Sebastien Rousseau

AI SA FINANCIAL SERVICES

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party

Walumpu't anim na porsiyento ng mga sinarbey na kompanya ang gumagamit na ng AI, pero nasa ilalim ng headline na iyan ang mas makahulugang mga numero: nagpapayo at hindi kumikilos ang karamihan sa mga naka-deploy na agent, lumalaki ang bahagi ng mga panlabas na supplier sa mga sistemang pinakamahalaga, at ang pangangasiwa sa mga supplier na iyon ang hamon sa governance na pinakamadalas iulat ng mga kompanya.

16 min basahin
Banner for: AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party

Walumpu't anim na porsiyento ng mga sinarbey na kompanya ang gumagamit na ng AI, pero nasa ilalim ng headline na iyan ang mas makahulugang mga numero: nagpapayo at hindi kumikilos ang karamihan sa mga naka-deploy na agent, lumalaki ang bahagi ng mga panlabas na supplier sa mga sistemang pinakamahalaga, at ang pangangasiwa sa mga supplier na iyon ang hamon sa governance na pinakamadalas iulat ng mga kompanya.

Buod para sa mga Ehekutibo

  • Nakatanggap ang sarbey ng 196 na sagot, at 86% ng mga sumagot ang nag-ulat na gumagamit ng AI, mula 75% noong 2024.
  • Ang generative AI ay 56% ng mga iniulat na AI system; ang operations at IT ay humigit-kumulang 31%.
  • 80% ang nag-ulat ng decision-support agents sa production; 2% lang ang nag-ulat ng agents na may malawak na autonomy.
  • Ang mga third-party implementation ay 53% ng mga high-materiality system, mula 35% noong 2024.
  • 94% ang nag-ulat ng firmwide na AI policy, prinsipyo o pamantayan, pero mga kalahati lang ng mga sumagot ang nag-uulat ng ongoing monitoring.
  • Inaasahan ng mga sumagot na parehong lalaki ang benepisyo at panganib, at ang cyber risk amplification at critical third-party dependencies ang dalawang systemic risk na may pinakamataas na rating.

Ano ang sarbey, at ano ang hindi nito saklaw #

Ang publikasyon ay isang deskriptibong buod ng pinagsama-samang resulta ng pinakabagong AI survey na isinagawa bilang bahagi ng mas malawak na programa ng Bank at FCA sa AI. Kasama sa programang iyon ang mga naunang AI/ML survey noong 2019, 2022 at 2024. Pinanatili ng sarbey noong 2026 ang mga pangunahing tanong mula sa mga naunang round para sa continuity, at nagdagdag o nagbago ng iba para ipakita ang mga pagbabago sa AI adoption at kakayahan mula 2024.

May kabuuang 196 na kompanya ang sumagot, hinati sa 101 malalaking kompanya at 95 maliliit na kompanya. Sa mga iyon, 105 ang kumumpleto sa buong sarbey. Maliban kung iba ang sinabi, nakabatay ang mga numero sa mga sagot sa buong sarbey, para maihambing sa mga naunang sarbey, at kinukuwenta ang mga porsiyento mula lang sa mga balidong sagot sa bawat tanong. Ibig sabihin, hindi kasama sa denominator ng isang tanong ang mga kompanyang lumaktaw rito. Tumutukoy sa kanilang UK operations ang mga sagot ng mga international bank at broker/dealer.

Dalawang caveat ang naglilimita kung gaano kalayo maitutulak ang alinman sa mga numerong ito. Dapat basahin ang mga natuklasan bilang ebidensya mula sa mga kalahok na kompanya at hindi bilang kumpletong pagtatasa ng AI adoption sa buong sektor ng pananalapi ng UK. At dapat bigyang-kahulugan nang maingat ang paghahambing sa 2024 kung saan magkaiba ang pananalita ng tanong, depinisyon, saklaw o populasyon ng mga sumagot. Ituturo ko sa ibaba ang mga pagbabago taon-taon dahil sila ang pinakakapansin-pansing numero sa ulat, pero laging kasama nila ang kwalipikasyong iyan.

Para sa layunin ng sarbey, ang AI system ay isang machine-based system na, para sa tahasan o hindi tahasang layunin, naghihinuha mula sa input na natatanggap nito kung paano bubuo ng mga output gaya ng prediksyon, nilalaman, rekomendasyon o desisyon na maaaring makaimpluwensya sa pisikal o virtual na kapaligiran. Malawak na depinisyon iyan, at sulit itong tandaan kapag lumitaw ang numerong gaya ng 86%. Inilalarawan nito ang paggamit ng malawak na kategorya ng mga sistema, hindi kinakailangang paggamit ng iisang teknolohiya.

Naging default na ang adoption #

Simple ang headline. 86% ng mga sumagot ang nag-ulat na gumagamit ng AI, mula 75% noong 2024. Ang sariling buod ng ulat: lalong nag-uulat ang mga kompanya ng paggamit ng generative AI, AI-enabled agents at third-party implementation ng mga AI system. Ang tatlong temang iyan ang nag-oorganisa sa karamihan ng susunod.

Sa mga sumagot sa buong sarbey, halos kabuuan na ang deployment: 94% ang nag-ulat ng kahit isang AI system sa production, umaakyat sa 99% kapag isinama ang mga pilot at deployment na nakaplano sa susunod na 12 buwan. Ang pinakamalawak na iniulat na kasalukuyang gamit ay enterprise productivity, gaya ng coding assistant o summarisation tool, na pinili ng 86% ng mga sumagot.

Hindi nalalayo ang maliliit na kompanya. Sa mga sumagot sa bagong short-form survey para sa mga kompanyang may mas kaunti sa 100 empleyado, 73% ang nag-ulat na gumagamit ng AI, at sa mga iyon, 58% ang nagsabing pangunahin nilang ginagamit ang mga general-purpose large language model. Para sa maliit na kompanya, kapansin-pansing pattern iyan: ang teknolohiyang pinakakaugnay sa kasalukuyang alon ng adoption ay siya ring pinakasinasandalan ng mayorya ng maliliit na adopter. Operations ang pinakamadalas iulat na domain ng kanilang kasalukuyan o nakaplanong paggamit ng AI, sa 64%.

Ganito rin ang kuwento kung saan nakalagay ang mga sistema. Sa bilang ng iniulat na sistema, humigit-kumulang 31% ang Operations at IT, mula mga 22% noong 2024. Walang ibang indibidwal na business area ang lumampas sa 11%. Malaking agwat iyan. Anuman ang pampublikong usapan tungkol sa AI sa customer-facing o trading na tungkulin, nasa back office ang bigat ng sarbey.

Tugma sa paglalagay na iyan ang mga nakikitang benepisyo. Operational efficiency, automation at productivity ang may pinakamataas na rating na mga lugar ng nakikitang benepisyo mula sa AI ngayon. Kakaiba kung itinuon ng mga kompanya ang kanilang mga sistema sa operations at IT tapos iniulat ang pinakamalalaking pakinabang sa ibang lugar. Hindi nila ginawa iyon.

Generative AI na ang mayorya ng estate #

Malaki ang paglipat sa halo ng teknolohiya. Ang generative AI ay 56% ng lahat ng iniulat na AI system, kumpara sa 17% para sa foundation models noong 2024. Mag-iingat ako sa pagbasa niyan bilang malinis na like-for-like na pagtalon: binilang ng numero noong 2024 ang mga use case at hindi ang mga sistema, at sinasabi ng ulat na hindi direktang maihahambing ang dalawang sukat, ang tanging masasabi ay magkasama silang nagpapahiwatig ng malaking pagtaas sa paggamit ng mga kompanya ng general-purpose na kakayahan. Pero kahit may pag-iingat na iyan, hindi na niche na eksperimento ang isang kategoryang bumubuo ng mahigit kalahati ng lahat ng iniulat na sistema.

Hindi rin ito pantay na nakakalat sa mga sumagot. Ang nangungunang sampung sumagot ay 43% ng lahat ng iniulat na AI system. Isang maliit na grupo ng mga kompanya ang nagpapatakbo ng napakalaking bahagi ng mga binilang na sistema, kaya bahagyang larawan ng sampung iyon ang pinagsama-samang larawan. Dapat tandaan ng mambabasang naghahanap kung ano ang ginagawa ng karaniwang kompanya ang konsentrasyong iyan.

May isa pang pagbabagong salungat sa maaaring asahan mo. Humigit-kumulang 7% ng mga iniulat na AI system ang tinasa ng mga sumagot bilang high materiality, kumpara sa 16% noong 2024. Bumababang bahagi iyan, hindi bumababang bilang: sinasabi ng ulat na mas marami ang absolute na bilang ng mga high-materiality system na iniulat noong 2026 kaysa noong 2024. Hindi sinasabi ng sarbey kung bakit bumaba ang bahagi. Posibleng pinalalabnaw ng lumalaking estate na pinangingibabawan ng operational at IT na gamit ang bahaging pinakamahalaga, pero ispekulasyon ko iyan at hindi bagay na pinatutunayan ng datos. Konsentrado rin ang mga high-materiality system: sampung kompanya ang bumubuo sa 62% ng mga ito.

Agents: maraming payo, kakaunting autonomy #

Ang mga numero sa agents ang pinakamalinaw na halimbawa ng mga kompanyang nag-aampon ng bago habang may kamay pa rin dito. 80% ang nag-ulat na may AI agents sa production na nagbibigay ng decision support, ibig sabihin nagrerekomenda ng aksyon ang agents at tao ang nagpapasya at nagsasagawa. Sa pagitan ng dalawang dulo, 46% ang nag-ulat ng agents na may constrained execution (kumikilos sa loob ng mga paunang itinakdang limitasyon at panuntunan) at 22% ang nag-ulat ng agents na may conditional autonomy (kumikilos nang mag-isa pero nangangailangan ng human approval para sa ilang aksyon). 2% lang ang nag-ulat ng pagde-deploy ng agents na may malawak na autonomy.

Sa tingin ko, ang 80% at ang 2% ang pinakamahalagang pares ng numero sa ulat, dahil ipinakikita nila kung nasaan ang linya ngayon. Karaniwan ang agents; bihira ang autonomous agents. Ang nangingibabaw na praktika sa mga sumagot ay ilagay ang agents sa mga workflow bilang tagapayo, at kung pinapayagan man ang execution, nakakulong ito sa mga paunang itinakdang limitasyon.

Mas tiyak na tanaw ang hatid ng customer communications kung saan maaaring gumalaw ang linyang iyon. 16% ang nag-ulat ng kasalukuyang paggamit ng agents para sa automated na customer communications, umaakyat sa 34% kapag isinama ang nakaplanong deployment. Mahigit doble ng kasalukuyang numero ang nakaplanong deployment. Hindi resulta ang plano, kaya pahayag ng intensyon ang 34%, hindi adoption. Pero itinuturo nito ang customer communication bilang isang lugar kung saan inaasahan ng mga kompanya na mas marami ang ipagagawa sa agents. Wala sa plano ang mas mabibigat na desisyon: kahit isama ang nakaplanong deployment sa susunod na 12 buwan, hindi lalampas sa 9% ng mga sumagot ang umaasang mag-aapruba o tatanggi ang agents sa mga customer outcome, magsasagawa ng trade, magsisimula o haharang ng bayad, o magbabago ng mga limitasyon at kontrol.

Mahalaga ito sa usapin ng kontrol sa ibaba. Nakasalalay ang decision-support model sa taong nagpapasya, at ang automated na customer communications ay mismong uri ng gamit kung saan maaaring hindi gaanong direktang nasa loop ang tao. Kung idinisenyo para sa paglipat na iyan ang mga kontrol na iniuulat ng mga kompanya ngayon, tanong iyan na itinataas ng mga numero ng sarbey pero hindi nito masasagot.

Ang tanong sa third party #

Kung may isang trend na nararapat suriin nang mas malapitan, ito iyon. Ang mga third-party implementation ay 39% ng lahat ng iniulat na AI system, mula 33% noong 2024. Katamtamang pagtaas iyan. Hindi katamtaman ang numero para sa mga high-materiality system: ang mga third-party implementation ay 53% ng mga high-materiality AI system, mula 35% noong 2024.

Sa payak na salita, mas kaunti sa apat sa bawat sampung sistema sa kabuuan ang galing sa mga panlabas na supplier, pero mahigit kalahati ng mga itinuturing ng mga kompanya na pinakamateryal. Nakakonsentra ang dependency mismo kung saan pinakamataas ang nakataya, at lumaki ito nang labing-walong percentage point sa loob ng dalawang taon. Dahil sa caveat sa paghahambing ng mga round, hindi ako sasandal sa eksaktong laki ng pagtalon na iyon, pero payak na iniulat ang direksyon at ang antas na 53%.

Nakikita mismo ng mga sumagot ang hadlang. Tinukoy ng 40% ng mga sumagot ang mga alalahanin sa information security at operational resilience bilang malaking hadlang sa third-party AI adoption, kasunod ang limitadong transparency sa mga third-party AI system sa 34%. Kaya ang sektor na lalong sumasandal sa mga supplier para sa pinakamateryal nitong mga sistema ay siya ring nagpapangalan sa seguridad at kalabuan ng supplier bilang pangunahing preno nito sa third-party adoption.

Pareho ang itinuturo ng mga risk rating. Ang mga lugar na may pinakamataas na rating ng nakikitang panganib sa mga kompanya mula sa AI ngayon ay data protection at security, third-party at supply chain risk, at mga panganib na partikular sa GenAI. Sa hinaharap, inaasahan ng mga sumagot na titindi ang cyber risk amplification at critical third-party dependencies habang lumalaganap ang paggamit ng AI, at ito ang dalawang systemic risk na may pinakamataas na rating ngayon at sa susunod na tatlong taon. Para sa cyber risk amplification, 57% ang nag-rate ng kanilang alalahanin na mataas o malubha ngayon, umaakyat sa 80% sa susunod na isa hanggang tatlong taon; para sa critical third-party dependencies, umakyat ang bahagi mula 40% hanggang 63%. Inaasahan iyan, at ganoon ito ibinabalangkas ng sarbey, pero kaayon ito sa uri ng mga numero ng dependency sa itaas.

Para sa sinumang nagbebenta ng AI sa financial services, komersyal at hindi regulatoryo ang implikasyong hahanguin ko: sinasabi ng mga mamimili na nililimitahan sila ng transparency sa mga third-party system, at ang supplier na direktang makasasagot sa alalahaning iyon ay tumutugon sa bagay na pinangalanan ng 34% ng mga sumagot. Pagbasa ko iyan, hindi natuklasan ng sarbey.

Governance: matatag sa papel, mas manipis sa praktika #

Sa istruktura, mukhang maayos ang organisasyon ng mga sumagot. 94% ang nag-ulat ng firmwide na AI policy, prinsipyo o pamantayan, at 84% ang nag-ulat ng sentralisadong AI/model-risk governance fora. Sa mga kontrol na ginagamit para pamahalaan ang data risk sa mga AI system, iniulat ng mahigit 90% ng mga sumagot ang bawat isa sa human approval, pre-deployment review at vendor due diligence.

Nagbabago ang larawan kapag lumipat ka mula sa mga kontrol bago mag-live ang isang sistema patungo sa mga kontrol pagkatapos. Iniulat ng mga kalahati ng mga sumagot ang bawat isa sa ongoing monitoring, leakage testing at periodic review o recertification. Agwat na humigit-kumulang apatnapung percentage point ang naghihiwalay sa mga pananggalang sa simula at sa mga tuloy-tuloy.

Ito, sa tingin ko, ang pinakamahinang punto sa iniulat na control environment. Madaling ilarawan at madaling i-audit ang mga tseke bago ang deployment. Tuloy-tuloy na gastos ang pag-monitor ng sistema sa production, at ipinahihiwatig ng mga numero na mga kalahati ng mga kompanya ang nag-uulat nito. Kung saan nangingibabaw ang mga third-party system sa high-materiality tier, mas mahalaga ang agwat, dahil hindi laging masusuri ng mga kompanya ang hindi nila binuo. Direktang ipinakikita ito ng sarbey: para sa mga high-materiality system, 77% ng mga sumagot ang nag-ulat na umaasa sa malalim na kaalaman sa mga internal na binuong sistema, kumpara sa 24% para sa mga third-party system, kung saan 81% ang umasa sa vendor assurance at mga kontraktwal na kaayusan.

Kinikilala ng mga kompanya ang hirap. Ang pangangasiwa sa third-party AI ang pinakamadalas iulat na lugar ng kawalang-katiyakan sa governance o hamon sa implementasyon: ang paglalapat ng mga prinsipyo ng model risk management sa mga modelong galing sa third party o vendor ay pinili bilang hamon ng 54% ng mga sumagot, at ang pangangasiwa sa mga sistemang ibinigay o materyal na naimpluwensyahan ng third party ng 49%. Halos unibersal ang due diligence sa punto ng pagbili; nasa pagsubaybay pagkatapos kung saan sinasabi ng mga kompanya na pinakahindi sila sigurado.

Mga hadlang na hindi tungkol sa regulasyon #

Madaling ipalagay na regulasyon ang pangunahing preno sa adoption. Halo-halong larawan ang inihahain ng sarbey. 42% ng mga sumagot ang nakakita sa UK data protection at privacy bilang mabigat na compliance burden, at 29% ang nagsabi ng pareho sa international regulation. Totoong mga bahagi iyan, pero minorya sila, at 28% ng mga sumagot ang nagsabing walang anumang regulatoryong hadlang.

Mas mababa ang antas ng mga praktikal na hadlang. Ang pinakamadalas banggiting hindi regulatoryong hadlang, ang hirap ng pagsasama ng AI sa mga umiiral na business process at desisyon, at ang mga hadlang mula sa legacy system o imprastraktura, ay tinukoy bilang malalaking hadlang ng 23% at 22% ng mga sumagot, ayon sa pagkakasunod. Sa maliliit na kompanya, 30% ang tumukoy sa data protection, confidentiality at mga konsiderasyon sa IT bilang mga hadlang.

Kapag pinagsama, ipinahihiwatig ng mga numero na ang pinakamadalas banggiting balakid ay data protection at seguridad ng supplier, at mas malayo sa likod ang integration at legacy infrastructure. Hindi ko sobrang bibigyang-kahulugan ang pagkakasunod, dahil hindi magkakapareho ang pagkakatanong (ang ilan ay tungkol sa compliance burden, ang iba ay tungkol sa malalaking hadlang), pero tugma sa 86% adoption ang kawalan ng iisang napakalaking balakid.

Mga inaasahan: mas maraming benepisyo, mas maraming panganib #

Inaasahan ng mga sumagot na tataas ang benepisyo sa lahat ng lugar sa susunod na tatlong taon, at ang pinakamalalaking inaasahang pagtaas ay sa cybersecurity at operational resilience, at sa revenue generation at competitive positioning. Mga inaasahan ito, at ganoon sila tinatrato ng sarbey; ipinahihiwatig nila kung saan umaasa ang mga kompanya na pupunta ang AI, hindi kung saan na ito nakarating.

Sabay na gumagalaw ang mga inaasahan sa panganib. Sa susunod na isa hanggang tatlong taon, inaasahan ng mga sumagot na tataas ang antas ng panganib sa lahat ng kategorya. Sinasabi ng pinagmulan na maaaring magdala ang mga pag-unlad sa AI ng mga benepisyo kabilang ang mas mataas na efficiency, mas mahusay na decision support at mas matatag na risk management, at maaari ring lumikha o magpalala ng mga panganib kaugnay ng governance, operational resilience, data protection, consumer outcomes, third-party dependency at financial stability. May pag-aalinlangan ang dalawang kalahati ng pangungusap na iyan, at tama lang.

May bagay na sulit pansinin sa pagpapares. Kabilang ang cybersecurity at operational resilience sa pinakamalalaking inaasahang pagtaas ng benepisyo, at ang cyber risk amplification ang lumilitaw bilang systemic risk na may pinakamataas na rating. Inaasahan ng mga kompanya na tutulong ang AI sa cyber resilience at sabay na magpapalala ng cyber risk. Hindi pinagkakasundo ng sarbey ang mga inaasahang iyon, at hindi ako magkukunwari. Magkatabi lang sila.

Frontier AI at cyber #

Partikular na nagtanong ang sarbey tungkol sa frontier AI cyber capabilities. 88% ng mga sumagot ang tumasa na may katamtaman o mataas na epekto sa risk profile ng kanilang kompanya ang umuunlad na frontier AI cyber capabilities sa susunod na dalawang taon. Pagtatasang nakatingin sa hinaharap iyan, hindi nasukat na resulta, at dapat basahin bilang inaasahan ng mga sumagot.

Pero may binago na itong ilang pag-uugali. 64% ang pumili sa vulnerability management at patching cadence bilang lugar ng cyber resilience na nakatanggap ng pinakamalaking pagtaas ng atensyon ng management dahil sa kamalayan sa frontier AI. Kaya nagbunga ang alalahanin ng kongkretong paglipat ng atensyon ng management tungo sa patching, ayon sa halos dalawang-katlo ng mga tinanong.

Katabi nito ang mas maliit at hiwalay na natuklasan: 57% ng mga sumagot ang nag-ulat na isinasaalang-alang ang sustainability impact ng paggamit ng AI. Mayorya iyan, pero manipis, at kakaunti ang nagsasabi nito sa publiko: 82% ang hindi nag-uulat sa labas ng sustainability impact ng AI, bagaman 36% sa kanila ang nagbabalak gawin ito sa loob ng dalawang taon.

Ano ang dapat bantayan #

Inilalarawan ng mga numero ang isang industriyang malawakang nag-ampon ng AI, pinanatili ang tao sa pagpapasya, at ipinasa ang lumalaking bahagi ng pinakamateryal nitong mga sistema sa mga panlabas na supplier. Nasa huling puntong iyan ang tensyon. Maaga nangyayari ang mga kontrol na pinakamadalas iulat ng mga kompanya, gaya ng policy, approval at due diligence. Ang mga kontrol na magbabantay sa sistema ng supplier sa paglipas ng panahon ay iniuulat ng mga kalahati.

Dalawang numero ang sulit suriin sa susunod na round, kung magkakatulad ang pananalita. Ang una ay ang numero sa customer communications: 16% ngayon, 34% kasama ang nakaplanong deployment. Kung magiging production use ang mga plano, sasabihin sa atin ng 2% na bahagi ng malawak na autonomy at ng 80% na bahagi ng decision support kung nakaligtas ang modelong tao-ang-nagpapasya sa harap ng dami. Ang ikalawa ay ang 53%. Kung patuloy na lalaki ang bahagi ng mga third-party implementation sa mga high-materiality system habang nananatiling malapit sa kalahati ang ongoing monitoring, ang mismong mga sumagot sa sarbey, na nagre-rate na sa critical third-party dependencies bilang isang nangungunang systemic risk, ang maglalarawan sa problema bago pa ito dumating. Ang bukas na tanong ay kung maisasara ng praktika sa monitoring ang agwat bago lalong lumawak ang dependency.

Mga Madalas Itanong #

Ilang kompanya ang gumagamit ng AI ayon sa sarbey ng Bank of England at FCA noong 2026? 86% ng mga sumagot ang nag-ulat na kasalukuyang gumagamit ng AI, mula 75% noong 2024 at 58% noong 2022. Nakatanggap ang sarbey ng 196 na sagot, 101 mula sa malalaking kompanya at 95 mula sa maliliit na kompanya. Nagbababala ang ulat na dahil sa pagkakaiba sa komposisyon ng mga sumagot at saklaw ng tanong, hindi tumutukoy sa iisang populasyon ang mga porsiyento noong 2026 at 2024 at dapat silang ihambing nang maingat.

Gaano kalaking autonomy ang ibinibigay ng mga kompanya sa pananalapi sa UK sa AI agents? Kakaunti. 80% ng mga sumagot sa buong sarbey ang nag-ulat ng agents na naka-deploy para sa decision support, kung saan nagrerekomenda ng aksyon ang agents at tao ang nagpapasya at nagsasagawa. 46% ang nag-ulat ng agents na may constrained execution, 22% na may conditional autonomy at 2% lang na may malawak na autonomy.

Gaano kalaki ng kanilang AI ang nakukuha ng mga kompanya sa third party? Ang mga third-party implementation ay 39% ng lahat ng iniulat na AI system, mula 33% noong 2024 at 17% noong 2022. Sila rin ay 53% ng mga high-materiality AI system, mula 35% noong 2024.

Ano ang nakikita ng mga kompanya na pinakamalalaking panganib ng AI? Sa antas ng kompanya, ang mga kasalukuyang panganib na may pinakamataas na rating ay data protection at security, third-party at supply chain risk, at mga panganib na partikular sa GenAI gaya ng hallucination at prompt injection. Sa antas ng sistema, ang cyber risk amplification at critical third-party dependencies ang dalawang panganib na may pinakamataas na rating, ngayon at sa susunod na tatlong taon.

Saan pinakamahina ang mga kontrol sa AI governance? Iniulat ng mahigit 90% ng mga sumagot ang bawat isa sa human approval, pre-deployment review at vendor due diligence, samantalang iniulat ng mga kalahati ang bawat isa sa ongoing monitoring, leakage testing at periodic review o recertification. Ang pangangasiwa sa third-party AI ang pinakamadalas iulat na hamon sa governance.

Mga Sanggunian #

Huling sinuri .

I-cross-post ang artikulong ito

Kopyahin ang format para sa Medium

# AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/](https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/)

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/

Kopyahin ang format para sa Mastodon

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/

Kopyahin na naka-format para sa LinkedIn

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

Narito ang mga pangunahing estratehikong aral:

- Ano ang sarbey, at ano ang hindi nito saklaw. Ang publikasyon ay isang deskriptibong buod ng pinagsama-samang resulta ng pinakabagong AI survey na isinagawa bilang bahagi ng mas malawak na programa ng Bank at FCA sa AI.
- Naging default na ang adoption. Simple ang headline.
- Generative AI na ang mayorya ng estate. Malaki ang paglipat sa halo ng teknolohiya.
- Agents: maraming payo, kakaunting autonomy. Ang mga numero sa agents ang pinakamalinaw na halimbawa ng mga kompanyang nag-aampon ng bago habang may kamay pa rin dito.

Ano ang diskarte ng inyong organisasyon sa mga hamon na tinukoy sa piraso na ito?

→ https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/

#AiSaFinancialServices #AiSaUkFinancialServices #BankOfEngland #Fca #AiSurvey2026

Sebastien Rousseau | CC-BY-4.0
Sipiin ang artikulong ito

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

BibTeX

@online{rousseau2026ai,
  author  = {Rousseau, Sebastien},
  title   = {{AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/},
  urldate = {2026}
}

RIS

TY  - GEN
AU  - Rousseau, Sebastien
TI  - AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/
ER  -

Vancouver

Rousseau S. AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 20. Available from: https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/

Chicago

Rousseau, Sebastien. "AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau." sebastienrousseau.com. November 20, 2026. https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/.

APA

Rousseau, S. (2026, November 20). AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/

Muling i-publish ang artikulong ito

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

Ang artikulong ito ay nakapailalim sa lisensya ng Creative Commons Attribution 4.0 International. Kailangan ng pagkilala sa canonical URL para sa muling pag-publish.

AI sa UK Finance: Malawak na Gamit, Maingat na Agents, Third Party — Sebastien Rousseau

Sarbey ng Bank of England at FCA 2026: 86% ng kompanya ang gumagamit ng AI, 2% ang may autonomous agents, at 53% ng high-materiality system ay third-party.

Originally published at https://sebastienrousseau.com/fil/2026-11-20-finance-malawak-gamit-maingat-agents-third/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.