AI in Banking: Van Experiment naar Dagelijks Gebruik

Lisa Visser · 2026-01-16

Banken worstelen al jaren met een groot dilemma. Ze investeren flink in AI-experimenten, maar het lukt maar niet om die technologie echt in hun dagelijkse operaties te verweven. Het probleem? Ze willen niet inboeten op beveiliging, governance of compliance. En dat is precies waar Plumery AI's nieuwe 'AI Fabric' een antwoord op probeert te geven. ### Wat is AI Fabric eigenlijk? Je kunt het zien als een gestandaardiseerd framework. Het verbindt generatieve AI-tools en modellen met kernbankgegevens en -diensten. Het idee is simpel: minder afhankelijk zijn van maatwerkintegraties. In plaats daarvan promoot het een event-driven, API-first architectuur die meegroeit met de instelling. De uitdaging die ze aanpakken, is herkenbaar in de sector. McKinsey-onderzoek laat zien dat generatieve AI de productiviteit en klantervaring in financiële dienstverlening flink kan verbeteren. Toch worstelen de meeste banken om pilots naar productie te brengen. Gefragmenteerde data-landschappen en bestaande bedrijfsmodellen staan in de weg. "Ze willen echte productie-use-cases die de klantervaring en operaties verbeteren," zegt Ben Goldin, oprichter van Plumery. "Maar ze zullen niet compromissen sluiten op governance, beveiliging of controle." ### Gefragmenteerde data blijft een barrière Dit is misschien wel het grootste obstakel voor operationele AI in het bankwezen. Veel instellingen vertrouwen op verouderde kernsystemen die naast nieuwere digitale kanalen bestaan. Dat creëert silo's in producten en klantreizen. Elk AI-initiatief vereist dan weer nieuwe integratiewerkzaamheden, beveiligingsbeoordelingen en governance-goedkeuringen. Dat drijft de kosten op en vertraagt de levering. Academisch en industrieel onderzoek ondersteunt deze diagnose. Studies over uitlegbare AI in financiële diensten merken op dat gefragmenteerde pijplijnen het moeilijker maken om beslissingen te traceren. Het verhoogt het regelgevingsrisico, vooral op gebieden zoals kredietwaardigheid en anti-witwas. Plumery zegt dat hun AI Fabric deze problemen aanpakt. Het presenteert domeingerichte bankgegevens als beheerde streams die in meerdere use-cases herbruikbaar zijn. Door systemen van registratie te scheiden van systemen van engagement en intelligentie, kunnen banken veiliger innoveren. ### AI is al in productie - kijk maar Ondanks de uitdagingen zit AI al diep verweven in veel delen van de financiële sector. Case studies tonen wijdverbreid gebruik van machine learning en natuurlijke taalverwerking in klantenservice, risicobeheer en compliance. - Citibank heeft AI-gestuurde chatbots ingezet voor routinevragen van klanten. Dit vermindert de druk op callcenters en verbetert de responstijden. - Andere grote banken gebruiken voorspellende analyses om leningenportefeuilles te monitoren en wanbetalingen te anticiperen. - Santander gebruikt openlijk machine learning-modellen om kredietrisico's te beoordelen en portefeuillebeheer te versterken. Fraudedetectie is een ander volwassen gebied. Banken vertrouwen steeds meer op AI-systemen om transactiepatronen te analyseren. Die vlaggen afwijkend gedrag effectiever op dan op regels gebaseerde systemen. Toch blijft integratiecomplexiteit een beperkende factor, vooral voor kleinere instellingen. ### De toekomst is gestandaardiseerd De kern van de oplossing lijkt te liggen in standaardisatie. Elke bank hoeft niet telkens het wiel opnieuw uit te vinden. Een gedeelde infrastructuur en herbruikbare dataproducten zijn essentieel voor adoptie op ondernemingsniveau. Het gaat erom een fundament te bouwen waarop veilig en schaalbaar gebouwd kan worden. De vraag is niet langer óf banken AI moeten omarmen, maar hóe ze het op een verantwoorde en schaalbare manier kunnen doen. De technologie is er. De use-cases zijn bewezen. Nu is het tijd om de laatste barrières weg te nemen en AI echt te laten werken voor iedereen.