AI in fintech en financiële dienstverlening

Waar levert AI in fintech het meest op en welke regels spelen mee?

Bij AI in fintech leveren documentverwerking en signalering vaak de snelste winst: AI is goed in het halen van gegevens uit documenten, terwijl het oordeel in de meeste processen bij een mens hoort. Kredietbeoordeling van personen en de risicobeoordeling en prijsstelling bij levens- en ziektekostenverzekeringen zijn hoog risico onder de AI Act, met regels vanaf 2 december 2027 (stand september 2026). Voor financiële instellingen zijn er het AI Readiness Assessment om te prioriteren, de Vendor Review om te kiezen, de AI Due Diligence om te beoordelen en de Fractional AI Lead om te borgen.

Blijft bij AI in fintech het oordeel bij een mens?

Bij AI in fintech hoort het oordeel in de meeste processen bij een mens, die de voorstellen van het systeem bevestigt of corrigeert. Dat levert met elke bevestiging en correctie een auditspoor en een meetbare kwaliteitsloop op.

Is het uitstel van de AI Act een reden om met eisen aan AI in fintech te wachten?

Nee. Een kredietmodel dat nu wordt ingekocht of gebouwd, is waarschijnlijk nog in gebruik als de hoog-risicoregels vanaf 2 december 2027 gelden, dus bij AI in fintech horen die eisen nu al in ontwerp en selectie. Met de Vendor Review wordt de keuze voor een leverancier of bouwpartij vastgelegd op een manier waar inkoop, compliance en audit mee verder kunnen.

Hoe verhoudt een AI-dienst van een externe leverancier bij AI in fintech zich tot DORA?

Een AI-dienst die een financiële instelling afneemt, hoort bij AI in fintech in de praktijk bij de ICT-diensten van derden waarvan DORA een informatieregister vraagt, inclusief onderuitbesteding. DORA geldt sinds 17 januari 2025 en richt zich op de financiële instelling; de precieze kwalificatie is iets om te laten toetsen door de compliance- of juridische afdeling. Exitpad, afhankelijkheid en incidentafspraken horen bij een externe AI-dienst in de selectie.

Bron: artikel van Dave Willemstein; primaire bron: Verordening (EU) 2024/1689 (AI-verordening), EUR-Lex; Verordening (EU) 2026/1744 (Digitale omnibus inzake AI), Publicatieblad L van 24.7.2026, EUR-Lex; Verordening (EU) 2022/2554 (DORA), EUR-Lex; Uitvoeringsverordening (EU) 2024/2956 (standaardmodellen informatieregister DORA), EUR-Lex (peildatum 6 oktober 2026). Bijgewerkt: oktober 2026.

AI toepassingen in fintech

In fintech en de bredere financiële sector komen AI-toepassingen grofweg in vier soorten voor:

• Documentverwerking: gegevens halen uit identiteitsbewijzen, uittreksels, jaarrekeningen, loonstroken of polissen. Dit is het klassieke terrein van onboarding, KYC en acceptatie.
• Signalering: transactiemonitoring, fraudedetectie en het markeren van afwijkende patronen voor een analist.
• Beoordeling en prijsstelling: kredietbeoordeling, risicoselectie en premiebepaling. Hier raakt AI direct de belangen van klanten.
• Klantcontact en kennis: het beantwoorden van standaardvragen, het voorbereiden van adviesgesprekken en het doorzoeken van interne regelgeving en procedures.

De eerste twee soorten leveren vaak de snelste winst. De derde soort kan veel waarde hebben, maar valt deels onder het zwaarste regime van de AI Act. De vierde lijkt onschuldig, maar een chatbot die klanten verkeerd informeert, is in een gereguleerde sector geen klein probleem.

Welke toepassing je eerst aanpakt, hangt af van waar het werk zit en hoeveel risico je kunt dragen. Een voorbeeld van hoe dat afwegen in de praktijk gaat, is de case over een use-case portfolio voor een investeringsmaatschappij.

AI automatisering in financiële dienstverlening

Het belangrijkste onderscheid bij automatisering in financiële dienstverlening is dat tussen extractie en oordeel. Extractie is feiten uit een document halen: wat is de naam, het bedrag, de datum, de uiteindelijk belanghebbende. Oordeel is wegen wat die feiten betekenen: vormt dit een risico, past deze klant binnen ons beleid?

AI is goed in extractie en kan daar veel zoekwerk wegnemen. Het oordeel hoort in de meeste processen bij een mens, die de voorstellen van het systeem bevestigt of corrigeert. Dat is niet alleen voorzichtig, het is ook praktisch: elke bevestiging en correctie levert een auditspoor en een meetbare kwaliteitsloop op.

1. Document binnenIdentiteitsbewijs, uittreksel, jaarrekening of polis.
2. ExtractieAI haalt de gegevens eruit, met een betrouwbaarheidsscore per veld.
3. DrempelBoven de drempel een voorstel; eronder gaat het veld ongefilterd naar de analist.
4. OordeelDe analist bevestigt, corrigeert en beslist.
5. VastleggenElke bevestiging en correctie komt in het auditspoor en voedt de kwaliteitsmeting.

Precies dit patroon staat centraal in de case over KYC-documentanalyse bij een financiële dienstverlener. Het moeilijke deel was daar niet het model, maar een werkproces ontwerpen waarin analisten de uitkomst kunnen vertrouwen én kunnen overrulen.

Een waarschuwing bij de huidige belangstelling voor agents die zelfstandig stappen zetten: in een financieel proces wil je precies weten wat er gebeurt als zo’n agent ernaast zit. Wat agents wel en niet goed kunnen, beschrijf ik in AI-agents in een bedrijfsproces.

AI governance en compliance

AI governance in de financiële sector is geen nieuw bouwwerk naast het bestaande risicobeheer. AFM en DNB stelden in hun gezamenlijke rapport van april 2024 al dat van financiële instellingen verwacht mag worden dat ze AI verantwoord inzetten, en dat bestaande regelgeving onverkort geldt als AI wordt toegepast (DNB). Datakwaliteit, gegevensbescherming, uitlegbaarheid en het risico op discriminatie en uitsluiting noemen ze daarbij expliciet.

Daarbovenop komen drie regimes die je moet kennen (stand september 2026):

• De AI Act. AI waarmee de kredietwaardigheid van personen wordt beoordeeld of een kredietscore wordt vastgesteld, is hoog risico, met uitzondering van systemen voor het opsporen van financiële fraude. Hetzelfde geldt voor AI voor risicobeoordeling en prijsstelling bij levens- en ziektekostenverzekeringen (AI Act, bijlage III). Door de Digital Omnibus gelden de hoog-risicoregels voor deze toepassingen vanaf 2 december 2027 in plaats van augustus 2026 (Europese Commissie). De transparantieregels, bijvoorbeeld dat een chatbot moet melden dat de klant met AI praat, gelden al sinds 2 augustus 2026 (Europese Commissie).
• DORA. De Digital Operational Resilience Act geldt sinds 17 januari 2025 en regelt ICT-risicobeheer, incidentmelding, het testen van digitale weerbaarheid en het beheer van ICT-dienstverleners. Financiële instellingen moeten een informatieregister bijhouden van alle ICT-diensten die ze van derden afnemen, inclusief onderuitbesteding (DNB, DORA; DNB, toezicht per 17 januari 2025). Een AI-dienst van een externe leverancier is daarmee ook een DORA-vraag: exitpad, afhankelijkheid en incidentafspraken horen in je selectie.
• Het Nederlandse toezicht op de AI Act. Wie in Nederland op de AI Act toeziet, wordt geregeld in de Uitvoeringswet AI-verordening. Die was in juni 2026 nog een wetsvoorstel in consultatie. De AFM pleit ervoor dat zowel AFM als DNB, elk vanuit de eigen rol, worden aangewezen voor het toezicht op verboden toepassingen en hoog-risicotoepassingen zoals kredietbeoordeling en verzekeringspricing (AFM, 12 juni 2026).

Uitstel van de AI Act-regels is geen reden om te wachten. Een kredietmodel dat je nu inkoopt of laat bouwen, gebruik je waarschijnlijk nog als de eisen in december 2027 gaan gelden. Neem ze dus nu al mee in je ontwerp en selectie. Wat de AI Act per risicocategorie vraagt, staat op de pagina over de AI Act; hoe je daar een breder AI-beleid omheen zet, lees je op de overzichtspagina. Hoe je governance proportioneel houdt, met zware eisen alleen waar het risico dat rechtvaardigt, beschrijf ik in AI-governance zonder bureaucratie. Dit is geen juridisch advies: laat de kwalificatie van een concrete toepassing toetsen door je compliance- of juridische afdeling.

AI consultancy voor financiële instellingen

Wat ik voor banken, verzekeraars, fintechs en investeerders doe, is hetzelfde als in andere sectoren, maar met de lat hoger voor uitlegbaarheid en herleidbaarheid:

• Prioriteren: welke toepassingen leveren iets op en passen binnen je risicobereidheid? Een logisch begin is een nulmeting met het AI Readiness Assessment.
• Kiezen: een leverancier of bouwpartij selecteren met criteria voor uitlegbaarheid, auditspoor, datarechten en exitpad. Met een Vendor Review leg je die keuze vast op een manier waar inkoop, compliance en audit mee verder kunnen.
• Beoordelen: voor investeerders en corporate-developmentteams die een AI-propositie of -leverancier willen doorlichten, is er de AI Due Diligence, altijd onder NDA.
• Borgen: als je geen fulltime Head of AI hebt, kan een Fractional AI Lead de AI-agenda bewaken en de afstemming met risk, compliance en audit organiseren.

Ik bouw en verkoop zelf geen software en heb geen commissies of partnerstatus bij leveranciers. Implementaties begeleid ik vanuit jouw kant van de tafel. Juist in een sector waar je later moet kunnen uitleggen waarom je voor een bepaalde partij hebt gekozen, maakt dat verschil.

Andere sectoren met stevige regels zijn de zorg, waar medische software onder aparte productwetgeving valt; zie AI in de zorg. Voor een sector waar het vooral om klantdata en toestemming draait, zie AI voor marketing. Alle sectoren vind je bij AI per branche. Wil je sparren over een concrete vraag? Plan een adviesgesprek.