De toepassing van (Gen) AI in het bankwezen
Slimmere banken met (Gen) AI: wat is mogelijk en waar liggen de risico’s?
Generatieve AI (Gen AI) is in korte tijd uitgegroeid van een veelbelovende technologie tot een onmisbaar hulpmiddel in tal van sectoren. Ook binnen het bankwezen zien we een snelle opmars van deze innovatieve technologie, die de potentie heeft om niet alleen processen te automatiseren, maar ook nieuwe inzichten te genereren en klantinteracties te transformeren. Waar traditionele AI vooral gericht is op het uitvoeren van specifieke taken, brengt Gen AI een creatieve en adaptieve dimensie met zich mee. In dit artikel duiken we in de mogelijkheden die Gen AI biedt voor banken, de voordelen die het kan opleveren, én de uitdagingen die gepaard gaan met de implementatie ervan. Van klantgerichte toepassingen tot technologische integraties: we laten zien hoe banken Gen AI kunnen inzetten om slimmer, efficiënter en toekomstbestendig te opereren.
Wat is Gen AI?
AI (Artificial Intelligence) is als een superintelligente robot die altijd precies weet wat hij moet doen. Het is als die vriend die je altijd helpt met je huiswerk — hij heeft de antwoorden en voert de taak perfect uit. Maar… hij is niet zo creatief. Hij doet wat je zegt en geen stap verder. Je vraagt hem om je huiswerk te maken over “de impact van de Franse Revolutie op de mode”, en hij maakt een perfect verslag, maar als je hem vraagt “wat als de Franse Revolutie in een andere tijd had plaatsgevonden?”, dan kan hij daar moeite mee hebben, omdat hij geen bestaande data heeft om op te baseren en moeite heeft met het bedenken van creatieve, hypothetische scenario’s zonder duidelijke richtlijnen.
Gen AI is daarentegen de creatieve, inspirerende broer van AI. Hij heeft niet alleen de antwoorden, maar kan zelf nieuwe ideeën en teksten verzinnen. Dus als je hem vraagt om een huiswerkopdracht te maken, kan hij niet alleen het onderwerp begrijpen, maar hij kan ook compleet nieuwe invalshoeken bedenken. “Wat als de Franse Revolutie geleid zou hebben tot het ontstaan van een mode-imperium?”, vraag het hem, en je hebt ineens een heel ander perspectief. Gen AI is als de vriend die niet alleen huiswerk voor je maakt, maar ook je PowerPoint-presentatie leuk maakt, zelfs met memes en grappige afbeeldingen.
Kortom:
- AI is als die vriend die altijd het juiste antwoord geeft, maar niet van plan is om buiten de lijntjes te kleuren.
- Gen AI is de vriend die niet alleen het juiste antwoord geeft, maar je ook nog wat leuke, interessante en onverwachte ideeën aanreikt die je niet had zien aankomen.
Gen AI is de afgelopen jaren flink in opkomst, ook banken beginnen deze technologie steeds meer te gebruiken. In dit artikel kijken we naar hoe banken Gen AI kunnen inzetten en wat de voordelen hiervan zijn, maar ook weke uitdagingen dit met zich mee brengt.
De kansen van (Gen) AI voor banken
AI en Gen AI in de banksector is als een super slimme assistent die niet alleen alles automatiseert, maar ook de klant beter begrijpt dan je favoriete barista. Hier zijn de highlights:
- Klantenservice 2.0: Je krijgt 24/7 support van AI-chatbots die niet moe worden, je administratie brengt minder papierwerk met zich mee en je krijgt sneller antwoord op je vragen, wat zorgt voor blije klanten.
- Operationele efficiëntie: AI haalt de vervelende handmatige taken uit handen (adieu, saaie gegevensinvoer!) en helpt banken sneller beslissingen te nemen en schaalvoordelen te behalen zonder de kosten te laten exploderen.
- Risico’s onder controle: Dankzij Gen AI worden fraudeurs sneller gepakt, kredietbeoordelingen zijn nauwkeuriger en marktrisico’s kunnen in real-time voorspeld worden – alles voordat het een probleem wordt!
- Slimme data-analyse: Met AI krijg je niet alleen inzicht in klantgedrag en marktomstandigheden, maar kun je zelfs voorspellen wat je klanten nodig hebben, zodat je altijd een stap voor blijft op de concurrentie.
- Innovatie: Nieuwe producten ontwerpen? Geen probleem. AI helpt bij het creëren van producten die klanten écht willen en versnelt de digitale transformatie, zodat banken zich kunnen aanpassen aan technologische veranderingen.
- Compliance zonder stress: AI automatiseert het naleven van regels en wetgeving, zodat banken zich geen zorgen hoeven te maken over vergissingen of verouderde procedures.
- Marketing die werkt: Gen AI maakt marketingcampagnes supergericht en zorgt ervoor dat klantcommunicatie altijd persoonlijk is en perfect aansluit bij wat de klant nodig heeft.
Gen AI zorgt ervoor dat een bank draait als een geoliede machine: alles sneller, slimmer en efficiënter, zonder dat je eerst drie keer de klantenservice hoeft te bellen. Maar zoals met elke nieuwe technologie: als je het niet goed implementeert, krijg je misschien een systeem dat het begrip ‘klanttevredenheid’ wel kent, maar niet echt begrijpt. In plaats van de diepere betekenis van klanttevredenheid te doorgronden—zoals het belang van empathie, persoonlijke aandacht en het oplossen van complexe klantvragen—kan AI het te simpel benaderen, bijvoorbeeld door alleen te focussen op snelle reactietijden of standaardantwoorden. Het resultaat is technisch correct, maar sluit niet aan bij wat klanten daadwerkelijk nodig hebben om zich gehoord en geholpen te voelen.
De avonturen van Gen AI
Het gebruik van Gen AI biedt veel mogelijkheden, maar het brengt ook complexiteit met zich mee. Hieronder een inzicht in de complexiteit bij het implementeren van Gen AI-technologieën.
- De taalkundige jungle: Voor het krijgen van een “reactie van een Gen AI model zal je een prompt moeten schrijven. Een prompt is eigenlijk gewoon een soort vraag of opdracht die je aan een AI of ander systeem geeft om iets te doen. Het is het startpunt van een gesprek of taak. Gen AI-modellen zoals GPT-4o en o1 zijn getraind op enorme datasets en zijn in staat om complexe taalstructuren te begrijpen en te genereren. Het kan moeilijk zijn om prompts te formuleren die precies de gewenste output opleveren.
- Ambiguïteit: Taal is vaak als een rubberen bal die altijd wel een andere kant op stuitert. Een prompt kan verschillende interpretaties hebben, waardoor het lastig kan zijn om de gewenste respons te krijgen. Wat zou jij verwachten met de prompt: “A flying bat over a baseball field”?
A flying bat over a baseball field
3. Beperkingen van het model: Elk model heeft zijn beperkingen en biases. Het is belangrijk om te begrijpen wat het model wel en niet kan, en hoe het is getraind.
4. Specificiteit vs. creativiteit: Soms wil je dat het model specifiek en feitelijk is, terwijl je op andere momenten creativiteit wilt aanmoedigen. Het vinden van de juiste balans in je prompts is cruciaal. Houd er echter rekening mee dat generatieve AI-modellen ook kunnen hallucineren of liegen – dat wil zeggen, ze kunnen informatie genereren die onjuist, misleidend of verzonnen is. Dit kan gebeuren, zelfs als je een feitelijke vraag stelt, omdat het model geen echte wereldkennis heeft en antwoorden baseert op patronen in de trainingdata, niet op daadwerkelijke feiten.
Wat is een goede prompt?
Het schrijven van goede prompts voor Gen AI vereist enige oefening, maar er zijn verschillende best practices die je kunt volgen om betere resultaten te krijgen.
- Wees specifiek: Hoe specifieker je bent, hoe minder kans dat AI zomaar een rommelig antwoord geeft. Dus in plaats van “Vertel mij iets over hypotheken”, is het beter om te zeggen: “Wat zijn de belangrijkste soorten hypotheken in Nederland en wat zijn hiervan de voor- en nadelen?”
- Geef context: Stel je voor dat je AI in een café tegenkomt en het wil uitleggen waarom hypotheken verwarrend zijn. Zonder context zal het misschien niet goed reageren. Je zou dan bijvoorbeeld kunnen zeggen: “Ik ben net begonnen met het onderzoeken van hypotheken en wil weten wat een rentevaste periode precies betekent.”
- Stel open vragen: In plaats van een simpele ja/nee-vraag zoals “Is een rentevaste hypotheek altijd voordeliger?”, stel je een vraag die wat meer uitleg vraagt, zoals “Waarom zou iemand kiezen voor een rentevaste hypotheek in plaats van een variabele rente?”
- Gebruik voorbeelden: Wil je dat AI je helpt bij het schrijven van een tekst over hypotheken in een bepaalde stijl? Geef een voorbeeld: “Schrijf een korte uitleg over hypotheken, zoals een financieel adviseur die het aan een klant zou uitleggen.”
- Itereer en verfijn: Soms moet je gewoon wat proberen! Stel verschillende vragen om te zien welk antwoord je het meeste helpt. Bijvoorbeeld: “Wat zijn de voordelen van een annuiteitenhypotheek?” en “Wat is het verschil tussen een aflossingsvrije en een annuiteitenhypotheek?” Je leert er van!
- Vraag om structuur: Als je een duidelijk en gestructureerd antwoord wilt, vraag dan expliciet om een lijst of een opbouw. Bijvoorbeeld: “Geef een lijst van 5 veelgemaakte fouten bij het aanvragen van een hypotheek” of “Schrijf een korte uitleg over hypotheken, met een inleiding, middenstuk en conclusie.”
- Beperk de lengte: Soms wil je gewoon snel iets weten, zonder te veel uitleg. Vraag dan: “Noem 3 belangrijke voordelen van een hypothecaire lening.”
Door deze richtlijnen te volgen, kun je effectievere prompts schrijven die leiden tot betere interacties met generatieve AI-modellen.
Complexiteit van het gebruik van Gen AI in de banksector
Naast deze algemene complexiteiten zien wij meer specifieke complexiteiten voor banken.
Integratie met IT landschap
- Technologische compatibiliteit: Bestaande systemen en infrastructuren zijn vaak niet ontworpen om Gen AI-technologie te ondersteunen, wat kan leiden tot compatibiliteitsproblemen en de noodzaak om systemen te upgraden of aan te passen. Dit gaat verder dan alleen de technische infrastructuur; je hebt een solide basis nodig die zowel de benodigde rekenkracht als de flexibiliteit biedt om generative AI effectief te implementeren.
- Data-integratie: Gen AI vereist vaak enorme hoeveelheden data voor training en optimalisatie. Het integreren van deze data uit verschillende bronnen kan een uitdaging zijn, vooral als de data in verschillende formaten of structuren zijn opgeslagen. Het beheren van deze data op een schaal die geschikt is voor Gen AI is een belangrijke stap, en dit vereist expertise in zowel dataengineering als de AI-domeinen.
- De skill gap: Naast de technische infrastructuur is er een belangrijke skill gap. Het implementeren van Gen AI in productie is geen gemakkelijke opgave; het vraagt om diepgaande technische kennis en de juiste vaardigheden. Dit betekent dat je niet alleen goede software-infrastructuur nodig hebt, maar ook getalenteerde software engineers die begrijpen hoe ze Gen AI kunnen integreren en optimaliseren, van de codering tot het beheren van de operationele processen eromheen. Ze moeten in staat zijn om een robuuste omgeving te creëren die de technologie efficiënt ondersteunt en schaling mogelijk maakt.
- Samenwerking van verschillende AI technologieën: Gen AI staat vaak niet op zichzelf. Het zal meestal gecombineerd worden met andere technologieën, zoals “normale” AI en automatisering. In veel gevallen zal de Gen AI samenwerken met software-gestuurde automatiseringssystemen die specifieke processen stroomlijnen of met traditionele AI die bepaalde taken uitvoert, zoals data-analyse of voorspellingen. Deze integratie is vaak cruciaal voor het realiseren van het volledige potentieel van Gen AI, wat kan leiden tot verbeterde prestaties en efficiëntie in processen.
Data Management en Kwaliteit:
- Data-infrastructuur: Gen AI vereist toegang tot grote hoeveelheden data om effectief te functioneren. Banken moeten zorgen voor een robuuste data-infrastructuur, inclusief databases en datawarehouses, die betrouwbare en goed gestructureerde data bieden.
- Data-anonimisering: Gezien de gevoeligheid van klantdata, moeten banken ervoor zorgen dat gegevens correct geanonimiseerd of gepseudonimiseerd worden voordat ze worden gebruikt om AI-modellen te trainen. Dit is technisch complex en kan in sommige gevallen de prestaties van de AI-modellen beïnvloeden.
Training en Onderhoud van AI-modellen:
- Modelontwikkeling: Het ontwikkelen van nauwkeurige en betrouwbare Gen AI-modellen vereist gespecialiseerde kennis en ervaring in AI en machine learning. Dit betekent dat banken mogelijk moeten investeren in dure AI-experts of samenwerkingen met externe partijen.
- Onderhoud: AI-modellen moeten voortdurend worden getraind en aangepast om relevant en nauwkeurig te blijven. Dit betekent voortdurende monitoring, updates en optimalisatie, wat een aanzienlijke operationele belasting kan vormen.
Interne Cultuur en Acceptatie:
- Weerstand tegen verandering: Medewerkers in banken kunnen huiverig zijn om nieuwe technologieën te omarmen, vooral als dit hun dagelijkse werkzaamheden beïnvloedt. Verandering kan leiden tot onzekerheid en vertragingen in de adoptie van Gen AI-oplossingen.
- Opleiding en training: Medewerkers moeten mogelijk worden opgeleid om effectief met AI-systemen te werken, wat tijd en middelen vereist. Ook moet er aandacht zijn voor het bevorderen van een cultuur van datagestuurde besluitvorming binnen de organisatie.
Beheer van AI-ethiek en Verantwoordelijkheid:
- Verantwoord gebruik: Het is belangrijk dat banken duidelijke richtlijnen ontwikkelen voor het ethisch gebruik van AI, vooral als het gaat om gevoelige klantbeslissingen, zoals het goedkeuren van leningen of het aanbevelen van financiële producten.
- Menselijke supervisie: Gen AI moet vaak onder toezicht van mensen staan om ongewenste of schadelijke uitkomsten te voorkomen. Dit betekent dat er altijd een balans moet zijn tussen AI-automatisering en menselijke input.
De droom met een twist
Gen AI lijkt de ultieme creatieve partner: het kan alles verzinnen! Maar in de praktijk is het meer als een ideeën generator die je af en toe moet afremmen. Ja, AI kan fantastische ideeën spuien — maar soms zijn die net zo haalbaar als een Franse Revolutie-modetrend in 2024. Denk aan een briljant voorstel, maar zonder historische context of praktische toepasbaarheid. Het lijkt geweldig, maar als je probeert het idee daadwerkelijk uit te voeren, loop je tegen een muur van onrealistische suggesties aan.
Daarnaast is het niet voldoende om alleen een vraag te stellen. Je moet de AI echt in de juiste richting duwen, anders krijg je bijvoorbeeld een stand-up show over de Franse Revolutie, terwijl je eigenlijk een verslag wilde. De AI is goed in het creëren van nieuwe dingen, maar die nieuwe dingen zijn soms niet relevant of bruikbaar.
Dus ja, Gen AI is een krachtig hulpmiddel, maar het vereist wel de juiste data, focus én een flinke dosis mensenkennis. Het is geen magie, maar meer een creatief proces waar jij als gebruiker de regie over moet houden. Het klinkt makkelijk, maar geloof me: het bouwen van een betrouwbare AI-toepassing is meer dan alleen “leuk verzinnen”.
The Finaps Nudge
Dit is precies waar Finaps in beeld komt. Wij hebben de expertise om zowel de infrastructuur als de softwareontwikkeling te ondersteunen die nodig zijn om Gen AI succesvol te integreren in een productieomgeving. Met onze sterke focus op software- en data engineering en ervaring in het bouwen van op maat gemaakte oplossingen, kunnen we de technologische en operationele uitdagingen van Gen AI aanpakken, van de initiële integratie tot het onderhouden en schalen van de oplossingen.
