Tjen penger i utlandet, bruk dem hjemme: Slik får du AI-verktøy for økonomi til å fungere for deg

En designer i Mexico by fakturerer en kunde i New York i dollar, får betalt til en digital lommebok og betaler husleien i pesos. Inntil nylig fikk hun først vite hva en måneds arbeid faktisk var verdt etter at pengene var kommet inn og blitt vekslet. Da hadde valutakursen allerede rukket å gjøre sitt.

I løpet av et år bygger denne usikkerheten seg opp. En oppdragstaker som priser tjenestene sine i én valuta og budsjetterer i en annen, driver i praksis en liten finansforvaltning uten et økonomiteam i ryggen. Hun må bestemme når hun skal veksle, sette av penger til skattemyndighetene i ett land mens kundene befinner seg i et annet, og forklare en lokal bank hvorfor hver innbetaling kommer fra utlandet. Tidligere ble alle disse beslutningene tatt på grunnlag av utdatert informasjon.

Det er dette AI har endret raskest. «For noen år siden hadde en oppdragstaker som fakturerte i USD, fikk betalt i en digital lommebok og brukte pesos, ingen oversikt i sanntid over hva dette betydde», sier Stephan Tschabold, Chief Compliance & Risk Officer i Ontop, som håndterer betalinger for fjernarbeidende oppdragstakere. Folk fant først ut hva de faktisk kunne kjøpe for pengene sine i etterkant. I dag kan den samme arbeidstakeren følge med mens det skjer.

Mye av bransjens AI-innsats er imidlertid ikke rettet mot dette. Hos de store pengeoverførings- og betalingsselskapene er investeringene i 2026, ifølge McKinsey, hovedsakelig interne, sier Tschabold, og skal bidra til å drive virksomheten billigere og lansere produkter raskere. Han viser til en idé som vinner terreng i diskusjonene om betalinger: AI bør først og fremst gjøre det mulig å beregne en eksisterende tillitskorridor i en grensekryssende overføring ved å avstemme navn, translittereringer og hensikt. Teknologien kan ikke skape tillit der den aldri har eksistert. For den enkelte arbeidstaker betyr dette at verktøyene på mobilen har blitt langt bedre til å forstå situasjonen hennes enn til å endre systemene som ligger til grunn.

For det stadig økende antallet mennesker som tjener penger på denne måten, er resultatene blandede. AI-baserte økonomiverktøy er nå til stor hjelp på noen områder, men til svært liten hjelp på andre. Tschabold har et klart bilde av hvor grensen går i dag, og peker på noen praktiske vaner det er verdt å innarbeide.

Bruk AI for å få oversikt

Den sterkeste begrunnelsen for disse verktøyene er det Tschabold kaller den «oversiktsskapende» delen av problemet. Kontantstrømprognoser, automatisk kategorisering av utgifter og varsler om når det lønner seg å veksle valuta gir arbeidstakere et oppdatert bilde av pengene deres i flere valutaer. Han regner også funksjoner som gjør det enklere å være forberedt på skatt, og gebyrveiledning tilpasset den enkeltes betalingsmønstre, til denne kategorien.

«Dette er allerede tilgjengelig, og det er virkelig nyttig», sier han. For en oppdragstaker er det praktiske rådet å aktivere valutavarsler og prognoser der plattformen tilbyr dem, og sjekke månedsprognosen før hun bestemmer seg for når hun skal flytte penger mellom valutaer.

Før egne registre på tvers av landegrenser

Verktøyene kommer til kort når noe involverer mer enn ett rettssystem. «De fleste AI-verktøy for økonomi er utviklet for brukere i ett land, med én valuta, én skattemyndighet og én bank», sier Tschabold.

«Intelligenslaget ligger foran infrastrukturlaget.» En app kan vise hva som skjer med inntektene i sanntid, men likevel ikke hjelpe med å avstemme forpliktelser i to land.

Det samme gapet viser seg når folk flytter. En person med fem års stabil inntekt som kan dokumenteres, kan ved ankomst bli oppfattet som uten tilgang til banktjenester eller som en høyrisikokunde fordi inntektene, skatteopplysningene og kreditthistorikken ligger i separate systemer som aldri kommuniserer med hverandre. Tschabold mener at en flyttbar finansiell identitet er den største muligheten ingen ennå har grepet.

Inntil noen utvikler en slik løsning, er det best for arbeidstakere å sette sammen dokumentasjonen selv: fakturaer, skattemeldinger, betalingshistorikk fra plattformer og kontoutskrifter samlet på ett sted, i et format de kan legge fram for en långiver i et nytt land.

Forstå hvorfor betalinger blir flagget

Eldre, regelbaserte systemer for svindeloppdagelse flagget alt som var ukjent, fra betalinger fra et nytt land til overføringer på et uvanlig tidspunkt. Som Tschabold påpeker, er dette «akkurat slik en legitim oppdragstakers vanlige hverdag ser ut». Resultatet var flere år med feilaktige avvisninger og fryste kontoer for folk som ikke hadde gjort noe galt.

Nyere modeller vurderer transaksjonshyppighet, enhetsdata, relasjonshistorikk og atferdsmønstre, og utstedere som bruker dem, rapporterer om færre falske positiver. Derfor kan det lønne seg å spørre en leverandør hvordan den kontrollerer betalinger før du registrerer deg.

Det hjelper også å være konsekvent: Hvis du bruker de samme enhetene og fakturerer etter en forutsigbar rytme, får atferdsmodellen mindre grunn til å stille spørsmål. Regn også med strengere identitetskontroller når du oppretter en konto, ettersom syntetiske identiteter og svindelforsøk med deepfake-stemmer øker parallelt med grensekryssende svindel.

Bruk regelverket som allerede finnes

Kommende februar trer forpliktelsene i EUs KI-forordning for høyrisikosystemer i kraft. Kategorien omfatter svindeloppdagelse, overvåking av hvitvasking av penger (AML) og kredittvurdering. Vurderingene må nå kunne forklares, revideres og overstyres av mennesker, og institusjonen som tar i bruk modellen, har ansvaret. En arbeidstaker som får kontoen fryst eller lånesøknaden avslått av en modell, har grunnlag for å be om en forklaring og en menneskelig vurdering.

Beskyttelsen er likevel ujevn. Europas reviderte regelverk for betalinger, som flytter ansvaret for svindel med autoriserte betalinger over på tjenesteleverandørene, ventes ikke å være fullt innført før sent i 2027, og FinCEN i USA arbeider fortsatt med et forslag om tiltak mot hvitvasking. «En betaling fra en arbeidstaker kan juridisk sett omfattes av reglene for høyrisiko-KI i én jurisdiksjon og i praksis være uregulert for nøyaktig samme brukstilfelle i en annen, langs den samme betalingskorridoren», sier Tschabold. Selvstendige arbeidstakere har sjelden en arbeidsgiver eller kunderådgiver som kan tale deres sak, så det lønner seg å vite hvilket regelverk hver tjenesteleverandør er underlagt.

Ha et menneske med på de store beslutningene

Tschabold mener at ideen om en helt autonom AI-basert økonomisk rådgiver foreløpig stort sett er opphauset. Mønstergjenkjenningen er avansert nok, men ingen har avklart hvem som har ansvaret når en algoritmes vurdering av skatt eller investeringer på tvers av landegrenser slår feil. Visa, Mastercard og Alipay bygger alle infrastruktur for betalinger mellom agenter, men selv de beskriver utbredt bruk som noe som fortsatt ligger et stykke fram i tid.

En fornuftig løsning i mellomtiden er å bruke KI til å varsle om et gunstigere tidspunkt for valutaveksling eller gjøre oppmerksom på en skatteforpliktelse i god tid, mens arbeidstakeren godkjenner alt som får vesentlige konsekvenser. En polert framtoning er en dårlig målestokk når man velger tjenesteleverandør. «Den større risikoen er at hurtighet forveksles med troverdighet», sier han. Det viktigste spørsmålet å stille en plattform er hvem som står til ansvar når noe går galt, for etter hans syn må «KI-drevet» fortsatt innebære at et menneske står til ansvar.