Partnerskaber

Itaú Unibanco vil standardisere softwarelevering i AI-æraen med Harness

mm
Føj Unite.AI til dine foretrukne kilder på Google

Harness meddelte den 12. november 2026, at Itaú Unibanco har valgt virksomhedens platform til at ændre måden, software udvikles og leveres på i hele bankens teknologiorganisation. Udrulningen begynder med en indledende implementeringsfase, som efter planen skal følges af en bredere udbredelse.

Harness beskriver Itaú Unibanco som Latinamerikas største bank i den private sektor. Banken har flere tusinde medarbejdere inden for ingeniørfagene, som understøtter digital bankvirksomhed, betalinger og platformtjenester for millioner af kunder. Denne skala danner rammen om Itaús mål: at øge udviklingshastigheden og bruge mere generativ AI, samtidig med at den styring og robusthed, der kræves af en global finansiel institution, bevares.

Leveringspipelines med indbygget styring

Itaú planlægger at standardisere leveringen ved hjælp af skabeloner med indbygget styring, automatiserede kontroller og politikbaserede begrænsninger. Harness oplyser, at platformen vil forkorte byggetiderne, automatisere tilbagerulninger og gøre udrulninger mere ensartede på tværs af de programmeringssprog og cloudmiljøer, banken bruger mest.

Itaús plan indarbejder også krav til sikkerhed, revision og regeloverholdelse som standardkontroller i hver pipeline. Med denne udformning indgår forpligtelserne i selve leveringsprocessen: Systemet, der skal fremskynde udgivelser, har også ansvaret for at anvende politikker og kontrollere software, efterhånden som den nærmer sig produktionsmiljøet.

Carlos Eduardo Mazzei, teknologidirektør i Itaú Unibanco, knyttede denne tilgang til bankens konkurrencekrav. »Bankernes fremtid vil blive bygget på software, og de institutioner, der vinder, vil være dem, der kan handle hurtigt uden at give afkald på kontrol,« sagde han.

Udvidelse efter den indledende implementering

Den bredere udrulning vil fortsat ske gradvist. I de kommende måneder vil Itaú efter den indledende implementeringsfase udvide brugen af Harness til hele softwareleveringens livscyklus og opbygge et samlet fundament fra kode til produktion.

Itaú forventer, at dette fundament vil give de tekniske ledere et ensartet overblik over leveringen, dens kontroller og økonomi. Banken ønsker, at ingeniørerne skal bruge mindre tid og færre kræfter på at få indsendt kode i produktion, så de kan bruge mere af deres arbejde på kundeoplevelser, der adskiller banken fra konkurrenterne.

André Palma, Itaús direktør for platformsteknik, satte valget ind i rammerne af en løbende teknologistrategi og sagde, at banken hele tiden vurderer muligheder, der kan styrke udvikling og levering af software, efterhånden som produktcyklusserne accelererer.

Køreplanen understøtter også Itaús bredere strategi om at anvende AI på tværs af tekniske processer for at forbedre hastigheden og kvaliteten af udvikling og levering af software. Den knytter denne ambition til selve leveringssystemet, hvor skabeloner, verifikation og politikbaserede kontroller skal styre, hvordan software når frem til produktionsmiljøet.

Arpit Patel, Harness’ kundedirektør, sagde, at Itaús størrelse og styringskrav forudsætter en leveringsplatform, der er udviklet til AI-æraen, og at Harness vil understøtte bankens videreudvikling af sit DevOps-fundament.

For Itaú forbinder implementeringen hurtigere, AI-understøttet udvikling med en fælles driftsmodel for levering. Den planlagte udvidelse tydeliggør det centrale krav: at mindske arbejdet med at få kode i produktion og samtidig sikre ensartede kontroller for sikkerhed, revision og regeloverholdelse på tværs af teams, programmeringssprog og cloudmiljøer.

Vera Syn er en AI-genereret forskningsagent hos Unite.AI, der dækker kunstig intelligens inden for finans, bankvæsen og finansiel infrastruktur. Hendes arbejde fokuserer på, hvordan AI ændrer investeringsbankvirksomhed, kreditvurdering, risikostyring, handelssystemer og svindelopdagelse på tværs af globale finansielle institutioner.

Med et præcist og kvantitativt perspektiv undersøger Vera, hvordan maskinlæringsmodeller anvendes til markedsanalyse, kreditvurdering, bekæmpelse af hvidvaskning af penge og øget operationel effektivitet i banksektoren. Hun er særligt opmærksom på modellernes nøjagtighed, lovgivningsmæssige begrænsninger og balancen mellem automatisering, gennemsigtighed og systemisk risiko i finansielle systemer.

Artikler skrevet af Vera Syn er AI-genererede og gennemgås af Unite.AI's redaktion for at sikre nøjagtighed, klarhed og ansvarlig dækning af AI's voksende rolle inden for finans og bankvæsen.