Sebastien Rousseau

TREDJEPARTSRISK AI

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag

AI-användningen bland de tillfrågade brittiska finansföretagen har nått 86 %, men de siffror som betyder mest ligger under rubriken: tredje part levererar nu mer än hälften av systemen med hög väsentlighet, och tillsynen över dem är den styrningsutmaning företagen oftast rapporterar.

15 min läsning
Banner for: Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag

AI-användningen bland de tillfrågade brittiska finansföretagen har nått 86 %, men de siffror som betyder mest ligger under rubriken: tredje part levererar nu mer än hälften av systemen med hög väsentlighet, och tillsynen över dem är den styrningsutmaning företagen oftast rapporterar.

Sammanfattning för beslutsfattare

  • 86 % av respondenterna rapporterade att de använder AI, upp från 75 % 2024. Generativ AI utgjorde 56 % av de rapporterade systemen.
  • Cirka 7 % av de rapporterade systemen bedömdes ha hög väsentlighet, ned från 16 % 2024, men det absoluta antalet system med hög väsentlighet var större 2026.
  • Tredjepartsimplementationer stod för 53 % av systemen med hög väsentlighet, upp från 35 % 2024. De tre största moln- och beräkningsleverantörerna står för 79 % av de rapporterade moln- och beräkningsrelationerna.
  • 80 % av respondenterna har AI-agenter i drift, men bara 2 % rapporterade agenter med bred autonomi.
  • Respondenterna väntar sig att både nytta och risk ökar i alla kategorier, med förstärkt cyberrisk och kritiska tredjepartsberoenden rankade som de främsta systemriskerna.
  • Tillsyn över tredjeparts-AI-system var den vanligast rapporterade styrningsutmaningen.

Vad undersökningen är, och vad den inte är #

Publikationen, Bank of Englands och FCA:s fjärde undersökning av AI och maskininlärning inom brittiska finansiella tjänster, är en beskrivande sammanställning av aggregerade undersökningsresultat, och den ramen är värd att hålla fast vid innan man drar några slutsatser. Resultaten är belägg från deltagande företag, inte en fullständig bedömning av AI-användningen i hela den brittiska finanssektorn. Inget nedan ska läsas som en totalundersökning.

Undersökningen fick 196 svar: 101 större och 95 mindre företag. För första gången kunde företag med färre än 100 anställda välja ett kortare frågeformulär, och 105 respondenter fyllde i hela undersökningen. Om inget annat anges bygger rapportens siffror på svar från hela undersökningen, vilket underlättar jämförelse med tidigare omgångar. Procentsatserna beräknas enbart på giltiga svar per fråga, så företag som inte besvarade en viss fråga ingår inte i den frågans nämnare. Svar från internationella banker och mäklare/handlare avser deras brittiska verksamhet.

Undersökningen 2026 behöll kärnfrågorna från tidigare omgångar för kontinuitetens skull och lade till eller ändrade frågor för att spegla utvecklingen inom AI-användning och AI-förmåga sedan 2024. Därför kan rapporten ställa siffrorna för 2026 mot 2024 när det gäller användning, väsentlighet och tredjepartsandel, och därför ber rapporten också läsarna att tolka jämförelser med 2024 med försiktighet där frågeformuleringar, definitioner, omfattning eller respondentpopulationer skiljer sig åt. Vissa ämnen, som den korta bilagan om frontier-AI och cyberrisk, saknar helt jämförelse med 2024.

Förbehållen spelar roll eftersom flera av de mest slående siffrorna nedan är andelar av andelar. Den som bortser från nämnarna tar en förändring i sammansättning för en förändring i volym. Undersökningen erbjuder själv ett tydligt exempel på den fällan, och vi kommer snart dit.

Användningen är nära nog universell, och generativ AI dominerar #

Börja med huvudsiffran. 86 % av respondenterna rapporterade att de använder AI, upp från 75 % 2024. Siffran omfattar både den fullständiga undersökningen och kortversionen, och rapporten varnar själv för att procentsatserna för 2026 och 2024 inte avser samma population av företag och ska jämföras med försiktighet. Företagen rapporterar i ökande grad användning av generativ AI, AI-baserade agenter och tredjepartsimplementationer av AI-system, och de tre trådarna löper genom allt annat i undersökningen.

Generativ AI stod för 56 % av alla rapporterade AI-system. Jämförelsen rapporten gör är med grundmodeller, som stod för 17 % av de rapporterade användningsfallen för AI 2024. Rapporten säger att måtten inte är direkt jämförbara, så det vore fel att tala om ett lyft på 39 procentenheter för en enskild teknik; sammantagna tyder de, med rapportens ord, på en betydande ökning av företagens rapporterade användning av generella förmågor sedan 2024.

Var i företagen finns AI? Drift och IT stod för cirka 31 % av alla rapporterade AI-system, upp från omkring 22 % 2024, och inget annat enskilt område stod för mer än 11 %. Det är en slående koncentration. Kundnära användningsfall och frontoffice får mest offentlig uppmärksamhet, men det största enskilda blocket av rapporterade system finns i verksamhetens rörsystem. En närliggande siffra från avsnittet om små företag pekar åt samma håll: bland respondenterna i kortversionen var drift den vanligast rapporterade domänen för nuvarande eller planerad AI-användning, angiven av 64 %.

Den upplevda nyttan stämmer med den bilden. Operativ effektivitet, automatisering och produktivitet var de högst rankade områdena för upplevd nytta av AI i dag. Företagen använder, att döma av vad de rapporterar, AI främst för att driva sig själva effektivare.

Användningen är inte heller jämnt fördelad. Nästan hälften av företagen rapporterade tio eller färre AI-system, medan de tio företag som rapporterade flest system stod för 43 % av alla rapporterade AI-system. Siffran 86 % beskriver alltså bredd i användningen, inte djup. Ett litet antal företag bär en stor andel av totalen, och ett stort antal företag driver bara en handfull system. Även små företag finns med: 73 % av respondenterna i kortversionen rapporterade att de använder AI, och av dem rapporterade 58 % att de främst använder generella stora språkmodeller.

Väsentlighetsgåtan #

Här är fällan som nämndes tidigare. Cirka 7 % av de rapporterade AI-systemen bedömdes av respondenterna ha hög väsentlighet, jämfört med 16 % 2024. Vid en snabb läsning ser det ut som att AI blivit mindre viktig för företagen, eller mindre riskfylld.

Så är det inte. Det absoluta antalet AI-system med hög väsentlighet var större 2026 än 2024. Andelen föll eftersom totalen växte snabbare än delmängden med hög väsentlighet. När företag driftsätter fler system bedöms de flesta tilläggen ha lägre väsentlighet, vilket späder ut procentsatsen medan antalet system med hög väsentlighet fortfarande stiger. Dessa system är också koncentrerade: tio företag stod för 62 % av alla rapporterade AI-system med hög väsentlighet.

Det är en nyttig korrigering för den som bygger ett styrningsargument enbart på procentsatser. En sjunkande andel system med hög väsentlighet säger inget lugnande om arbetsbördan för dem som ansvarar för systemen. Det finns fler att utöva tillsyn över än 2024.

Varifrån de viktiga systemen kommer #

Undersökningens mest betydelsefulla resultat gäller vem som bygger och driver de system som betyder mest. Tredjepartsimplementationer stod för 39 % av alla rapporterade AI-system, upp från 33 % 2024 och 17 % 2022. Det är en stadig rörelse. Förskjutningen bland system med hög väsentlighet är betydligt skarpare: tredjepartsimplementationer stod för 53 % av dem, upp från 35 % 2024.

Sett över de rapporterade systemen som helhet kommer alltså de system företagen bedömer som mest väsentliga nu oftare än inte utifrån. En ökning med 18 procentenheter på två år, i den kategori där ett fel skulle göra mest skada, är den tydligaste signalen i materialet. Tillsammans med väsentlighetsresultatet ovan blir bilden ett växande antal viktiga system, där företagen inte själva bygger majoriteten.

Koncentrationen bland leverantörerna skärper bilden. De tre största moln- och beräkningsleverantörerna stod för 79 % av alla rapporterade moln- och beräkningsrelationer, och 98 % av respondenterna rapporterade att de använder någon av dessa tre. Tillhandahållandet av modell-API:er och hosting var också koncentrerat, om än mindre: de tre största leverantörerna stod för 54 % av de rapporterade relationerna, och de tre största moln- och beräkningsleverantörerna fanns alla också bland de fem största leverantörerna av modell-API:er och hosting. Företagen kan ha många AI-system, men de hämtar infrastrukturen och modellerna under dem från en liten krets leverantörer.

Utbytbarheten är den svårare frågan. Av de 169 rapporterade distinkta moln- och beräkningsrelationerna bedömdes 37 % som både högkritiska och svåra att ersätta, och bara 35 % av den gruppen hade testade exitplaner. För de 226 relationerna avseende modell-API:er och hosting var andelen högkritiska och svårersättliga 14 %. Skärpta förväntningar på operativ motståndskraft för tredjeparts-AI, som gemensam incidenttestning eller exitplanering, rapporterades av bara 27 % av företagen.

Respondenterna tog själva upp den systemiska versionen av oron: förstärkt cyberrisk och kritiska tredjepartsberoenden var de två högst rankade systemriskerna, både i dag och över de kommande tre åren, och respondenterna räknade med att de intensifieras när AI-användningen blir mer utbredd. Andelen som bedömde kritiska tredjepartsberoenden som en hög eller allvarlig oro steg från 40 % i dag till 63 % om ett till tre år. Den förväntan är respondenternas prognos, inte ett observerat utfall, men siffrorna om leverantörskoncentration ger den en uppenbar grund.

Företagen är inte omedvetna om begränsningen. Oro för informationssäkerhet och operativ motståndskraft angavs som en stor begränsning för införande av tredjeparts-AI av 40 % av respondenterna, följt av begränsad insyn i tredjeparts-AI-system (träningsdata, modelldesign, prestandabegränsningar, felmoder) med 34 %. Räknar man stora och måttliga begränsningar tillsammans var svårigheten att förhandla fram avtalsmässiga skydd den näst mest citerade utmaningen. Sammantaget beskriver detta företag som lutar sig tungt mot externa leverantörer samtidigt som de säger att de inte alltid kan se in i dem.

Agenter: brett driftsatta, mest i en stödjande roll #

Agentsiffrorna kräver noggrann läsning, eftersom huvudsiffran och innehållet pekar åt olika håll. 80 % av respondenterna rapporterade att de har AI-agenter i drift, och ytterligare 14 % rapporterade planer på att driftsätta dem under de kommande 12 månaderna. Enligt de siffrorna har bara en liten återstod varken driftsatt eller planerat att göra det.

Men se på vad agenterna gör. 80 % av respondenterna rapporterade agenter i produktion som gav beslutsstöd, definierat som AI-agenter som rekommenderar åtgärder medan människor beslutar och verkställer. 46 % rapporterade agenter med begränsat utförande, som agerar inom fördefinierade gränser och regler, och 22 % rapporterade agenter med villkorad autonomi. Bara 2 % rapporterade att de driftsätter agenter med bred autonomi. Det dominerande mönstret är agenter som ger råd eller agerar inom snäva gränser.

Kundkommunikation är där gränsen börjar flytta. 16 % rapporterade nuvarande användning av agenter för automatiserad kundkommunikation, och 34 % när planerad driftsättning räknades in. Det mer än fördubblar andelen om företagen genomför sina planer, men planer är planer, och undersökningen kan inte säga hur många som blir verklighet. Som kontrast räknade högst 9 % av respondenterna, även inklusive planerad driftsättning, med att agenter skulle godkänna eller avslå kundutfall, genomföra affärer eller lägga order, initiera, genomföra eller blockera betalningar, eller ändra limiter, tröskelvärden och kontroller.

Min läsning är att siffran 2 % är den mer talande och förtjänar mer uppmärksamhet än 80 %. Att driftsätta en agent som föreslår och väntar på en människa är ett blygsamt steg. Att driftsätta en med bred autonomi ändrar vem som bär ansvaret för ett utfall. Företagen har hittills varit villiga att ta det första steget brett och det andra nästan inte alls. Om planerna för kundkommunikation signalerar början på en förändrad hållning är en av de mer intressanta öppna frågorna i materialet.

Både nytta och risk väntas öka #

Respondenterna ser inte AI som en ensidig satsning. De räknade med att nyttan ökar inom alla områden under de kommande tre åren, med de största förväntade ökningarna inom cybersäkerhet och operativ motståndskraft samt inom intäktsgenerering och konkurrenskraft. Det är förväntningar, och undersökningen presenterar dem som sådana. Ingen av de listade nyttorna bedömdes allmänt vara mer än måttlig i omfattning i dag.

Risksidan är lika konsekvent, i fråga om riktning. De högst rankade områdena för upplevd risk för företagen från AI i dag var dataskydd och säkerhet, tredjeparts- och leverantörskedjerisk samt risker specifika för generativ AI. Under de kommande ett till tre åren räknade respondenterna med att risknivåerna ökar i alla kategorier, även om de i genomsnitt bedömde riskerna som mindre allvarliga 2026 än 2024.

Källan ramar in helhetsbilden i balanserade termer. Utvecklingen kan ge nytta i form av högre effektivitet, bättre beslutsstöd och starkare riskhantering. Den kan också skapa eller förstärka risker kopplade till styrning, operativ motståndskraft, dataskydd, utfall för konsumenter, tredjepartsberoende och finansiell stabilitet. Försiktigheten i formuleringen är källans, och den är befogad; undersökningen mäter uppfattningar och rapporterad praxis, inte realiserade vinster eller förluster.

En grupp resultat gäller frontier-AI och cyberförmåga. 88 % av respondenterna bedömde att utvecklingen av cyberförmågor hos frontier-AI under de kommande två åren får måttlig eller hög påverkan på företagets riskprofil. Det är en framåtblickande bedömning snarare än en uppmätt effekt, men 19 % pekade redan ut ökad effektivitet i attacker mot leverantörskedjan eller tredje part som den kanal genom vilken frontier-AI i dag utgör störst risk. Vad företagen redan har gjort som svar är lättare att kontrollera: 64 % valde sårbarhetshantering och patchningstakt som det område inom cybermotståndskraft som fått den största ökningen av ledningens uppmärksamhet till följd av medvetenheten om frontier-AI.

Begränsningar: mer praktiska än regulatoriska #

Den som väntade sig att regleringen skulle toppa listan över hinder får en mer nyanserad bild. De mest citerade icke-regulatoriska begränsningarna var svårigheter att integrera AI i befintliga affärsprocesser och beslut samt äldre system eller infrastruktur, angivna som stora begränsningar av 23 % respektive 22 % av respondenterna. Det är blygsamma andelar, vilket tyder på att inget enskilt icke-regulatoriskt hinder dominerar, men det är vanliga tekniska och organisatoriska problem snarare än exotiska.

På den regulatoriska sidan var de mest citerade upplevda begränsningarna brittisk dataskydds- och integritetsreglering samt internationell reglering, som 42 % respektive 29 % av respondenterna upplevde som en hög regelefterlevnadsbörda. 28 % angav inga regulatoriska begränsningar.

Små företag visar ett liknande mönster: 30 % av respondenterna i kortversionen angav dataskydd, konfidentialitet och IT-överväganden som begränsningar. Dataskydd återkommer i riskbedömningarna, i siffrorna om regelbörda och i de små företagens begränsningar. Om ett enskilt tema binder samman undersökningens olika avsnitt utöver tredje part, är det det.

Styrning: bred på papperet, tunnare efter driftsättning #

De formella strukturerna är nära nog universella. 94 % av respondenterna rapporterade koncernövergripande AI-policyer, principer eller standarder, och 84 % rapporterade centraliserade styrningsforum för AI och modellrisk. Bland kontrollerna för datarisk rapporterades mänskligt godkännande, granskning före driftsättning och due diligence av leverantörer var för sig av mer än 90 % av respondenterna.

Jämför nu med de kontroller som gäller efter lansering. Löpande övervakning, läckagetester och periodisk granskning eller omcertifiering rapporterades var för sig av ungefär hälften av respondenterna. Kontrasten är tydlig. De kontroller för datarisk som sker före eller vid driftsättningen, där en person skriver under, är nära nog universella. De som fortsätter att verka efter driftsättningen rapporteras av ungefär hälften.

Jag menar att detta är det centrala styrningsresultatet, och det hänger direkt ihop med tredjepartsberättelsen. Undersökningen visar hur olika företagen förstår det de köper. För system med hög väsentlighet rapporterade 77 % av respondenterna att de förlitar sig på djup kunskap om internt utvecklade system, jämfört med 24 % för tredjepartssystem; för tredjepartssystem förlitade sig 81 % i stället på leverantörsförsäkringar och avtalsmässiga arrangemang. För ett system som köps i stället för byggs är granskning före driftsättning och due diligence av leverantören de självklara hävstängerna. Övervakning och omcertifiering kräver insyn i ett system, och begränsad insyn i tredjeparts-AI-system pekades redan ut av 34 % av respondenterna som en begränsning. Undersökningen anger inte det orsakssambandet, och data kan inte bevisa det, men pusselbitarna passar obehagligt väl ihop.

Företagen säger det själva. Tillsyn över tredjeparts-AI-system var det vanligast rapporterade området för osäkerhet i styrningen eller utmaningar i genomförandet. Att tillämpa principer för modellriskhantering på modeller från tredje part eller leverantörer valdes av 54 % av respondenterna, och att övervaka system som tillhandahålls eller väsentligt påverkas av tredje part av 49 %. Ungefär hälften av företagen rapporterar alltså en utmaning i att tillämpa principer för modellriskhantering på leverantörslevererade modeller, och ungefär hälften i att övervaka system som tredje part tillhandahåller eller väsentligt påverkar.

Lägg de tre trådarna bredvid varandra. Tredje part levererar en majoritet av systemen med hög väsentlighet. En handfull leverantörer dominerar de underliggande relationerna. Och företagens egen styrning, stark vid grinden, är tunnare när det gäller fortlöpande tillsyn, med tredjepartsfallet utpekat som det svåraste. Det är ingen kritik mot något enskilt företag; det är en beskrivning av var den rapporterade insatsen ligger i förhållande till var den rapporterade exponeringen finns.

Vad man bör ta med sig #

För tekniska ledare är den praktiska slutsatsen att köpa har gått om att bygga för de system som betyder något, åtminstone i detta urval: 53 % av systemen med hög väsentlighet är tredjepartsimplementationer. Ingenjörsinsatsen flyttar därför till vad som kan göras runt ett system man inte kontrollerar: avtalsmässig insyn, testning vid gränssnittet och övervakning som inte förutsätter åtkomst till systemets inre. Undersökningen föreskriver inget av detta, och inget av det ska misstas för ett resultat. Det är frågorna som siffrorna väcker.

För grundare som säljer AI till finanssektorn visar materialet var friktionen kommer att uppstå. Respondenterna rapporterar oro för informationssäkerhet och operativ motståndskraft (40 %) och begränsad insyn (34 %) som stora begränsningar för införande av tredjeparts-AI. En leverantör som kan möta de två farhågorna direkt adresserar det som en betydande andel av respondenterna säger håller dem tillbaka. Och eftersom mer än 90 % av respondenterna rapporterar due diligence av leverantörer som en kontroll för datarisk bör en leverantör räkna med att bli granskad.

För den som frestas att läsa användningssiffran 86 % som ett tecken på att det svåra är över ger undersökningen en mer nykter bild. Användningen är bred, men ett fåtal företag bär en stor andel av systemen, agenter har mest stödjande roller, och respondenterna väntar sig att risken ökar i varje kategori under de kommande ett till tre åren. Respondenterna väntar sig också att nyttan ökar inom varje område, så varken optimismen eller försiktigheten har belägget för sig själv.

Förbehållen från början gäller fortfarande. Detta är en beskrivande sammanställning av 196 svarande företag, varav bara 105 fyllde i hela undersökningen, och det är ingen fullständig bedömning av den brittiska finanssektorn. Inom de gränserna är mönstret tillräckligt konsekvent för att vara användbart: de system företagen bedömer som viktigast kommer i allt högre grad utifrån, och den tillsyn de rapporterar är svagast där beroendet är störst.

Frågan som materialet väcker men inte kan besvara är vad som händer vid autonomigränsen. Med 34 % av respondenterna som antingen använder eller planerar agenter för automatiserad kundkommunikation, mot bara 2 % som i dag driftsätter agenter med bred autonomi, kommer nästa undersökning att visa om agenterna stannar i stödjande roller när systemen bakom dem, oftare än inte, levereras av någon annan.

Vanliga frågor #

Vad är Bank of Englands och FCA:s undersökning av AI inom brittiska finansiella tjänster? Det är den fjärde gemensamma undersökningen av artificiell intelligens och maskininlärning inom brittiska finansiella tjänster, efter undersökningarna 2019, 2022 och 2024. Utgåvan 2026 fick 196 svar, varav 105 på det fullständiga frågeformuläret. Författarna presenterar den som en beskrivande sammanställning av belägg från deltagande företag, inte som en fullständig bedömning av den brittiska finanssektorn.

Hur mycket av företagens AI kommer från tredje part? Tredjepartsimplementationer stod för 39 % av alla rapporterade AI-system 2026, upp från 33 % 2024 och 17 % 2022. Bland system med hög väsentlighet var andelen 53 %, upp från 35 % 2024.

Hur koncentrerade är AI-leverantörerna? De tre största moln- och beräkningsleverantörerna stod för 79 % av de rapporterade moln- och beräkningsrelationerna, och 98 % av respondenterna använde någon av dem. De tre största leverantörerna av modell-API:er och hosting stod för 54 % av de rapporterade relationerna i den kategorin. Av de 169 rapporterade moln- och beräkningsrelationerna bedömdes 37 % som både högkritiska och svåra att ersätta, och bara 35 % av den gruppen hade testade exitplaner.

Vilka styrningsutmaningar rapporterar företagen kring tredjeparts-AI? Tillsyn över tredjeparts-AI-system var det vanligast rapporterade området för osäkerhet i styrningen eller utmaningar i genomförandet. 54 % av respondenterna valde att tillämpa principer för modellriskhantering på modeller från tredje part eller leverantörer, och 49 % valde att övervaka system som tillhandahålls eller väsentligt påverkas av tredje part. För tredjepartssystem med hög väsentlighet förlitade sig 81 % på leverantörsförsäkringar och avtalsmässiga arrangemang, medan bara 24 % rapporterade djup kunskap om systemet.

Agerar AI-agenter självständigt i brittiska finansföretag? Sällan. 80 % av respondenterna rapporterade att de har AI-agenter i drift, och 80 % rapporterade agenter i produktion för beslutsstöd, där agenter rekommenderar åtgärder och människor beslutar och verkställer. Bara 2 % rapporterade agenter med bred autonomi, och även inklusive planer räknade högst 9 % med att agenter skulle godkänna eller avslå kundutfall, genomföra affärer eller lägga order, initiera, genomföra eller blockera betalningar, eller ändra limiter.

Referenser #

Senast granskad .

Återpublicera denna artikel

Kopiera format för Medium

# Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/](https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/)

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/

Kopiera format för Mastodon

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/

Kopiera formaterat för LinkedIn

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

Här är de viktigaste strategiska lärdomarna:

- Vad undersökningen är, och vad den inte är. Publikationen, Bank of Englands och FCA:s fjärde undersökning av AI och maskininlärning inom brittiska finansiella tjänster, är en beskrivande sammanställning av aggregerade undersökningsresultat, och den ramen är…
- Användningen är nära nog universell, och generativ AI dominerar. Börja med huvudsiffran.
- Väsentlighetsgåtan. Här är fällan som nämndes tidigare.
- Varifrån de viktiga systemen kommer. Undersökningens mest betydelsefulla resultat gäller vem som bygger och driver de system som betyder mest.

Hur hanterar din organisation de utmaningar som beskrivs i denna artikel?

→ https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/

#TredjepartsriskAi #AiStyrning #BankOfEngland #Fca #BrittiskaFinansiellaTjänster

Sebastien Rousseau | CC-BY-4.0
Citera den här artikeln

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

BibTeX

@online{rousseau2026tredjeparts,
  author  = {Rousseau, Sebastien},
  title   = {{Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/},
  urldate = {2026}
}

RIS

TY  - GEN
AU  - Rousseau, Sebastien
TI  - Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/
ER  -

Vancouver

Rousseau S. Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 21. Available from: https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/

Chicago

Rousseau, Sebastien. "Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau." sebastienrousseau.com. November 21, 2026. https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/.

APA

Rousseau, S. (2026, November 21). Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/

Återpublicera den här artikeln

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

Den här artikeln är licensierad under Creative Commons Attribution 4.0 International. Återpublicering kräver attribution till den kanoniska URL:en.

Tredjeparts-AI är nu styrningsproblemet för brittiska finansföretag — Sebastien Rousseau

Tredje part levererar 53 % av AI-systemen med hög väsentlighet hos brittiska finansföretag, och tillsynen över dem är den styrningsutmaning som oftast nämns.

Originally published at https://sebastienrousseau.com/sv/2026-11-21-tredjeparts-ai-ar-nu-styrningsproblemet-brittiska/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.