Tjen penge i udlandet, og brug dem derhjemme: Sådan får du AI-baserede finansværktøjer til at arbejde for dig

En designer i Mexico City fakturerer en kunde i New York i dollars, får pengene ind på en digital tegnebog og betaler sin husleje i pesos. Indtil for nylig fandt hun først ud af, hvad en måneds arbejde egentlig var værd, når pengene var gået ind og blevet vekslet. På det tidspunkt havde valutakursen allerede gjort skade.

På et år løber den usikkerhed op. En freelancer, der angiver sin pris i én valuta og lægger budget i en anden, varetager i praksis en mindre treasuryfunktion uden et økonomiteam i ryggen. Hun skal beslutte, hvornår hun vil veksle, lægge penge til side til skattemyndighederne i ét land, mens hendes kunder befinder sig i et andet, og forklare sin lokale bank, hvorfor alle indbetalinger kommer fra udlandet. Tidligere blev alle disse beslutninger truffet på grundlag af forældede oplysninger.

Det er den del, AI hurtigst har ændret. »For nogle år siden havde en freelancer, der fakturerede i USD, fik betaling i en digital tegnebog og brugte pesos, ikke noget aktuelt overblik over, hvad det hele betød,« siger Stephan Tschabold, Chief Compliance & Risk Officer hos Ontop, der håndterer betalinger for fjernarbejdende freelancere. Folk fandt først ud af, hvor stor deres reelle købekraft var, bagefter. I dag kan den samme medarbejder følge den, mens den ændrer sig.

En stor del af branchens AI-indsats er dog ikke rettet mod dette område. Hos de store pengeoverførsels- og betalingsvirksomheder går investeringerne i 2026 ifølge Tschabold og McKinsey primært til interne formål, hvor målet er at drive virksomheden billigere og lancere produkter hurtigere. Han henviser til en idé, der vinder frem i debatten om betalinger: AI’s egentlige opgave i en grænseoverskridende overførsel er at gøre en eksisterende tillidskorridor målbar ved at afstemme navne, translitterationer og hensigter. AI kan ikke skabe tillid, hvor den aldrig har været der. For den enkelte medarbejder betyder det, at værktøjerne på hendes telefon er blevet langt bedre til at forstå hendes situation end til at ændre de underliggende systemer.

For det voksende antal mennesker, der tjener penge på denne måde, er resultatet blandet. AI-baserede finansværktøjer hjælper nu meget på nogle områder og kun lidt på andre. Tschabold har et klart billede af, hvor grænsen går i dag, og peger på en række praktiske vaner, der er værd at indarbejde.

Brug AI til at få overblik

Den stærkeste grund til at bruge disse værktøjer er det, Tschabold kalder problemets »overbliksside«. Prognoser for likviditet, automatisk kategorisering af udgifter og påmindelser om, hvornår man bør veksle valuta, giver medarbejdere et opdateret overblik over deres penge på tværs af flere valutaer. Han regner også funktioner, der hjælper med at være klar til skatteindberetning, og vejledning om gebyrer tilpasset den enkeltes betalingsmønstre, med i samme kategori.

»Det er tilgængeligt allerede i dag og virkelig nyttigt,« siger han. For en freelancer er det praktiske råd at aktivere valutakursalarmer og prognoser, når platformen tilbyder dem, og tjekke månedsprognosen, før hun beslutter, hvornår hun vil flytte penge mellem valutaer.

Før dine egne optegnelser på tværs af landegrænser

Værktøjerne kommer til kort, når noget involverer mere end ét retssystem. »De fleste AI-baserede finansværktøjer er udviklet til brugere i ét land med én valuta, én skattemyndighed og én bank,« siger Tschabold.

»Intelligenslaget er længere fremme end infrastrukturlaget.« En app kan vise, hvad der sker med indkomsten i realtid, og stadig ikke hjælpe med at afstemme forpligtelser i to lande.

Den samme kløft viser sig, når folk flytter. En person med fem års stabil indkomst, der kan dokumenteres, kan ved ankomsten blive betragtet som en person uden bankforbindelse eller som en højrisikokunde, fordi vedkommendes indkomst, skatteoplysninger og kredithistorik ligger i adskilte systemer, der aldrig kommunikerer med hinanden. Tschabold ser en økonomisk identitet, der kan tages med fra land til land, som den største mulighed, ingen endnu har grebet.

Indtil nogen gør det, er det bedst, at medarbejderne selv samler dokumentationen: fakturaer, skatteindberetninger, betalingshistorik fra platforme og kontoudtog, samlet på ét sted i en form, de kan give til en långiver i et nyt land.

Forstå, hvorfor betalinger bliver markeret

Ældre, regelbaserede systemer til bekæmpelse af svindel markerede alt ukendt – fra en betaling fra et nyt land til en overførsel på et usædvanligt tidspunkt. Som Tschabold bemærker, er det »præcis sådan, en legitim freelancers almindelige liv ser ud«. Resultatet var, at betalinger i årevis fejlagtigt blev afvist, og konti blev frosset for mennesker, der ikke havde gjort noget forkert.

Nyere modeller vurderer transaktionshastighed, enhedsdata, historikken for kundeforholdet og adfærdens konsistens, og udstedere, der bruger dem, rapporterer færre falske positiver. Derfor er det en god idé at spørge en udbyder, hvordan den screener betalinger, inden man tilmelder sig.

Konsistens hjælper også: Hvis man bruger de samme enheder og fakturerer med en fast rytme, får en adfærdsmodel mindre at stille spørgsmålstegn ved. Forvent også strengere identitetskontrol ved oprettelsen, da syntetiske identiteter og svindel med deepfake-stemmer bliver mere udbredt sideløbende med grænseoverskridende svindel.

Brug de regler, der nu gælder

Til næste februar træder EU’s AI-forordnings krav til højrisikosystemer i kraft. Kategorien omfatter svindelopsporing, overvågning af bekæmpelse af hvidvask og kreditvurdering. Sådanne vurderinger skal nu kunne forklares og auditeres, og de skal kunne tilsidesættes af et menneske. Ansvaret ligger hos den institution, der anvender modellen. En medarbejder, hvis konto bliver frosset, eller hvis lån bliver afvist af en model, har grundlag for at bede om en forklaring og en menneskelig gennemgang.

Beskyttelsen er dog ujævnt fordelt. EU’s reviderede regelsæt for betalinger, som flytter ansvaret for svindel med autoriserede kontooverførsler over på udbyderne, forventes først at være fuldt implementeret i slutningen af 2027, og FinCEN i USA arbejder stadig med et forslag om bekæmpelse af hvidvask. »En arbejders betaling kan juridisk set være højrisiko-AI i én jurisdiktion og reelt ureguleret i en anden, selv når der er tale om identisk brug i den samme betalingskorridor,« siger Tschabold. Selvstændige har sjældent en arbejdsgiver eller kunderådgiver, der kan føre deres sag, så det kan betale sig at vide, hvilket regelsæt den enkelte udbyder er underlagt.

Lad mennesker træffe de store beslutninger

Tschabold mener, at fuldt autonome AI-baserede finansielle rådgivere indtil videre mest er hype. Mønstergenkendelsen er tilstrækkeligt avanceret, men ingen har fastlagt, hvem der har ansvaret, når en algoritmes beslutning om grænseoverskridende skat eller investering går galt. Visa, Mastercard og Alipay er alle ved at opbygge infrastruktur til betalinger mellem agenter, men selv de beskriver en bred udbredelse som noget, der stadig ligger et stykke ude i fremtiden.

Indtil videre er den fornuftige løsning AI, der gør opmærksom på et bedre tidspunkt at veksle valuta eller fremhæver en skatteforpligtelse i god tid, mens arbejderen selv godkender alt, der kan få væsentlige konsekvenser. En poleret fremtoning er en dårlig rettesnor, når man skal vælge udbyder. »Den dybere risiko er, at hastighed forveksles med troværdighed,« siger han. Det mere relevante spørgsmål at stille enhver platform er, hvem der står til ansvar, når noget går galt, for efter hans mening skal »AI-drevet« stadig indebære menneskeligt ansvar.