Hoe Citi AI succesvol implementeerde met 4.000 medewerkers

Lisa Visser · 2026-01-21

Voor veel grote bedrijven blijft kunstmatige intelligentie een bijzaak. Kleine teams testen tools, doen proefprojecten en presenteren resultaten die maar moeilijk verder komen dan een paar afdelingen. Citi koos een andere weg. In plaats van AI beperkt te houden tot specialisten, heeft de bank de afgelopen twee jaar de technologie juist naar de dagelijkse werkzaamheden geduwd. Dat heeft geresulteerd in een intern AI-team van ongeveer 4.000 medewerkers. Ze komen uit rollen die variëren van technologie en operations tot risicobeheer en klantenservice. De schaal van integratie is opmerkelijk. Citi heeft wereldwijd zo'n 182.000 mensen in dienst, en meer dan 70% van hen gebruikt nu in enige vorm door de bank goedgekeurde AI-tools. Dat gebruiksniveau plaatst Citi voor op veel concurrenten die AI-toegang nog steeds beperken tot technische teams of innovatielabs. Het laat zien dat grootschalige adoptie mogelijk is, zelfs in een sterk gereguleerde sector. ### De focus lag op mensen, niet op tools Citi begon niet met de tools, maar met de mensen. De bank nodigde medewerkers uit om zich vrijwillig aan te melden als 'AI Champions'. Zij kregen toegang tot training, interne bronnen en vroege versies van goedgekeurde AI-systemen. Vervangende ondersteunden ze collega's in hun eigen teams, als lokale aanspreekpunten in plaats van formele trainers. Die aanpak weerspiegelt een praktische kijk op adoptie. Nieuwe tools falen vaak niet omdat ze functies missen, maar omdat medewerkers niet weten wannéér of hóé ze ze moeten gebruiken. Door ondersteuning in teams in te bedden, verkleinde Citi de kloof tussen experimenteren en routinewerk. Training speelde een centrale rol. Medewerkers konden interne badges verdienen door cursussen af te ronden of te laten zien hoe ze AI gebruikten om hun eigen taken te verbeteren. De badges leverden geen promoties of salarisverhogingen op, maar ze creëerden wel zichtbaarheid en geloofwaardigheid in de organisatie. ### Dagelijks gebruik, met duidelijke grenzen Het leiderschap van Citi heeft de inspanning neergezet als een reactie op schaal, niet op nieuwigheid. Met activiteiten die zich uitstrekken van retailbankieren en beleggingsdiensten tot compliance en klantenservice, kunnen kleine efficiëntiewinsten snel oplopen. AI-tools worden gebruikt om documenten samen te vatten, interne notities op te stellen, datasets te analyseren en softwareontwikkeling te ondersteunen. Op zich zijn deze toepassingen niet nieuw. Het verschil zit 'm in hoe ze worden toegepast. De focus op alledaagse taken bepaalt ook de risicobenadering van Citi. De bank heeft medewerkers beperkt tot door de firma goedgekeurde tools, met duidelijke grenzen rond welke data gebruikt mogen worden en hoe resultaten worden afgehandeld. Die beperking heeft sommige experimenten vertraagd, maar heeft managers ook meer vertrouwen gegeven om bredere toegang toe te staan. > In gereguleerde industrieën is vertrouwen vaak belangrijker dan snelheid. ### Wat we kunnen leren van Citi's aanpak De structuur van het programma van Citi bevat een belangrijke les voor andere grote ondernemingen. AI-adoptie vereist niet dat elke medewerker een expert wordt. Het vereist wel dat genoeg mensen de tools begrijpen om ze verantwoord toe te passen en aan anderen uit te leggen. Door duizenden in plaats van tientallen op te leiden, verminderde Citi zijn afhankelijkheid van een kleine groep specialisten. Er speelt ook een cultureel signaal mee. Het aanmoedigen van medewerkers uit niet-technische rollen om deel te nemen, stuurt de boodschap dat AI niet alleen voor ingenieurs of datawetenschappers is. Het wordt onderdeel van hoe het werk gedaan wordt, net zoals spreadsheets of presentatiesoftware dat in eerdere decennia waren. Die verschuiving sluit aan bij bredere industrietrends. Veel bedrijven worstelen om AI-projecten in productie te nemen, vaak vanwege vaardighedentekorten en onduidelijk eigenaarschap. Het model van Citi omzeilt sommige van die problemen door eigenaarschap in teams te verdelen, terwijl het toezicht gecentraliseerd blijft. - **Mensgerichte aanpak:** Start met empowerment, niet met software. - **Peer-to-peer leren:** Champions verspreiden kennis organisch. - **Praktische toepassing:** Focus op alledaagse efficiëntiewinsten. - **Beheerst experimenteren:** Duidelijke kaders creëren vertrouwen. De aanpak is niet zonder beperkingen. Peer-gedreven adoptie kan ongelijkmatig verlopen en is afhankelijk van de betrokkenheid van vrijwilligers. Toch biedt het een krachtig alternatief voor de traditionele, top-down implementatiemodellen die vaak vastlopen. Het gaat erom AI van een mysterieuze technologie te veranderen in een alledaags hulpmiddel, en dat begint bij de mensen die het moeten gebruiken.