, at det er forventet, i forhold til deres kreditomsætning. Og kreditomsætning, det er jo på grund af det, der kommer ind på deres konti, om det er fakturer, overførsler, med videre. Derudover har der ført over 18 millioner kroner, til Tyrkiet, Kazakhstan, Arabiske Emirater, med videre. og så har der faktisk været et sanctions hit, på en af de modtagere, som i det her tilfælde, så er der nogen, der hedder Aston Air Holding. Det er en relativt ny kunde, så vi kender dem ikke voldsomt godt. Så det gør selvfølgelig, at de ligesom bliver highlightet i systemet. Som før, den starter med at læse på alarmen, eller brøv, den starter med at kigge på, hvilke scenarier af det, der ligesom er i brug her. og det er jo meget, meget vigtigt, så vi hele tiden sikrer, at vores maske, ligesom fanger det, den skal fange. Her der har den så brugt, et primært scenarie, og den har så brugt, et sekundært scenarie. Det primære, der gør, at den bliver fanget, det er, det er omkring kreditomsætning. Den sekundære, det er så det her med, de her høje risikolandene, som den har taget med. Der kunne sagtens være flere sekundære. Men det er ligesom for at have et godt revisespor, og finde ud af, hvorfor er det egentlig. og scenarier skal jo løbende kalibreres. Så det er jo også vigtigt at sige, hvor godt et sikkerhedsnet har vi. Det her, den er seriøs, siger den. Der er noget her, som vi er nødt til at så hæve øjenbrydene omkring. Jeg går nu videre til at kigge på, hvad har der været tidligere alarmer. Der kunne have været en tidligere alarm på den her, men den har til gæld heller ikke været særlig sjov. rådgiverne har skrevet, at den her kunde, der har altså været en forholdsvis stille aktivitet, siden de blev kunder, der var det slutningen af 24. Og så lige pludselig, jamen så begynder der altså at ske en ordentlig aktivitet på den her konto. Og der kan vi så se, der har været en medarbejder, der har fattig kunde, her i start februar, og sige, hvad er egentlig det her for noget. Og det er det, den så trækker med fra den mailstrøm, eller det, der er gemt i, hvis det er en bank, altså i bankdokumentation, i den kommunikation, der er, det hænger den simpelthen ind, og siger, jamen det er altså fordi, at vi har et projekt, som der er vundet, og det er derfor, der nu begynder at komme det, der så gør. Efter den har været rundt at kigge, agenterne siger, der er altså rigtig meget i den her, som vi skal kigge videre på. Den kan vi altså ikke bare lukke, som falsk positiv. Det som I kan se på den her alarm, det var, at nu kommer der også noget transaktionshistorik på. Det var der ikke på den anden alarm, ved det her bæreri. Men nu vælger man altså, at så dykke lidt længere ned. På selve, på selve transaktionerne, så kan vi se, at der har altså været rigtig mange transaktioner, der ligesom bliver rullet op. Både at dem bliver for ind, og dem bliver for ud. Dem samler man simpelthen sammen. Det, der ligesom kommer ind, jamen det er primært fra nogle danske, danske overførsler. Nogle af det, der til gengæld går ud, jamen der kan vi se, hvad er det for nogle beløb, hvad er det for nogle modtagere, hvad er det for nogle lande, som de kommer over på. Den summer det op. Så hen, der har man det et rimelig godt overblik, fra transaktionerne. Den henter ind, og siger, hvor er det henne, at kernen er. Vi bliver nødt til at gå videre, siger den. Vi kan simpelthen ikke stoppe her. Så vi bliver nødt til at kigge meget mere, på, hvad er det for nogle modtagere, de her transaktioner, de ryger hen til. Der er jo både nogle indlandske, så vi, og så er der nogle udenlandske. De udenlandske, det er jo dem, der i den grad bliver highlightet her. Og der går den jo så ind og kigger på, hvad den nu kan kigge på. Den kan i hvert fald se, at der er en overførsel her, en rigtig stor overførsel her, hvor den går ind og siger, hvad er det for et selskab, hvad er det for en adresse, hvad er det for en branche. Den har de her screeninger. Er er det nogle på chancesliste, er det på peplister, hvad er det egentlig for noget, det her. Nogle kan det rettet sige clear, det vil sige, det er fint, det er godt, alt er fint. Og så er nogle, hvor den siger, I bliver nødt til lige selv at tjekke det her, hvilket er meget, meget betryggende. Og der har vi for eksempel, som I måske kunne huske, da vi fandt alarmen, at der var det her Astana Holding. Og det vi kan se her, det er altså, at der er altså en af de her reelle ejere, som jeg næsten ikke udtaler navnet, men det er altså nogle, der er på den her liste, hvor vi siger, okay, dem skal vi nok lige manuelt tjekke. Er de også på den liste, er det navnefald, eller er der noget om snakken? Så det er det, den flager. Så der er altså noget her, i de her modtagere, som gør, at vi lige skal kigge lidt mere. Den vælger så også at kigge på, hvad er det for en kundeprofil, kundeprofil, altså stenhånd byg, det vil sige, den går til ind og kigger på CVR-register, blandt andet, og ser på, hvad er det for type selskabsform, hvornår er den stiftet, adresse, reelle ejere, hvad har kunden selv noteret sig, dengang, at de skulle blive kunder, og har der i øvrigt ellers været noget, fra CVR, altså regnskabstal, likvitetsprognoser, andet, der ligesom gør, at vi kan hente ind. Nu er det her jo en demo, og det gør det jo sådan dejligt simpelt, i forhold til, at vi har ligesom kunne bestemme, hvordan skal det se ud. Men I skal se det her, som vi sagde i starten, som en inspiration. Det betyder, at I kan få mere på, hvis man vil det. Der er også noget, vi kan vælge ikke at tage med i, en eventuel løsning. Men i det her tilfælde, der har vi altså valgt at sige, nu vil vi gøre sådan, som den praktisk er, som lovgivningen siger, som et minimum, man kan altid fyre mere på. Man kan altid tilføje flere agenter, hvis man har en forretningsmodel, der gør, at man er mere eksponeret for nogle andre dele, eller hvad baggrunden nu må være. Den har så det klare billede. Agenterne har været rundt at kigge, og det den så siger, det er selvfølgelig, at vi skal underrette på den her. Hvis man skulle være i tvivl, så kan vi jo igen gå ind og så ændre den holdning. Men i det her tilfælde, jamen der vil vi rigtig gerne gå videre med den her. Som før, så laver den oplæg til en lukketekst. I den her lukketekst, der er vilje at forvente, at man skulle skrive lidt mere. fordi det man også får på den her, det er, at den kommer med oplæg til nogle gode anbefalinger til, hvordan kan man med rette kigge lidt videre på det her. Den fører med falsk pose, for sådan forholdsvis, ja, til højre benet. Her er der aller mere i det. Og det her, det kan være alarm nummer 23, som man tager den dag. Det kan godt være, at man så er lidt mere træt i hovedet, man har glemt lidt, hvad er det, man skal kigge på. Så derfor er det ligesom født med, at der kommer nogle anbefalinger, i forhold til, hvor kritisk, og hvad der bliver set til, hvad kan man gøre. Det kan godt være, at man får glemt det jo, hvis man ellers sidder og behandler alarm nummer 23, og det er sådan slut på dagen. Så her, der står nogle actions, man kan gøre. Og her er det selvfølgelig, at man kan verificere manuelt. man lige slår op på den her reelle ejer, som er på en af de her lister. Man kan se, om man skulle underrette tilsynet. Det kan også være, at man skulle til Erhvervsstyrelsen, nu hvor der er noget sanktions i det. Man skal givetvis eskalere, hvis ikke det er den hvidvaskansvarlige selv, der håndterer alarmerne. Men så skal man i hvert fald internt eskalere den her. man kunne indhente noget dokumentation for nogle af de her overførsler. Det er jo en mistank, man skal have afdækket. Det kan jo godt være, at den er helt fin, men man skal have afdækket den her mistank. Og det er klart, hvis ikke man kan det ved at få de her ting, så er det klart, så skal man selvfølgelig gå videre med det. Men man får altså en række områder herovre, hvor man får nogle gode anbefalinger om, hvad kunne man gøre. Og som før, jamen så har vi simpelthen revisersporet. Hvad er det, for at så summe det helt op, hvad er det så baggrunden for for den her underretning, som der så vil ske. Og igen, hvis man så er enig og tager fris med det, og man har kigget på på de her anbefalinger, som den kommer med, så kan man igen, så kan man eksportere det her til sit SAS-AML, eller hvad man nu bruger, så man har det gemt samme sted. Man kan også få det over i sit, eller både og, få det over i sit kernesystem, så man har det det sted, som man nu har. Det kan man løse ved en arkitektur. Mens vi lige er her, så kan jeg se, der er kommet et par spørgsmål til. der blandt andet her kender i tilsynets holdning. Man kan sige, det er jo ikke, fordi vi har stået foran tilsynet og så vist det her. Det, som der har været fokus for os, det er, at den efterlever hvidværslovgivningen. Det gør den. Den efterlever det, man skal i forhold til AI-gommandens. Altså de her fire-fem forskellige tværgående lovgivninger, som der er lige nu, det efterlever den. Så der er ikke noget regulatorisk i det her. der gør, at man ikke kan tænke den her vej. Men jeg har ikke spurgt tilsynets holdning. Jeg ved, at det er muligt, og man må gerne. Der står intet, at man ikke kan. Men selvfølgelig skal man så have styr på at redegøre for de resultater, der kommer, også af, som det skal være. Og det er jo så det, der står i de her lovgivninger, som vi talte om før. Men jeg vil meget gerne høre deres holdning, så når tid er, vil jeg meget gerne tale med dem om det. der er også et spørgsmål her. Ville man også kunne benytte AI inden for kalibrering af scenarier, baseret på bankens risikovurdering? Det ville gøre arbejdet lettere for mange banker. Altså, svaret er jo, sådan lidt igen, at det kan du jo godt. Men jeg vil også være så fræk at sige, at man skal også være lidt kritisk til at starte med. Det, der jo lidt er af det gode her, det er, at den trækker jo nogle scenarier ind fra dem, man allerede har. Og så har man så nogle agenter, der ligesom kigger det, der er imellem, det der eventuelt må falde ud. Så jeg tror hellere, at man skulle bruge det som et værktøj til at lave en form for analyse på, om vi har en fin maske i forhold til så at lave selve registreringerne i selve systemet og sådan nogle ting. det vil jeg for nærværende ikke ændre det store på. Der vil jeg gøre, som man plejer. Men selve, kan man sige, robosarbejdet bag analysen eller gap-analyse eller kaldt hvad man vil, der vil det være et rigtig, rigtig godt værktøj. Rigtig godt værktøj. Man kan jo bruge forretningsmodel, risikovurdering og generelt bare internt governancedokumenter til at ligesom sige, hvilke scenarier mangler i forhold til at fange præcis det her potentielle kriminalitet inden for fraud eller krypto eller også bare generelt et hvidværskeområde. Så helt klart. der er lige en ekstra her, jeg lige kan tage. Kan I sætte et tal eller gæt på, hvor mange timer, der er gået i jeres udvikling af denne gentiske løsning? Det kan jeg sagtens, fordi jeg sad med nogle dygtige mennesker her i Implement og har ligesom forsøgt at sætte det op. nu skal vi igen tænke på, at det er jo en demo, og herfra er der brugt et sted mellem 6-8 fulde dage. Det er lav. Et estimat for at se det, som I har her. Det kan lidt mere end det, I ser her, fordi det har vi ikke tid til at gå helt i detaljer med. Det har nogle flere muligheder, men i forhold til at få det, som I har her, så skal I sådan regne for os af, og det er jo folk, der ligesom gør det hver dag for alle typer kunder, så har det været 6-8 dage. Hvis det er noget, man ligesom selv skulle begynde at arbejde med derude, jamen, så vil jeg klart anbefale, at man havde en eller anden, skulle vi til at sige, en 2-4 uger, hvor man ligesom fik styr på dataarkitekturen, fik se på, hvordan hænger det hele sammen, altså lave en eller anden forbrænd og underlyse, ender man bare kaster sig i hak med det her. Og når man så har et billede, så kan man så begynde at så sætte sådan noget op her, så det bliver helt spot on. Hvor lang tid det så tager, det kan tage alt fra et par måneder, og så fremadrettet. Min erfaring siger, om det tager 2-3 måneder, så får du i hvert fald kernen på plads. Du kommer ikke i mål, fordi data er svært. At have god data, det er jo det, der virkelig er essentielt her. så du kommer ikke 100% i mål, men du kommer langt, så du kan måske komme 50 eller 60% ud fra den største risici, kan du komme i mål inden for den her, lad os sige, 2-3 måneder. Og så må resten, det må komme hen ad vejen, eller også sige, okay, vi tager lige den sidste tørn, og så får vi det sidste med. Men ja, med god data, det er som alt andet, det er meget, meget essentielt. det var de to alarmhåndteringer, som vi kunne kunne nå på det her, hvor vi har taget et mere nemt false positive, hvor den brugte kun nogen af agenterne til ligesom at komme med en løsning eller komme med en konklusion, og så fandt vi så en, der var lidt mere noget mere kød på, hvor man ligesom kunne se, der var en god tanke bag, og hvordan den arbejder, og den model donation, der ligger bag. Så jeg har en lille ting med, og så vise mere af den her del. Så vi er nået dertil, at nu har vi været igennem en intro, hvorfor det er det vigtigt. Vi har været igennem AI, hvad er det, hvor er vi nu, hvor bevæger vi os hen. Vi har vist lidt, hvad det kan nu. Det kommer til at kunne meget, meget mere, men det kan allerede en del allerede nu. Så for at sætte en grølle på det, har vi sådan lige et par fem bullets. Og det er klart, volumen, det ser mig vokse ud af den her manuel kapacitet. Altså vi har virkelig, virkelig mange, eller har haft rigtig mange, der har siddet med rette, at skulle behandle et umodent, procesumodent system, indtager en organisering i, hvordan ordner du alarmer. Man er nået så langt, man gør det så godt, scenarier er blevet meget mere finmasket. Men stadigvæk, der kommer nye veje, der kommer nye reguleringer, der kommer mange ting, og vi kan simpelthen ikke følge med. Så volumen er simpelthen vokse ud over, at vi kan sidde kun og behandle det med menneskerhænder. Vi ser også i dag, mange alarmer, det er jo støj. Altså, vi har godt nok siddet på rigtig mange opgaver, hvor vi sidder og kigger på falsk positiv, som fylder 50-60-80 procent nogle gange af de alarmer, der kommer ind. Og det er så fint, vi får nogle falsk positive, for det er jo også der, vi ligesom hælder en for meget, end en for lidt. Men med det, vi ser nu, der er det vigtigt, at det trods alt kommer noget ned, fordi det tager mange timer. at få dem løst. Så vi skal have lidt mere spot on fremadrettet. Og så ser du lige der, at det er meget mere dynamisk. Den, som vi lige kort var inde på tidligere, den kigger også på tværs, og den husker. Så det er godt, at man har lavet alle de her gode scenarier, men der er stadigvæk noget, som den fanger. Om det er så noget, der gør, at man skal undersøge nærmere, eller man skal efterfølge retnungsscenarier, det er jo så fint. men den kigger ikke kun på det, den bliver bedt om. Den kigger også på mere. Og skal vi huske, kriminelle, de bruger altså også AI. Det er jo meget, meget vigtigt. De er jo også kloge nok. Så de bruger jo også de der falske identiteter. De ved godt, hvad de skal sige nede i banken, for at få den konto, for at lave de her ting. Og da de får en konto, så kan de gøre nogle forskellige ændringer. Så det er vigtigt, at vi også tænker det ind. det er ikke kun os, der er smarte, det er de kriminelle, eller potentielt kriminelle, altså også. Og så det der med data før. Altså, så god data som muligt, så bliver løsningerne bedre, men det er ikke noget, vi gør for dag et. Så anbefalingen er klart. Start i det stille, få bygget noget på, og så kan det blive mere udrullet af i løsningerne, i forhold til, jo bedre det nu bliver. Jeg bliver lige spurgt om, den forventede effektiviseringsgevinst på alarmbehandleren. Altså, man kan jo princippet sætte det her til, at når man møder ind, så er oplæg til alarmerne allerede klar. Man prøver ikke vente på, at alarmen bliver behandlet. Hvis jeg laver en falsk positiv, det tager cirka et minut, så er der et oplæg, cirka to, to og et halvt minut på de svage. Men det er klart, der ligger jo noget undersøgelseselement i det. Så hvor meget det effektiviserer, det kan være rigtig svært at sige. Jeg vil nærmere sige, din kvalitet bliver bedre. Din sårbarhed bliver mindre. Du får alligevel ryddet op af den data, du skulle rydde op i. Du får en potentiel højere, medarbejder tilfredshed, fordi i stedet for, de sidder og laver måske ensrettet robosarbejde, så er robosarbejdet lavet, men så kan de til gengæld bruge tid på at undersøge nærmere på de ting, der skal undersøges nærmere på. Og det er jo det, der er den personens faglige motivation i det. Der vil et eller andet sted også være en økonomisk gevinst. Det vil der være. Men om det er en time om dagen per person, om det er fem minutter, om det er halvanden time om ugen, det skal jeg slet ikke stå og gøre mig klog på, fordi det er meget individuelt. Men der vil også være et eller andet sted. Vi er ved at nå der, hvor vi siger, at vi lige stopper op, og er der nogle spørgsmål, vi ikke har fået svaret på, eller nogen, I ikke har fået stillet, så må I meget gerne komme med dem. Og ellers så, der kom lige, jeg ved ikke, om det var en kommentar. Jeg kan lige tage den her lige her. Bliver der ikke også en læring hen ad vejen, hvor et kost, altså de her tokens, fordi tokens koster jo også nogle penge, kan gå hen og blive en ting. Det er vel netop vigtigt at differentiere mængden af agentiske kald, så alle alarmer ikke får den fulde pakke. Og det er jeg super enig med. Super, super enig. Fordi der er ingen tvivl om, hvis man skal have real tid, hvis du skal køre daglige agenter, så kan det blive rigtig dyrt. På de kritiske ting, hvis man kan sige det sådan, hvis du vurderer, det her skal du bare vide, du er specielt eksponeret mod et land, eller et forretningsområde, eller et eller andet, så er det klart, så skal de agenter, der undersøger det jo være oftere, end måske agenter, der ikke er lige så kritiske. Så nogle agenter kan du kalibrere, og siger, det kører vi dagligt, nogle kører vi en gang om måneden, nogle kører vi hver kvartal, nogle kører vi hver uge. Så på den måde, skal man ikke bare sætte dem ind og køre den samme tempo, alle agenter. Det skal baseres på den risikovurdering, som I har derude, og så må man selvfølgelig kalibrere, og sige, okay, der var en gang om dagen, det kunne gå op en gang om anden dag, eller en gang om ugen, eller om den og måneden, den skal måske være 14. dag, og det er jo noget, man så tager løbende. Så det er meget, meget vigtigt, meget, meget enige med det spørgsmål, der bliver stillet der. Hvis I vil høre mere, hvis der er noget, der ligesom har givet noget inspiration her, så vil jeg bare lige sige, jamen vi har flere forskellige inspirationer på hylderne. Det her, det var den ene, som jeg har på hylderne. Vi har også to andre. Den ene, det er, hvordan du efterlever din vidværdspolitik. Vi har en omkring, hvordan du onboarder, og kører løbende kundekendskabsprocedurer. Vi har også flere, og vi har flere i gang. Men det her, det er lige så meget en inspiration til jer, så I selv kan lave det, så I selv kan arbejde videre derude. Og hvis det kan gøre jer dygtig, at tale en time med os, eller hvad der giver mening, så vil vi elske at komme ud og så hilse på jer, eller tage en god snak. Jeg tror, vi vil være der, Jens. Jeg ved ikke, vi havde en god dag, de billeder blev taget, men jeg håber, de ligner. Men ellers, tak for I gad at bruge 52 minutter sammen med os. og håber jo, at I vil tage fat i os og være med på et andet event. En anden god gang. Vi har mange gode ting kørende. Og ellers, hvis I vil snakke med os, tag fat i os, og ellers så vil I altså få en pakke tilsendt en af de kommende dage med videoen og med slides. Må jeg ikke lige lave en, kan vi kalde det en kliffringer, der blev spurgt om, hvad man kan forvente af effektivitet, effektivisering. Og i andre løsninger, vi har lavet, så er det ikke unormalt, at vi ser en effektivisering mellem 50-80% i tid sparet. Jeg kan ikke forestille mig andet, at det er også det samme i det her tilfælde. Men jeg tror, at det rygt på kvaliteten, man vil se, er måske endnu mere vigtigt. En god kliff, her gør. Ja, det er ikke det? Kan I have det godt derude og fortsæt gode med Torsten. Ja, hej hej.