Kjernen: hvorfor RegTech kutter kostnader

RegTech (regulatorisk teknologi) reduserer kostnader ved å automatisere gjentakende kontroller, samle og strukturere dokumentasjon, og redusere feil i etterlevelse. Når manuelle oppgaver dominerer (KYC, sanksjonsscreening, rapportering og overvåkning), kan verktøy og arbeidsflyt gi vesentlige innsparinger i timer, færre avvik og raskere saksbehandling. Mange virksomheter rapporterer betydelige kutt når prosessene er modne, men reell effekt avhenger av startpunkt, datakvalitet og implementering.

Det viktigste: Mål dagens tidsbruk, volum og feil først. Uten en målt baseline blir «spareprosenten» bare et anslag, og ROI blir vanskelig å dokumentere.

Tenk på RegTech som et samlebånd: Mye av gevinsten kommer ikke fra et enkelt verktøy, men fra at data flyter riktig mellom flere steg uten manuell håndtering.

Hvor oppstår gevinstene

De tydeligste kostnadsdriverne ligger i manuell behandling, feilretting og ventetid. Følgende områder gir ofte størst effekt når de automatiseres eller standardiseres:

• KYC/kyb-innhenting: Automatisert innsamling og validering av legitimasjon, firmaattester og reelle rettighetshavere.
• Sanksjonsscreening: Løpende og batch-screening mot sanksjons- og PEP-lister med lavere falske treff.
• Transaksjonsovervåkning: Regler og modellstøtte som prioriterer relevante alarmer og reduserer manuelt etterarbeid.
• Regnskaps- og regulatorisk rapportering: Datakonsolidering og automatisert validering før innsending.
• Dokumentasjon og sporbarhet: Automatisk logg, versjonskontroll og ferdige revisjonsspor.
• Saksflyt: Integrert arbeidsflyt som ruter saker riktig første gang og kutter ventetid.

Praktisk tommelfinger: Jo høyere volum, jo større potensial. «Mange like saker + standardkrav» er ideelt for RegTech.

I tillegg til timer spart kommer gevinster fra færre avvik, raskere onboarding (inntektsuttelling tidligere) og bedre beredskap ved tilsyn.

Slik regner du på ROI

Bruk en enkel, etterprøvbar metode. Start med tall dere faktisk måler i dag, og legg inn konservative forbedringer som kan dokumenteres etter lansering.

1. Baseline: Timer per oppgave (KYC, screening, utredning, rapportering), volum per måned, andel feil/omgjøringer, gjennomsnittlig ventetid.
2. Kostnadsgrunnlag: Lønn (inkl. sosiale kostnader), verktøy/lisenser, opplæring, rekruttering/turnover, ekstern bistand.
3. Forbedringshypotese: Hvor mye kan automatiseres, og hvor mye kvalitet forbedres (lavere falske treff, færre manuelle steg).
4. Investering: Anskaffelse, implementering, integrasjoner, datavask, opplæring og endringsledelse.
5. Løpende kost: Lisenser, drift, modellvedlikehold, datakilder, intern forvaltning.
6. Effektmåling: Sammenlign faktisk tidsbruk og feilrate mot baseline etter pilot og etter full utrulling.

En praktisk ROI-formel er å beregne årlige netto gevinster (timer spart × kost per time + unngåtte kostnader) minus årlige driftskostnader, og sette dette opp mot investeringen. Payback beregnes som investering delt på årlige netto gevinster.

Eksempel med enkle tall

Tenk en enhet som håndterer 2 000 KYC-saker i året. Dagens manuelle tidsbruk er 90 minutter per sak. Timekost intern er 600 kr.

• Baseline: 2 000 × 1,5 t = 3 000 timer ≈ 1,8 mill. kr/år.
• Forbedring: Automatisering kutter til 55 minutter per sak (−35 min). Nytt forbruk ≈ 2 000 × 0,92 t = 1 840 timer = 1,10 mill. kr/år.
• Årlig innsparing: Ca. 700 timer = 420 000 kr/år, pluss raskere onboarding (potensiell inntektseffekt) og færre feil.
• Kostnader: Lisens + drift = 250 000 kr/år. Engangskost (integrasjon/opplæring) = 600 000 kr.
• Netto årlig: 420 000 − 250 000 = 170 000 kr.
• Payback: 600 000 / 170 000 ≈ 3,5 år (uten inntektseffekt og avvikskutt). Med bredere effekter kan dette bli betydelig kortere.

Bruk konservative anslag i kalkylen og lås målepunkter før oppstart. Det gjør gevinster enklere å bevise i ettertid.

I bransjen omtales ofte store prosentvise kutt når volum og prosesser er egnede for automatisering, men det varierer med datakvalitet, integrasjonsgrad og endringsvilje. Tallfest effektene stegvis (pilot → utrulling) fremfor å love én samlet prosent tidlig.

Kostnader du må ta med i regnestykket

• Lisenser og datakilder: Pris pr. bruker, volum, API-kall, listeleverandører.
• Implementering: Integrasjoner, datavask, migrering, konfigurering og testing.
• Endringsledelse: Opplæring, nye rutiner, tilpasning av retningslinjer og kontrollrammeverk.
• Forvaltning: Modelljusteringer, regelverkoppdateringer, kvalitetssikring og periodiske revisjoner.
• IT og sikkerhet: Tilgangsstyring, logging, beredskap, DPIA der relevant.

Unngå å undervurdere driftskost: Regulatoriske endringer og modellvedlikehold krever løpende kapasitet.

Samle kostnadene i en flerårig TCO-modell (3–5 år) for å få et mer realistisk bilde enn et rent år-én-budsjett.

Vanlige RegTech-bruksområder

• Innløp og onboarding: Skjemaveivisere, dokumentinnhenting, registeroppslag og automatisk risikoklassifisering.
• Løpende overvåkning: Regel- og modellbaserte alarmer med prioritering og saksflyt.
• Screening: PEP/sanksjoner/medieomtale med tuning for å redusere falske positiver.
• Rapportering: Konsolidering av data for regulatoriske innmeldinger og intern styrerapportering.
• Arkiv og sporbarhet: Full versjonshistorikk, bevislinjer og revisjonstilgang.

Velg løsninger som kan integreres med kildesystemer, og som støtter endringer i regelverk uten store utviklingsløp.

Regulatoriske forventninger og kvalitet

Regulator ser etter effektiv etterlevelse med dokumentert risikoforståelse. Automatisering fritar ikke fra ansvar; virksomheten må kunne forklare beslutninger, inkludert parametre og terskler i verktøy. For anti-hvitvasking finnes løpende veiledning fra Finanstilsynet som gir retning for forventninger til risikobasert tilnærming.

Dokumentér hvorfor modellen/reglene er satt som de er, hvordan de testes, og når de sist ble revidert. Bevislinje trumfer «black box».

Data, personvern og styring

• Datakvalitet: Dårlige kilder gir feil alarmer og spiser gevinst.
• Personvern: Behandlingsgrunnlag, lagringstid, DPIA for høyrisiko.
• Leverandørstyring: Tredjepartsrisiko, SLA, beredskap og exit-plan.

Slik lykkes du i praksis

1. Kartlegg: Prosesser, volum og flaskehalser. Mål baseline.
2. Prioriter: Velg use case med høy repetisjon og tydelige målepunkter.
3. Pilot: Test på et avgrenset område med reelle data og brukere.
4. Integrer: Koble til kildesystemer og saksflyt for å unngå dobbeltarbeid.
5. Mål og juster: Sammenlign mot baseline, juster regler/modeller.
6. Skaler: Rull ut trinnvis, oppdater rutiner og opplæring fortløpende.

Ikke hopp over endringsledelse: Gevinstene forsvinner hvis teamet fortsetter å jobbe «gammel vei» ved siden av nye verktøy.

Fallgruver å unngå

• Uklare mål: Ingen entydig KPI for tid/feil = vanskelig å bevise effekt.
• Over-automatisering: For komplisert i starten gir treg utrulling.
• Manglende datavask: Dårlige inputdata undergraver hele caset.
• Lite involvering: Fagmiljøet må eie regler og terskler, ikke bare IT.

Når lønner RegTech seg – og når ikke

• Lønnsomt: Høyt volum, standardiserbare oppgaver, tydelige datakilder, og behov for raskere behandling.
• Mer usikkert: Lave volum, svært varierende saksbilder, eller der data må innhentes manuelt fra mange kilder uten standard.

Hvis volumet er begrenset og kompleksiteten høy, kan målrettet prosessforbedring og bedre malverk gi mer effekt enn tung automasjon i første omgang.

Indirekte utslag for kunder og utlånspriser

Lavere etterlevelseskostnader kan på sikt redusere bankenes overhead. I konkurranseutsatte segmenter kan det bidra til lavere gebyrer – og i noen tilfeller bedre rentevilkår. For deg som kunde gjelder uansett å sammenligne ulike lånetilbud før du velger forbrukslån.