23. mars 2026
Janet George er en pioner innen kunstig intelligens. I flere tiår har hun tjent teknologigiganter – inkludert Oracle, Intel, Apple, Yahoo! og eBay – ved å bygge datasystemer som fungerer mer som den menneskelige hjernen. Og hun har gjort det ved å implementere kunstig intelligens, maskinlæring, LLM-er og dype nevrale nettverk.
«Min erfaring med AI kan spores tilbake til den tiden da skytjenester, dyp læring, enorme datasett og avanserte GPU-funksjoner begynte å konvergere», sier hun.
Siden 2025 har George ledet AI Center of Excellence hos Mastercard, hvor fokuset hennes er å utnytte banebrytende teknologier for å forbedre, beskytte og tilpasse betalingssystemer. Hun veileder også Mastercard på reisen mot å bli en AI-fokusert organisasjon – et mål hun oppmuntrer bedrifter i alle størrelser.
AI har utviklet seg som ild i tørt gress de siste to årene, og tent forventninger om at den radikalt vil forandre hvordan selskaper driver virksomhet, utvikler nye produkter og samhandler med kunder. George mener at bedrifter som er åpne for endringer – og gjør en innsats for å forstå AIs evner og begrensninger – vil være best posisjonert til å blomstre.
Vi spurte denne teknologipioneren hva bedriftsledere trenger å vite for å ligge i forkant av vår stadig mer AI-drevne verden.
George: Lær først hvordan du kan dempe hypen og fokusere på skalerbar avkastning. Målet bør være å gå lenger enn å eksperimentere med generativ AI og begynne å skalere den i hele organisasjonen. Ledere må finne realistiske brukstilfeller med høy effekt som virkelig forbedrer kundeverdien med avkastning på investeringen, i stedet for bare å satse på produktivitetsverktøy, fordi vi har et nytt produktivitetsverktøy som dukker opp hver dag.
Jeg synes også det er superviktig å bruke AI på en etisk og ansvarlig måte. Dette betyr å proaktivt håndtere skjevheter som allerede kan eksistere i driften eller driftsdata, sikre åpenhet om hvordan dataene våre brukes og opprettholde tilliten hos kundene.
Teknologisk flyt er virkelig avgjørende. Jeg tror ikke ledere trenger å skrive koden selv, men de bør forstå kompleksiteten, mulighetene og begrensningene til AI, inkludert hvordan man reduserer risikoer og ser på unøyaktigheter i data eller andre typer sikkerhetsproblemer.
Når det er sagt, bør AI sees på som et verktøy som forsterker, ikke erstatter, menneskelig intelligens. Ved å oppmuntre til å utvikle modeller der AI takler rutineoppgaver, kan ledere gjøre det mulig for sine ansatte å fokusere på kreativitet, empati og strategisk tenkning.
I løpet av de siste årene har AI gjennomgått en bemerkelsesverdig transformasjon, og har beveget seg bort fra første og andre generasjons maskinlæring og funksjonsutvinning med gradientboost-algoritmisk modellering til å omfavne dyp læring med nevrale nettverk med tredje og fjerde generasjon transformatormodellering, med oppmerksomhetsmekanismer og selvlæring. Dette skiftet har vært preget av fremveksten av svært store språkmodeller, som generative forhåndstrente transformatorer, eller GPT-er, som har omdefinert hva AI kan oppnå.
Disse innovasjonene, drevet av enorme dataressurser og GPU-akselerasjon, har gjort det mulig for AI å oppnå ytelse på menneskelig nivå. Det har vært et eksponentielt sprang i hvordan teknologien henter informasjon, forstår kontekst og demonstrerer intelligens, spesielt innen naturlig språkbehandling og resonnering. Så moderne autonome systemer og AI-agenter er nå designet for å etterligne den menneskelige hjernen, og inkluderer elementer som episodisk hukommelse og avanserte kognitive evner. Jeg blir stadig vekk forbløffet over hvor biologisk inspirerte alle våre vitenskapelige fremskritt har vært.
AI omformer finansnæringen og bankvirksomheten fundamentalt. De utvikler seg fra å bruke enkel automatisering til å bli generative AI-første institusjoner, som handler svært besluttsomt og tar i bruk moderne AI-teknologier.
Og alt dette forventes å gi dem et svært betydelig konkurransefortrinn i forhold til de som er avhengige av eldre systemer og manuelle prosesser. En EY-undersøkelse fra 2025 viste at 71 % av bankene har implementert eller myklansert generisk AI-funksjonalitet, hvorav 61 % allerede ser sterke effekter og 89 % ser sterke effekter fremover de neste to årene, alt fra kostnadsbesparende verktøy til å drive vekst i topplinjeinntekter.
Vi har lenge brukt AI til risikostyring og svindeldeteksjon. Nå kan AI-agenter overvåke transaksjoner og mønstre på tvers av kontoer og kanaler, score risikoer i millisekunder og flagge avvik i plassering og forbrukshastigheter som eldre deteksjonsmetoder lett kan overse. Generative AI-agenter kan redusere antallet falske positiver i operativ nettverkstrafikk betydelig. Autonome agenter kan forstå, resonnere og handle på vegne av banken for å håndtere komplekse oppgaver fra start til slutt, som å håndtere kreditttvister.
George: I stedet for å hovedsakelig stole på merkevarenettsteder eller tradisjonelle søkemotorer, bruker forbrukerne nå AI-drevne spørsmål og svar-verktøy for å veilede handlebeslutningene sine. En fersk rapport viste at 60 % av forbrukerne bruker AI til shopping, og 46 % av disse stoler mer på AI enn venner når de søker råd om antrekk – noe av innsikten som driver vår fortsatte investering i agenthandel og utviklingen av verktøy og tjenester som Agent Pay og Agent Suite.
Vi ser også mer AI-drevet kundestøtte. Forbrukere samhandler nå med AI-agenter, i motsetning til tradisjonelle chatboter, på detaljhandelsnettsteder for å få tilgang til umiddelbar støtte døgnet rundt. Men det utrolige er at disse agentene er sofistikerte nok til å forstå og håndtere komplekse samtaler, og tilpasse seg ulike talemønstre, toner og aksenter.
Små bedrifter har tatt i bruk generativ AI for å automatisere en rekke rutinemessige forretningsprosesser – administrativt arbeid, avtaleplanlegging, lagerstyring og dataregistrering – slik at disse oppgavene kan utføres mer effektivt og nøyaktig.
Innen økonomistyring ser vi også en økning i bruken av virtuelle økonomidirektører drevet av kunstig intelligens, som gjør det mulig for små bedrifter å få sanntidsanalyse av kontantstrømmene sine, identifisere potensielt uredelige aktiviteter og forbedre nettsikkerheten ved å overvåke transaksjoner og nettverkstrafikk.
Til slutt vil jeg si at en av fordelene for små bedrifter er kostnadsreduksjon. Ved å automatisere rutinemessige og repeterende oppgaver kan de redusere lønnskostnadene betydelig og oppnå større effektivitet, noe som frigjør tid som tidligere ble brukt på manuelle oppgaver. Nå kan bedriftseiere fokusere på å drive strategisk vekst og konkurransefortrinn. Små bedrifter får muligheten til å tilby overlegne og raskere tjenester, slik at de effektivt kan konkurrere med større organisasjoner.