AI & de toekomst van de financiële dienstverlening

Gekoppeld aan de rekening laat een digitale bankassistent in de app zien hoeveel de energierekening deze maand is gestegen, blokkeert hij een verloren pas of legt hij uit wat een renteherziening betekent voor de hypotheek. Bij grote banken voeren zulke assistenten miljoenen gesprekken per maand. Interessanter is dat de assistent zelf ziet wat er afwijkt. Hij ziet een dubbele afschrijving en zet de terugboeking in gang, of signaleert dat een vaste last stijgt en legt een voordeliger alternatief klaar, dat de klant alleen nog bevestigt. Ingewikkelde vragen en klanten met betalingsproblemen gaan naar een medewerker. Doordat de assistent de dagelijkse handelingen afwikkelt, houden medewerkers meer tijd voor gesprekken die persoonlijke aandacht vragen.

Een agent is AI die zelfstandig de stappen zet om een taak af te ronden. Bij een hypotheekaanvraag haalt een agent de loonstrook en het taxatierapport op, controleert of de gegevens met elkaar overeenkomen, rekent de maximale lening door en zet een dossier klaar voor de acceptant. Bij een verzekeraar ordent een agent een schademelding, vraagt ontbrekende foto's op en stelt een uitkering voor. De eerste agents ondersteunen al hypotheekbeoordelingen; andere toepassingen worden nog beproefd. Een medewerker beoordeelt het voorstel en beslist. De volgende stap is een agent die het hele traject van aanvraag tot uitbetaling begeleidt, en alleen de uitzonderingen aan een mens voorlegt.

Een kredietaanvraag was lang een momentopname: formulieren, loonstroken, een jaarrekening en dagen wachten. AI maakt van beoordelen een doorlopend proces. Met toestemming van de klant volgt een model de kasstroom op de betaalrekening, vaste lasten die op tijd worden betaald en de omzet van een onderneming. Zo kan een bank vooraf een kredietlimiet vaststellen, en ziet de klant in de app een kredietaanbod op basis van een voorafgaande beoordeling. Ook starters en ondernemers zonder lange kredietgeschiedenis krijgen zo een beoordeling op hun actuele inkomsten en betaalgedrag. Op platforms wordt al dagelijks opnieuw bepaald welke ondernemers voor financiering in aanmerking komen. De volgende stap is een limiet die voortdurend meebeweegt met de kasstroom, zodat het krediet er al is op het moment dat het nodig is.

Wat vroeger dagen handwerk was, neemt AI voor een groot deel over. Beeldherkenning schat aan de hand van foto's de schade aan een autodeur of een plafond met een lekkage, een taalmodel leest de offerte van de hersteller en legt die naast de polisvoorwaarden, en een fraudemodel kijkt of dezelfde foto al eerder is ingediend. Een eenvoudige claim, zoals een gebroken ruit of een kapotte telefoon, wordt zo soms binnen minuten uitbetaald. Twijfelgevallen, grote schades en claims met signalen van fraude gaan naar een schadebehandelaar of expert, die het laatste woord heeft. Straks begint de claim al voordat de klant belt: een sensor in huis meldt een lekkage, of een gemeten waarde zet de uitkering vanzelf in gang.

Na een sterke koersstijging verkoopt een robo-adviseur automatisch een deel van de aandelen om de afgesproken verhouding met obligaties te herstellen, afgestemd op doel, looptijd en risicobereidheid. Zo belegt ook iemand met een paar honderd euro met een vaste strategie, voor een fractie van de kosten van een persoonlijke beheerder. Professionele beleggers laten AI intussen duizenden marktscenario's doorrekenen: wat een renteschok, een energiecrisis of een handelsconflict betekent voor elke positie in de portefeuille, en welke posities samen kwetsbaar zijn. De volgende stap brengt dat rekenwerk naar iedere spaarder, met een assistent die doorlopend toetst of de portefeuille nog past bij het leven van de klant.

Oudere controlesystemen voor witwassen en sancties werken vooral met vaste regels en leveren veel meldingen op die bij onderzoek onterecht blijken. AI kan complexere patronen herkennen: een netwerk van rekeningen die geld rondpompen, of een bedrijf waarvan de omzet sterk afwijkt van branchegenoten. Dat kan het aantal onterechte meldingen verminderen en echte signalen eerder zichtbaar maken. De analist besteedt zijn tijd dan aan onderzoek in plaats van aan wegklikken. Inmiddels bereiden de eerste agents ook het onderzoek zelf voor: ze verzamelen transacties, openbare bronnen en eerdere meldingen en zetten een dossier klaar. De analist begint daardoor met een onderbouwd dossier, waarin transacties en betrokken partijen al met elkaar zijn verbonden.

Een bank of verzekeraar krijgt elk jaar honderden pagina's nieuwe regels, richtsnoeren en verwachtingen van toezichthouders. De vraag is steeds dezelfde: wat betekent dit voor onze producten, processen en contracten? AI legt een nieuwe regel naast de productvoorwaarden, het beleid, de procesbeschrijvingen en de lopende contracten, en wijst per product aan waar het knelt. Daarna rekent het de gevolgen door: hoeveel klanten andere informatie moeten krijgen, welke polissen een aangepaste voorwaarde nodig hebben, wat een nieuwe kapitaaleis kost. Compliance krijgt zo een voorstel voor de wijziging voordat de regel ingaat. De volgende stap is regelgeving die verschijnt in een vorm die systemen direct kunnen lezen en toetsen.

Een digitale pensioenassistent legt uit wat pensioenregels en keuzes betekenen voor het inkomen van één deelnemer. Gekoppeld aan diens gegevens en een rekenmodule rekent hij persoonlijke scenario's door, extra waardevol waar pensioenstelsels worden omgebouwd. Een deelnemer vraagt wat het betekent als hij een dag minder gaat werken, of wat er gebeurt met het partnerpensioen na een scheiding, en krijgt een antwoord in gewone taal, met zijn eigen cijfers. Pensioenuitvoerders beproeven zulke assistenten nu. Verder vooruit verandert de vraag zelf. Als steeds meer mensen honderd worden, rekent de assistent per deelnemer door hoe lang zijn vermogen moet meegaan, en hoe hij werk, zorg en uitkering combineert.

Banken willen voor elke klant de rol spelen van een financieel directeur. AI voorspelt aan de hand van inkomsten, vaste lasten en eerdere jaren hoe het saldo zich de komende maanden ontwikkelt. Een huishouden krijgt in oktober een seintje dat de jaarafrekening van de energie en de autoverzekering in januari samenvallen, met een voorstel om nu iets opzij te zetten. Een ondernemer ziet dat een grote klant meestal laat betaalt en krijgt een voorstel om tijdelijk krediet klaar te zetten. Een assistent die zelf voorstelt en, met toestemming van de klant, ook uitvoert, wordt nu beproefd. De bank schuift daarmee op van de plek waar het geld staat naar de plek waar over geld wordt nagedacht.

Bij agentbetalingen geeft een klant een AI-agent toestemming om namens hem af te rekenen. Dat stelt banken en betaalbedrijven voor een nieuwe vraag: hoe weet je dat een betaling echt in opdracht van de klant gebeurt? Het antwoord is een digitaal mandaat. De klant legt vast wat zijn agent mag kopen, bij wie en tot welk bedrag, en de bank of het betaalnetwerk toetst elke betaling daaraan. Betaalnetwerken ondersteunen de eerste echte agentbetalingen in webwinkels en testen verdere toepassingen, ook voor zakelijke inkoop. De klant die op de knop drukt, maakt zo plaats voor agents die namens hem beslissen, binnen grenzen die hij zelf heeft gezet.

Bij sommige kassa's is een handpalm- of gezichtsscan inmiddels genoeg om een gekoppelde rekening aan te spreken, zonder telefoon of betaalpas. AI vergelijkt de scan met het opgeslagen kenmerk en helpt controleren of de scan van een aanwezige persoon komt, en niet van een foto, masker of nagemaakt beeld. Dat heet levendheidsdetectie. Op de telefoon is betalen met een vingerafdruk of gezichtsscan voor veel mensen al gewoon; bij de kassa schuift het nu op van proef naar dagelijkse praktijk, in winkels, stadions en kantines. Het lichaam wordt zo de betaalpas, en de klant hoeft niets meer mee te nemen.

Op het moment dat een klant betaalt, voordat het geld van rekening wisselt, vergelijkt AI de transactie met het gewone gedrag van de klant: het bedrag, het tijdstip, het apparaat, de ontvanger en zelfs het typetempo. Wijkt een betaling sterk af, dan houdt het systeem haar tegen of vraagt het om een extra bevestiging, binnen milliseconden. AI leert uit miljoenen eerdere transacties en herkent ook verbanden die buiten de ingestelde regels vallen, soms al bij de eerste poging met een nieuwe fraudemethode. De volgende stap is een gedeeld beeld. Banken en telecombedrijven delen fraudesignalen in realtime, zodat een oplichter die bij de ene bank is tegengehouden, bij de volgende al wordt herkend.

Een AI-first bank of verzekeraar zet AI in voor het werk dat mensen niet hoeven te doen: documentcontrole, rekenwerk en ook het voorspellende werk bij elke aanvraag, melding of klantvraag. Een agent zet een voorstel klaar. Een medewerker bespreekt met de klant wat een verandering in inkomen, werk of gezin betekent. Mensen vormen een oordeel, maken keuzes en bouwen vertrouwen op; AI rekent mogelijke ontwikkelingen door. Een scenario voor 2040: het grootste deel van de aanvragen wordt zonder menselijke handeling afgehandeld, en het aantal echte gesprekken met klanten groeit juist.

Als AI documenten controleert, meldingen filtert en dossiers klaarzet, verschuift het werk. In het middenkantoor is minder handwerk nodig, en er komen specialismen bij. Modelvalidatoren toetsen of een krediet- of premiemodel doet wat het belooft, en er zijn mensen nodig die agents instellen, hun grenzen bewaken en ingrijpen als er iets misgaat. Verder vooruit komen rollen die nu nauwelijks bestaan. De agentbankier onderhoudt de relatie met de agents van grote zakelijke klanten. De klimaatrisico-ontwerper bouwt polissen en kredieten rond een veranderend klimaat. En een beheerder van tokens en slimme contracten bewaakt geld dat zijn eigen regels meedraagt. Aan de klantkant groeit de vraag naar adviseurs voor ingewikkelde levensvragen.

Vóór het gesprek verzamelt AI de gegevens van de klant en rekent het scenario's door: met en zonder extra aflossing, met een vaste of een variabele rente. Tijdens het gesprek rekent AI nieuwe varianten door zodra de klant een andere keuze noemt, en toont het de gevolgen voor inkomen en lasten. Zo houdt de adviseur zijn aandacht bij de mensen aan tafel: bij de twijfel van een stel dat voor het eerst een huis koopt, of bij een ondernemer die zijn pensioen in zijn bedrijf heeft gestoken. Straks neemt de klant zijn eigen financiële agent mee naar het gesprek, en rekenen adviseur, klant en twee agents samen door.

Leiderschap in de financiële sector betekent vooroplopen terwijl het vertrouwen van klanten centraal blijft. Leiders nemen het initiatief bij AI en nieuwe technologie en schetsen een toekomstbeeld dat medewerkers kunnen navertellen. Ze tonen zelf de nieuwsgierigheid en betrokkenheid die ze bij hun mensen willen aanmoedigen, en inspireren hen om mee te bouwen. Medewerkers krijgen ruimte om ideeën in te brengen en mee te bepalen hoe de organisatie zich ontwikkelt. Zo bouwen leiders samen met hun teams aan de bank, de verzekeraar en het pensioenfonds van morgen.

In een toekomstacademie oefenen medewerkers met AI en nieuwe technologie die hun werk veranderen. Organisaties bouwen zo'n academie zelf, omdat ze niet willen wachten tot opleidingen hun programma's hebben aangepast. Wie er al jaren werkt, leert er beoordelen wat AI en agents doen. Wie net binnenkomt, oefent er meteen met de systemen die de organisatie gebruikt. Ervaren collega's maken hun kennis er overdraagbaar aan de generatie die met agents gaat werken.

Start-ups, techbedrijven, wetenschappers en partners op verschillende continenten ontwikkelen samen de dienst die de klant ziet. Organisaties werken ook samen met partijen die ze in de markt als concurrent tegenkomen, bijvoorbeeld om patronen te herkennen die in de eigen gegevens niet zichtbaar zijn. Met wetenschappers toetsen ze wat AI betrouwbaar kan, en met overheden werken ze aan gedeelde voorzieningen, zoals een digitale identiteit. Zo komen nieuwe diensten sneller op de markt. De kwaliteit van dat ecosysteem bepaalt steeds meer de kwaliteit van de dienst.

Een organisatie draait op processen: een aanvraag beoordelen, een opdracht uitvoeren, een controle doen, een klacht afhandelen. Als agents die processen van begin tot eind kunnen dragen, verandert de vraag hoeveel mensen een organisatie nodig heeft. Digitale spelers bedienen nu al miljoenen klanten met veel minder medewerkers per klant dan traditionele organisaties. Het scenario voor 2040: een organisatie met een klein team en duizenden agents. De mensen ontwerpen de producten, bepalen hoeveel risico de organisatie neemt en voeren de gesprekken waarin vertrouwen op het spel staat. Agents voeren het routinewerk uit en controleren elkaars uitkomsten; mensen beoordelen uitzonderingen en houden toezicht.

In de financiële sector is leiderschap altijd ook verantwoording: wie heeft dit besloten, en waarom? Als agents dossiers beoordelen, betalingen controleren en klanten te woord staan, geeft een leider straks leiding aan een team waarvan een deel geen mens is. Een teamleider bepaalt welke beslissingen een agent zelf mag nemen, kijkt naar de uitkomsten van duizenden afhandelingen in plaats van naar tien dossiers, en blijft aanspreekbaar voor elke beslissing van zijn team. Tegelijk vraagt het menselijke deel van het team meer aandacht. Mensen die hun vak zien veranderen, willen weten waar hun oordeel nog telt. Leiders van mensen en agents maken dat elke dag zichtbaar.