Danske Bank nedlagde 262 stillinger den 28. maj 2026. Banken skrev, at ændringerne skyldtes en blanding af øget automatisering, effektivisering, forenkling og ændrede strategiske prioriteringer. Den nævnte også digitale værktøjer og AI-løsninger, som hjælper med enklere opgaver.
Det er en bred og sandsynlig forklaring på en stor organisations ændringer. Den kan ikke bruges til at regne 262 AI-fyringer ud.
Ingeniøren og Version2 forsøgte efterfølgende at finde den konkrete sammenhæng mellem bankernes nedskæringer og AI. Hverken virksomhederne eller fagbevægelsen kunne ifølge artiklen gøre det klart, hvilke medarbejdere teknologien havde gjort overflødige.
Flere forandringer ligger oven i hinanden
Danske Banks udmelding nævner, at kundernes adfærd bevæger sig mod digitale løsninger. Banken investerer samtidig i andre kompetencer og strategiske vækstområder. Noget manuelt arbejde er blevet automatiseret, og AI indgår i behandlingen af enklere opgaver.
Nordea beskriver et tilsvarende stort program med en anden økonomi. Banken bogførte 190 millioner euro i omstruktureringsomkostninger og sigter mod mindst 600 millioner euro i årlige bruttobesparelser i 2030. Teknologi, data og AI er centrale i strategien. Det samme er nordiske værdikæder, forenkling og modernisering af systemer.
Når alt det sker samtidig, bliver “AI” en upræcis forklaring. En stilling kan forsvinde, fordi kunderne bruger færre filialer, fordi to enheder bliver samlet, fordi et gammelt system bliver lukket, fordi almindelig automatisering fjerner en opgave, eller fordi en AI-model udfører en del af arbejdet. Flere årsager kan være sande på én gang.
Det er vigtigt for medarbejderne, men også for ledelsen og bestyrelsen. Hvis man ikke ved, hvilket arbejde der ændrede sig, ved man heller ikke, om investeringen kan gentages andre steder.
Følg arbejdet før og efter
En troværdig sammenhæng mellem AI og bemanding begynder med en konkret opgave.
Forestil dig, at et system behandler den første del af en kundehenvendelse. Før ændringen brugte en medarbejder måske ti minutter på at læse, finde oplysninger og vælge næste skridt. Efter ændringen bruger systemet få sekunder på et forslag, mens medarbejderen bruger tre minutter på at kontrollere det.
Det kan være en reel besparelse. Ledelsen skal stadig se resten:
- Hvor ofte er forslaget rigtigt?
- Hvilke sager bliver sendt forkert videre?
- Bruger rådgiveren mere tid på de vanskelige henvendelser, der er tilbage?
- Opstår der en ny kø ved kontrol, klager eller godkendelse?
- Falder kvaliteten et sted, som den første tidsmåling ikke ser?
Først derefter kan man se, hvor meget kapacitet der faktisk er frigivet. En reduceret lønsum er et resultat i regnskabet. Den forklarer ikke mekanismen.
AI kan godt fjerne arbejde
Jeg arbejder med AI-systemer, der udfører tilbagevendende opgaver uden at vente på en prompt. Jeg ser hver dag, at modellerne kan overtage mere, end de kunne for få måneder siden. Nogle opgaver bliver meget små. Andre forsvinder næsten. Det ville være lige så forkert at afvise den mulighed, som det er at kalde enhver nedskæring for en AI-effekt.
Når produktionen bliver billig, flytter arbejdet ofte. Et udkast kommer hurtigere, og der bliver flere udkast at tage stilling til. En sag bliver sorteret automatisk, og mennesket får en tættere strøm af vanskelige sager. En agent gennemfører en handling, og behovet for stikprøver, rettigheder og sporbarhed vokser.
Det nye arbejde kan kræve andre kompetencer og færre mennesker. Det kan også kræve flere mennesker et andet sted. Den forskel bliver kun synlig, hvis organisationen måler hele forløbet.
Det interne beslutningsgrundlag bør være bedre end pressemeddelelsen
En virksomhed kan have gode grunde til ikke at beskrive hver arbejdsgang offentligt under en fyringsrunde. Fortrolighed, medarbejderhensyn og konkurrence spiller ind. Internt bør bestyrelsen og ledelsen kunne få et mere præcist svar.
Hvilke opgaver er fjernet? Hvilke er flyttet? Hvem ejer dem nu? Hvilke nye fejl kan opstå? Hvad blev den samlede effekt på tid, kvalitet, kunder og risiko? Hvilken del skyldes AI, og hvilken del skyldes de andre ændringer?
Det er også den dokumentation, der gør en AI-investering værd at skalere. Uden den har virksomheden et tal for færre ansatte og en fortælling om teknologi. Den har ikke lært, hvad der virkede.