Waarom deze sector anders ligt
Financiële dienstverleners hebben een gunstig uitgangspunt voor AI en een ongunstig regelklimaat, en die twee bepalen samen wat verstandig is.
Gunstig: het werk bestaat vrijwel volledig uit informatieverwerking. Dossiers, polissen, correspondentie, gespreksverslagen, regelgeving. Er is geen fysiek product, dus er is geen deel van het proces dat principieel buiten bereik ligt.
Ongunstig: de gegevens zijn zelden neutraal. Een schadedossier bevat vaak gezondheidsgegevens, een kredietdossier raakt aan financiële positie, en een adviesgesprek legt persoonlijke omstandigheden vast. Dat zijn categorieën waarvoor de AVG zwaardere eisen stelt.
Daar komt bij dat de sector al gewend is aan toezicht, documentatie en aantoonbaarheid. Dat is een voordeel: de reflex om vast te leggen wat je doet, is er al.
De praktische consequentie is dat de vraag "waar draait het" hier eerder komt dan de vraag "wat levert het op".
Wat er extra geldt bovenop de AVG en de AI-verordening
Drie kaders die in andere sectoren minder of niet spelen.
DORA, de verordening digitale operationele weerbaarheid voor de financiële sector, geldt sinds januari 2025. Die stelt eisen aan ICT-risicobeheer, incidentrapportage en, relevant hier, aan het beheer van risico's bij externe ICT-dienstverleners. Een AI-leverancier is zo'n dienstverlener.
Sectoraal toezicht. DNB en AFM verwachten dat je kunt uitleggen hoe je tot een beslissing komt. Bij AI in het adviesproces is die uitlegbaarheid geen bijzaak.
Bijzondere persoonsgegevens. Gezondheidsgegevens in schadedossiers vallen onder artikel 9 van de AVG, met een verbod dat alleen onder specifieke uitzonderingen wijkt. Dat maakt de route naar een cloudmodel structureel lastiger.
Wat níét automatisch geldt is het hoog-risicoregime van de AI-verordening. Kredietbeoordeling van natuurlijke personen valt eronder, maar het samenvatten van een gespreksverslag niet. Zie de gids over de AI-verordening.
Proces 1. Gespreks- en dossierverslaglegging
De meest voorkomende eerste toepassing, en niet toevallig.
Een adviesgesprek van een uur levert een verslag op dat vijftien tot dertig minuten kost, en dat verslag moet er zijn omdat het onderdeel is van het dossier. Dat is repetitief werk met een vaste structuur en een direct meetbare tijdbesparing.
De blokkade is bijna nooit techniek maar data-locatie. Een gespreksverslag bevat persoonlijke omstandigheden, en veel kantoren willen dat die het pand niet verlaten.
Bij MZA, een assurantiekantoor, was dat precies de afweging: wel automatiseren, maar de data mocht het kantoor niet verlaten. De oplossing was een volledig lokale opzet waarbij verslagen automatisch worden gegenereerd zonder dat er iets naar de cloud gaat.
Dat is duurder dan een cloudabonnement en het was de enige route die het kantoor kon verdedigen richting klanten en toezichthouder.
Proces 2. Polis- en schadedossiers verwerken
Het proces met het grootste volume en daarmee de sterkste rekensom.
Wat zich leent voor automatisering: binnenkomende documenten classificeren en aan het juiste dossier koppelen, gegevens uit formulieren en correspondentie halen, ontbrekende stukken signaleren, en een dossier samenvatten voor de behandelaar.
Wat mensenwerk blijft: de beoordeling zelf. Een afwijzing van een claim is een besluit met gevolgen voor een individu, en dat hoort met menselijke tussenkomst en met uitlegbare onderbouwing.
Het onderscheid is belangrijker dan het lijkt. Een systeem dat het dossier voorbereidt, versnelt de behandelaar. Een systeem dat de beslissing neemt, verplaatst de organisatie naar een zwaarder regime met conformiteitsverplichtingen.
Begin daarom aan de voorbereidende kant. Daar zit het meeste volume en het minste risico.
Proces 3. Doorlopend bronnen monitoren
Een categorie die specifiek is voor deze sector: de hoeveelheid externe informatie die relevant is en dagelijks verandert.
Bij Fintool speelde precies dat: dagelijks veel financiële bronnen doorlopen voor klanten was handmatig onhaalbaar, waardoor relevante updates werden gemist. Een systeem scant nu honderden bronnen per dag, filtert relevante updates en levert een gestructureerd overzicht.
Dezelfde structuur werkt voor het volgen van regelgeving, van marktontwikkelingen bij klanten, en van signalen die om actie vragen.
De randvoorwaarde is dat je scherp definieert wat relevant betekent, want dat is het enige waarop het systeem kan filteren. Vage relevantiecriteria leveren een overzicht op dat net zo veel leeswerk kost als de bronnen zelf.
Voordeel van deze categorie: er zitten meestal geen persoonsgegevens in, waardoor de compliance-vraag eenvoudig is.
Proces 4. Klantcontact en nurturing
Bij Legalitas, een juridisch dienstverlener, lag het probleem niet bij de instroom maar bij de opvolging: leads in het CRM zonder gestructureerd nurturing-proces, waardoor potentiële klanten afvielen.
Dat is een patroon dat in de hele sector terugkomt. De acquisitie werkt, de eerste reactie werkt, en daarna zakt het weg omdat opvolging concurreert met lopend werk.
Wat automatiseerbaar is: het bepalen van het juiste opvolgmoment op basis van gedrag, het opstellen van een gepersonaliseerd bericht, en het signaleren wanneer een adviseur zelf moet bellen.
Wat niet: het gesprek. En let op de transparantieplicht uit artikel 50 van de AI-verordening, die sinds 2 augustus 2026 geldt: als een klant met een chatbot praat, moet dat duidelijk zijn.
Proces 5. AI-geletterdheid van de organisatie
Een minder tastbare toepassing die in deze sector opvallend vaak het startpunt is.
Bij Allianz wilden meerdere afdelingen met AI aan de slag maar ontbrak de kennis en een uniforme aanpak. Het traject begon daar met workshops per afdeling, gericht op praktische en verantwoorde toepassing in het dagelijkse werk.
De reden dat dit in finance werkt: er zijn veel afdelingen met sterk verschillende processen, en het risicobewustzijn is al aanwezig. Mensen weten dat ze niet zomaar een klantdossier ergens in mogen plakken; ze weten alleen niet wat dan wel mag.
Sinds 2 februari 2025 is dit bovendien een verplichting, zij het in versoepelde vorm sinds juli 2026. Zie de gids over AI-beleid.
Waar je op moet letten
Vier aandachtspunten die zwaarder wegen dan in andere sectoren.
Bewaartermijnen. De sector kent lange wettelijke bewaarplichten. Zorg dat je AI-systemen daarop aansluiten, en dat logging niet eerder wordt gewist dan het onderliggende dossier.
Uitlegbaarheid. Elk systeem dat een rol speelt in advies of beoordeling moet herleidbaar zijn tot bron en redenering. Bouw dat vanaf het begin in.
Subverwerkers. Een AI-aanbieder gebruikt zelf ook leveranciers. Onder DORA en de AVG moet je die keten kennen. Vraag er expliciet naar.
Klantcommunicatie. In deze sector vragen klanten er zelf naar. Een helder antwoord over waar hun gegevens worden verwerkt is een commercieel voordeel, geen last.
Hoe je begint
Kies een proces met volume, zonder beslissing over een individu, en met gegevens waarvan de klasse duidelijk is.
Gespreksverslaglegging en dossiervoorbereiding voldoen daar meestal aan. Kredietbeoordeling en claimafwijzing niet, en die zou ik niet als eerste toepassing kiezen, hoe aantrekkelijk de businesscase ook is.
Bepaal daarna de route per dataklasse volgens het model uit de gids over bedrijfsgegevens, en toets of de zwaarste categorie in jouw proces voorkomt. Zo ja, dan is lokale verwerking geen luxe maar de startvoorwaarde.
Voer een DPIA uit voordat je bouwt, niet erna. Zie de gids over DPIA's.