Goldman Sachs zet AI in voor efficiëntere bankprocessen

Sophie Jansen · 2026-02-17

Je hebt het vast wel gemerkt - de financiële wereld verandert in rap tempo. En nu zet Goldman Sachs een volgende stap met kunstmatige intelligentie. Ze gaan het Claude-model van Anthropic inzetten voor handelsadministratie en klantonboarding. Dat blijkt uit een artikel in American Banker. Het maakt deel uit van een bredere trend waarbij grote banken generatieve AI gebruiken om efficiënter te werken. De focus ligt vooral op operationele processen achter de schermen. Taken die traditioneel door grote teams werden uitgevoerd, zoals documentbeoordeling, reconciliatie en compliance checks. Het gaat dus niet om de klantgerichte kant, maar om de interne machine die draaiende moet blijven. ### AI in de bankensector Meerdere banken gebruiken al generatieve AI voor kenniswerk. JPMorganChase geeft medewerkers toegang tot een suite van grote taalmodellen voor informatie retrieval en data-analyse. De Erica-assistent van Bank of America beantwoordt interne vragen over technologie en HR. Zowel Citi als Goldman gebruiken AI om ontwikkelaars te helpen met coderen. Maar wat nu opkomt, is de toepassing van generatieve AI voor operationele taken. Denk aan handelsadministratie en know-your-customer (KYC) processen. Dat is een nieuwe ontwikkeling waar steeds meer banken mee experimenteren. ### Het automatiseren van uitzonderingen Automatiseerbare processen in de sector zijn vaak op regels gebaseerd. Het gaat om het verzamelen van data, valideren tegen interne en externe databases, en het samenstellen van vereiste documentatie. In theorie kan conventionele software dit werk automatiseren. Marco Argenti, de chief information officer van Goldman, legt echter iets belangrijks uit. Als een op regels gebaseerd systeem de meeste gevallen afhandelt, valt een klein percentage transacties buiten de gedefinieerde parameters. Op de schaal waar banken mee werken, kan dat duizenden individuele items betekenen. Hij noemt het voorbeeld van identiteitsverificatie in KYC-compliance. Kleine discrepanties of documenten die bijna verlopen, kunnen uitzonderingen creëren die menselijk oordeel vereisen. > "Neurale netwerken kunnen deze micro-beslissingen aanpakken," zegt Argenti. "Ze zijn in staat om contextueel redeneren toe te passen waar vaste regels ontbreken of niet per se een duidelijk antwoord geven." In dit scenario versterkt generatieve AI bestaande regelsystemen in plaats van ze te vervangen. Operationele verbeteringen zitten dus in de vermindering van het aantal gevallen dat handmatige interventie vereist. En daarmee verkort het de tijd die nodig is om uitzonderingen op te lossen. ### De ervaring met coderen Goldman's eerdere ervaring met Claude-modellen voor softwareontwikkeling heeft hun beslissing beïnvloed om AI uit te breiden naar andere operationele gebieden. Ontwikkelaars gebruiken een versie van Claude met Cognition's Devin-agent om hen te helpen met programmeren. In deze context stellen menselijke ontwikkelaars specificaties en regelgevingsparameters vast. De agent produceert code, en mensen beoordelen de output. De agent wordt ook gebruikt om codetests en validaties uit te voeren. Argenti beschrijft dit als een verandering in de workflows van ontwikkelaars. Agents werken volgens gedefinieerde instructies. Het voordeel is verhoogde productiviteit van ontwikkelaars en snellere voltooiing van projecten. ### Praktische toepassingen Voor handelsadministratie en klantonboarding hebben Goldman en Anthropic AI-projecteigenaren bestaande workflows geobserveerd met domeinexperts. Ze identificeerden knelpunten in het werk. De geïmplementeerde agents: - Beoordelen documenten - Extraheren entiteiten - Bepalen of aanvullende documentatie vereist is - Beoordelen eigendomsstructuren - Kunnen verdere compliance checks activeren Taken die op deze manier worden geautomatiseerd, zijn meestal document-intensief en vereisen individueel oordeel. Door extractie en voorlopige beoordeling te automatiseren, verminderen de agents de tijd die analisten besteden aan vergelijkingswerk. Indranil Bandyopadhyay, principal analyst bij Forrester, legt uit dat reconciliatie in handelsadministratie het vergelijken van gefragmenteerde data vereist. Het gaat om interne grootboeken, tegenpartijbevestigingen en het doorzoeken van bankafschriften. Een typische workflow hangt af van nauwkeurige extractie en matching van cijfers en tekst met bestaande documenten. Claude's vermogen om grote contextvensters te verwerken en instructies te volgen, maakt het volgens hem geschikt voor precies zulke workflows. De arbeid die betrokken is bij klantonboarding - zoals het parseren van paspoorten en bedrijfsregistratiedocumenten - wordt zo aanzienlijk vereenvoudigd. Het gaat niet om het vervangen van mensen, maar om het ondersteunen van hun werk. En dat maakt het verschil. ### De toekomst van bankieren Wat betekent dit voor de sector? Banken staan voor een interessante uitdaging. Aan de ene kant moeten ze efficiënter worden, aan de andere kant moeten ze de menselijke maat behouden. AI biedt hier een tussenweg. Het gaat niet om volledige automatisering, maar om slimme ondersteuning. Waar systemen vastlopen op uitzonderingen, kan AI contextueel redeneren toepassen. Waar analisten uren besteden aan documentvergelijking, kan AI de voorselectie doen. De implementatie bij Goldman Sachs laat zien dat de technologie volwassen wordt. Het is niet langer alleen voor experimenten of kleine projecten. Het wordt ingezet voor kernprocessen die essentieel zijn voor de dagelijkse operaties. Voor professionals in de sector betekent dit dat kennis van AI steeds belangrijker wordt. Niet iedereen hoeft programmeur te worden, maar begrip van de mogelijkheden en beperkingen is cruciaal. Het gaat om het vinden van de juiste balans tussen mens en machine. En dat is precies waar Goldman Sachs nu mee bezig is. Ze bouwen voort op ervaring, testen zorgvuldig, en schalen op waar het werkt. Het is een voorbeeld dat andere banken ongetwijfeld zullen volgen.