Drivers and barriers for banks to apply artificial intelligence for regulatory compliance in Finland

Abstract

In order to cope with the growing burden caused by regulations, banks are turning to regulatory technology (regtech). One of the most prominent technologies among regtech is artificial intelligence (AI). This study charts the topic by listing drivers and barriers for banks to apply AI for regulatory compliance in Finland. This is an exploratory qualitative research, in which empirical data was collected in 8 semi-structured interviews. The data was analyzed by performing template analysis based on a theoretical framework that was constructed from innovation adoption literature. The conclusion was drawn from the findings by abductive reasoning.

This study found 10 drivers and 13 barriers for banks to apply AI for regulatory compliance in Finland. Additionally, the study identified 5 factors that affect AI implementation but were not discussed in the reviewed literature: solution scale, unclear definition of AI, AI hubs in organizations, co-operation between competitors, and supplier characteristics on top of analyzing the access to suppliers.

The findings have practical implications for banks, AI suppliers and regulators. Banks are advised to centralize AI activities into hubs and build incentives for management to support longer-term planning. In addition, the findings point out that cost-efficient compliance function improves customer service. For suppliers, it is recommended to quantify the benefits and minimize uncertainty with trialability and references. Furthermore, portfolio that allows scale-up from low-threshold start is hypothesized to be beneficial. For regulators, the findings imply that the regulatory framework could be adjusted to better support AI utilization.

The study’s main theoretical contribution is providing a platform for a quantitative study that utilizes the identified drivers and barriers. Additionally, the framework of analysis that was created from literature and adjusted with the findings can be utilized in future research on the context.

Pankkisääntely on pankeille kasvava rasite, johon pankit ovat viime aikoina etsineet ratkaisuja teknologioista. Mahdollisista hyödynnettävistä teknologioista tekoäly on yksi puhutuimmista. Tämä tutkimus kartoittaa aihetta listaamalla ajureita ja esteitä tekoälyn hyödyntämiselle pankkisääntelyn noudattamisessa Suomessa. Tutkimus on eksploratiivinen ja perustuu laadulliseen metologiaan. Työn empiirisessä osuudessa toteutettiin 8 teemahaastattelua, joita analysoitiin innovaatioiden käyttöönottoa käsittelevän kirjallisuuden pohjalta luodun sapluunan avulla. Johtopäätöksiin hyödynnettiin abduktiivista päättelyä.

Tutkimuksessa löydettiin 10 ajuria ja 13 estettä tekoälyn hyödyntämiselle pankkisääntelyn noudattamisessa suomalaisissa pankeissa. Lisäksi tutkimuksessa tunnistettiin 5 tekijää, jotka vaikuttavat tekoälyratkaisujen käyttöönottoon, mutta joita ei huomioitu tarkastellussa kirjallisuudessa: ratkaisun laajuus, tekoälyn määritelmän epäselvyys, tekoälykeskukset organisaatioissa, kilpailijoiden välinen yhteistyö, ja toimittajien ominaisuudet vain pääsyn analysoinnin ohella.

Tuloksista seuraa käytännön suosituksia pankeille, tekoälytoimittajille ja sääntelyviranomaisille. Pankeille on suositeltavaa keskittää tekoälytoimintoja ja rakentaa johdolle kannustimia, jotka tukevat pidemmän aikavälin suunnittelua. Lisäksi on suositeltavaa huomioida, että tehokkaampi sääntelyn noudattaminen johtaa myös parempaan asiakaspalveluun. Tekoälytoimittajille suositellaan epävarmuutta minimointia kokeiltavuudella ja referensseillä, sekä hyötyjen määrällistämistä. Lisäksi, olisi mahdollisesti hyödyllistä pyrkiä skaalautuvaan tarjontaan, joka mahdollistaa matalan kynnyksen ensitoteutukselle. Sääntelyviranomaisille suositellaan, että sääntelykehystä voisi pankkien näkökulmasta mukauttaa tukemaan paremmin tekoälyn hyödyntämistä.

Tutkimuksen tärkein teoreettinen panos on tarjota pohja määrälliselle tutkimukselle, joka hyödyntää tunnistettuja ajureita ja esteitä. Lisäksi kirjallisuun pohjalta luotua ja havainnoilla mukautettua viitekehystä voidaan hyödyntää tulevaisuudessa vastaavana kontekstiin kohdistuvissa tutkimuksissa.