De regels van de financiële sector worden herschreven dankzij AI en generatieve AI. In hun gesprek voor The Bridge, Artefact's Joffrey Martinez, Managing Partner & Global Lead voor financiële diensten, en Alexis Baufine-Ducrocq, Partner & Lead Financial Services, bespreken de race om financiële prestaties opnieuw te definiëren met AI.

Joffrey Martinez houdt toezicht op data en AI-transformatieprogramma's voor grote banken, verzekeraars en financiële instellingen wereldwijd. Voordat hij bij Artefact kwam, werkte hij in private equity en consultancy, onder andere bij BearingPoint en IBM Consulting France. Hij heeft een masteropleiding gevolgd aan de Kedge Business School en is Black Belt Lean Six Sigma, Executive Education gecertificeerd aan de École Polytechnique.

Alexis Baufine-Ducrocq helpt toonaangevende banken en verzekeraars bij het implementeren van AI- en GenAI-oplossingen. Hij heeft meer dan 14 jaar consultingervaring in Europa en Azië en bekleedde eerder functies in strategie en technologie. Alexis heeft techniek en telecommunicatie gestudeerd aan de CentraleSupélec en is afgestudeerd aan ESCP Europe.

Kunstmatige intelligentie maakt al lang deel uit van de financiële wereld, maar de De versnelling van generatieve AI en geavanceerde analyse herdefinieert nu hoe instellingen denken over prestaties, productiviteit en waardecreatie.. In het bank- en verzekeringswezen en bij vermogensbeheer wordt AI niet alleen een hulpmiddel voor operationele efficiëntie, maar ook een motor voor strategische transformatie.

Vandaag de dag wordt het concurrentievermogen in de financiële sector niet alleen gemeten aan de hand van marges of risicoblootstelling, maar ook aan de hand van hoe effectief instellingen hun data kunnen vastleggen en gebruiken. De race is begonnen om snellere beslissingen, betere klantervaringen en veerkrachtigere activiteiten te leveren, allemaal gebaseerd op de intelligente orkestratie van informatie.

Snelheid, nauwkeurigheid en kwaliteit zijn onafscheidelijk geworden. In een omgeving waar een bank een lening in uren in plaats van dagen kan goedkeuren of een verzekeraar een claim binnen enkele minuten kan vergoeden, zijn de verwachtingen van klanten permanent veranderd. Het leiderschap in de financiële sector zal in handen zijn van degenen die wendbaarheid met vertrouwen kunnen combineren: een combinatie die mogelijk wordt gemaakt door AI.

Twee paden naar AI-volwassenheid

Hoewel elke financiële instelling bezig is met AI-transformatie, verschilt de mate van volwassenheid sterk per sector. Retail banking en verzekeringen behoorden tot de eersten die AI industrialiseerden, grotendeels omdat hun bedrijfsmodellen afhankelijk zijn van schaalgrootte: miljoenen klanten, miljarden data-punten en constante druk op de marges. Deze omstandigheden maken het rendement van AI-investeringen zowel meetbaar als onmiddellijk.

Retailbanken gebruiken nu machine learning om aanvragers van leningen vooraf kwalificeren, offertes personaliseren en afwijkingen in klanttransacties detecteren. Verzekeraars gebruiken vergelijkbare technieken om polisverlengingen voorspellen, fraude opsporen en acceptatie optimaliseren. In beide sectoren ondersteunt AI direct de winstgevendheid door de bedrijfskosten te verlagen en het cross-sellpotentieel te vergroten.

Daarentegen kwamen investment banking, private banking en vermogensbeheer in het AI-tijdperk terecht via specialistische domeinen: kwantitatieve handel, risicomodellering en fraudedetectie. Deze toepassingen waren diepgaand maar beperkt, en beperkt tot experts zoals quants en actuarissen. Wat er nu verandert, is de verspreiding van AI in de hele waardeketen. Klantrelaties, kredietverlening en risicobeheer zijn nu doordrenkt met voorspellende modellen en geautomatiseerd redeneren. Wat ooit in geïsoleerde centra van uitmuntendheid leefde, wordt nu ingebed in de dagelijkse besluitvorming.

Zoals Joffrey het zegt, “Alle spelers zijn in de race voor AI gesprongen, want het ontsluiten van dit potentieel is een echte uitdaging voor de concurrentie.” De verspreiding van AI markeert de overgang van experiment naar integratie, van geïsoleerde projecten naar een vermogen voor de hele industrie dat het concurrentievermogen ondersteunt.

De data foundations bouwen

Van alle financiële subsectoren geeft verzekeringen misschien wel het duidelijkste beeld van hoe diep data transformatie definieert. Actuarissen, de oorspronkelijke data wetenschappers van de sector, hebben altijd statistische modellen gebruikt om risico's te waarderen. Die cultuur van kwantificering biedt verzekeraars een natuurlijk voordeel bij het moderniseren van hun infrastructuur.

In de afgelopen jaren is de focus verschoven naar het creëren van end-to-end data ecosystemen. Zorg-, schade- en eigendomsverzekeraars bouwen platforms die in staat zijn om in realtime data van klanten, claims, gedrag en externe bronnen op te nemen. Het resultaat is een uniforme basis voor voorspelling en personalisatie.

De meeste verzekeraars werken nu met hybride, multi-cloud architecturen. Zeer gevoelige datasets, zoals medische dossiers, blijven on-premise, terwijl minder kritieke data migreert naar publieke clouds voor schaalbaarheid en geavanceerde analyses. Steeds vaker wordt een derde laag, soevereine cloud's, is in opkomst om innovatie in overeenstemming te brengen met wettelijke vereisten. Met deze gefaseerde aanpak kunnen bedrijven een evenwicht vinden tussen naleving, flexibiliteit en kosten.

Even belangrijk is de opkomst van robuuste data governance. Het eigenaarschap van data komt dichter bij de bedrijfsfuncties te liggen, waardoor verzekeraars, schadebeheerders en marketeers direct verantwoordelijk worden voor de kwaliteit en het gebruik van data. Sterke governance verandert data van een technisch bedrijfsmiddel in een operationeel bedrijfsmiddel: schoon, gecontextualiseerd en bruikbaar voor AI. Met sterke governance, AI verschuift van deskundige hulpmiddelen naar zelfbedieningssystemen die de impact op het bedrijf versnellen.

Customer Data Platforms (CDP's) staan centraal in deze strategie. Door informatie over verschillende contactpunten te koppelen, kunnen verzekeraars met CDP's vroegtijdige tekenen van opzegging detecteren, aanbiedingen op maat maken en dynamisch reageren op klantgedrag. In een sector die bekend staat om een hoog verloop, waar, zoals Alexis het zegt, “Het spel is om de badkuip sneller te vullen dan te legen”.”, data integratie is nu synoniem voor klantenbinding.

Met een dergelijke basis kan AI zich ontwikkelen van door experts gestuurde initiatieven tot zelfbedieningsapplicaties die toegankelijk zijn voor elk bedrijfsonderdeel. Data wordt zo de brug tussen technologisch potentieel en commerciële impact.

Wereldwijde contrasten in AI-acceptatie

Als we de AI-volwassenheid wereldwijd vergelijken, komen er duidelijke patronen naar voren. De Verenigde Staten zijn met een aanzienlijke marge koploper en zijn goed voor meer dan een derde van de wereldwijde AI-inkomsten in de financiële dienstverlening. Amerikaanse instellingen zoals JPMorgan hebben AI in bijna elk proces geïntegreerd, van handel en kredietbeheer tot advies aan klanten, en laten zien hoe volledige integratie er op schaal uitziet.

Azië volgt op de voet, gedreven door het buitengewone innovatievermogen van China. Ping An, bijvoorbeeld, heeft zich ontwikkeld van een verzekeraar tot een gediversifieerd technologiebedrijf, dat duizenden AI-patenten heeft aangevraagd en honderden use cases heeft geïndustrialiseerd in de gezondheidszorg, kredietverlening en vermogensbeheer.

Europa staat naast Azië wat betreft de omvang van zijn initiatieven, maar onderscheidt zich door zijn nadruk op ethiek en regelgeving. Banken zoals UBS, BNP Paribas en Santander investeren zwaar in verantwoordelijke AI-raamwerken en zetten tegelijkertijd geavanceerde modellen in voor fraudepreventie en klantenservice.

Andere regio's boeken op verschillende manieren snel vooruitgang. Latijns-Amerika, onder leiding van het Braziliaanse Itaú en Nubank, gebruikt AI om fraude te bestrijden en ecosystemen voor uitsluitend digitaal bankieren te beheren. Het Midden-Oosten profiteert van door de overheid gestuurde AI-investeringsstrategieën die innovatie in verschillende sectoren versnellen, terwijl Afrikaanse instellingen AI gebruiken om de financiële inclusie uit te breiden naar minderbedeelde bevolkingsgroepen.

Ondanks deze verschillen is er één constante factor die de koplopers verenigt: de erkenning van AI als strategische infrastructuur. Landen en instellingen die AI niet als een kostenhefboom maar als een groeiplatform behandelen, gaan sneller, zelfverzekerder en coherenter te werk.

Drie vectoren van waardecreatie

In de hele financiële sector creëert AI waarde via drie onderling verbonden hefbomen: kostenoptimalisatie, inkomstengroei, en risicobescherming.

Kostenoptimalisatie blijft de meest zichtbare. Automatisering verlaagt de “kosten van dienstverlening” door de verwerking van documenten, acceptatie en klantenservice te stroomlijnen. In retailbanking heeft AI-gestuurde kredietanalyse de goedkeuringstijd voor leningen met dagen verkort, waardoor de operationele overheadkosten dalen en de klanttevredenheid toeneemt. In verzekeringen, end-to-end automatisering kan nu tot 30 procent van de claims voor onroerend goed en gezondheidszorg binnen enkele minuten verwerken. Optische tekenherkenning en generatieve modellen lezen facturen, controleren de dekking en zorgen voor onmiddellijke betalingen: een tastbaar voorbeeld van efficiëntie die zich vertaalt in ervaring.

Dezelfde systemen verhogen de menselijke bijdrage. Door routinezaken automatisch af te handelen, maakt AI experts vrij om zich te richten op complexe of gevoelige situaties waarin beoordelingsvermogen en empathie het belangrijkst zijn. Automatisering wordt in dit opzicht een manier om werk opnieuw menselijk te maken in plaats van het te elimineren.

Inkomstengroei is de volgende grens. Dankzij voorspellende analyses kunnen banken en verzekeraars anticiperen op de behoeften van klanten - een nieuwe baan, een aankoop van een huis, een levensverandering - en relevante producten op precies het juiste moment voorstellen. Generatieve AI breidt dit voordeel uit in adviescontexten: in private banking kan het complexe marktanalyses samenvatten in beknopte, bruikbare inzichten, waardoor de tijd tussen expertise en de beslissing van de klant korter wordt.

Dergelijke mogelijkheden transformeren servicemodellen van reactief naar proactief. Relaties worden continu, contextueel en gepersonaliseerd, Dit is een belangrijke differentiator in markten waar productaanbiedingen anders gemeengoed worden. AI stelt een nieuwe norm voor klantrelaties: beschikbaar, toegankelijk, gepersonaliseerd en responsief op elk moment.

De derde vector, bescherming, is misschien wel de meest kritieke voor vertrouwen. Machine-learningmodellen controleren nu miljoenen transacties in realtime en detecteren anomalieën die wijzen op mogelijke fraude of witwaspraktijken. Het vermogen van AI om onevenwichtige data te verwerken, waarbij het aantal echte transacties veel groter is dan het aantal frauduleuze, heeft voor een revolutie in risicodetectie gezorgd.

In overeenstemming, AI vermindert het aantal fout-positieven drastisch. In plaats van legers analisten die handmatig transacties controleren, filtert AI waarschuwingen om de menselijke aandacht te richten op echt verdachte activiteiten, waardoor deze in sommige instellingen met een factor 100 worden verminderd zonder verlies van nauwkeurigheid. Het resultaat? Lagere kosten, snellere responstijden en meer vertrouwen bij toezichthouders en klanten.

Meer dan ROI: het culturele rendement

Het kwantificeren van de impact van AI is relatief eenvoudig. Fraudemodellen kunnen tientallen miljoenen euro's besparen; procesautomatisering kan 20 tot 30 procent efficiëntiewinst opleveren. Maar de diepere waarde ligt in hoe AI de manier waarop organisaties denken en werken verandert.

Als we AI puur als een automatiseringshulpmiddel behandelen, missen we het transformatieve potentieel ervan. Het gaat niet alleen om het besparen van minuten op routinetaken; het gaat om het herdefiniëren van rollen, managementpraktijken en zelfs het concept van expertise. In de verzekeringsmaatschappij van morgen zullen managers bijvoorbeeld toezicht houden op AI-agenten die de meeste standaardclaims afhandelen, en menselijke tijd besteden aan uitzonderlijke gevallen die empathie en inschattingsvermogen vereisen.

Er is ook de stillere productiviteit van alledaags gereedschap, die Alexis beschrijft als diffuse productiviteit. Ondersteunende technologieën zoals Copilot besparen misschien maar een paar minuten per gebruiker, maar hun cumulatieve effect harmoniseert de kwaliteit over de teams heen. Als werknemers ontdekkingen en best practices delen, versnellen ze de adoptie en bouwen ze vertrouwen op in complexere AI-toepassingen.

Op deze manier wordt culturele gereedheid zowel een voorwaarde als een product van AI-succes. Organisaties die nieuwsgierigheid en samenwerking stimuleren, behalen veel meer rendement op de lange termijn dan organisaties die zich alleen richten op directe financiële cijfers.

De nieuwe dimensies van risico beheren

Geen enkele sector heeft meer ervaring met risicobeheer dan de financiële sector. Toch introduceert AI nieuwe vormen van risico die aangepaste controles vereisen, van data privacy en modelbias tot cyberbestendigheid en verklaarbaarheid.

Veel instellingen pakken deze uitdagingen aan door middel van de “Model met drie verdedigingslinies. Eén team ontwikkelt het algoritme, een ander team valideert de integriteit ervan en een derde team, waaronder vaak toezichthouders, beoordeelt de prestaties. Deze scheiding van taken zorgt voor verantwoording en transparantie tijdens de gehele AI-levenscyclus.

Cruciaal is dat de ingebakken cultuur van de industrie van governance biedt een sterke basis voor verantwoorde AI. Banken en verzekeraars werken al volgens strenge normen voor vertrouwelijkheid en naleving; het uitbreiden van deze principes naar algoritmische systemen is een natuurlijke progressie. Zoals Joffrey opmerkt, “Het grootste risico is het risico om niets te doen.” Niets doen zou in deze context betekenen dat u terrein moet prijsgeven aan wendbaardere rivalen.

De menselijke transformatie

De meest ingrijpende verandering is echter menselijk. De geschiedenis toont aan dat elke automatiseringsgolf de focus van de professional verschuift in plaats van deze uit te wissen. Toen de mechanische rekenmachine eind negentiende eeuw verscheen, werden klerken niet vervangen; ze werden analisten. Dezelfde logica is vandaag de dag van toepassing.

AI zal berekeningen, documentatie en controle automatiseren, maar de behoefte aan menselijk toezicht, interpretatie en empathie zal alleen maar toenemen. De professionals van morgen zullen supervisors van intelligente agenten, orkestrators van processen en ontwerpers van transformatie zijn. Hun waarde zal niet liggen in routinematige uitvoering, maar in inzicht en oordeel.

De uitdaging is niet om mensen overbodig te maken, maar om ze op een nieuwe manier onmisbaar te maken.

Naar een intelligenter financieel ecosysteem

AI heeft al een nieuwe vorm gegeven aan de manier waarop financiële instellingen hun activiteiten beheren, met klanten omgaan en risico's beheersen. In de volgende fase zullen gespecialiseerde AI-agenten end-to-end samenwerken met menselijke experts, waardoor intelligentie in elk proces wordt geïntegreerd.

De instellingen die deze transformatie zullen leiden, zijn de instellingen die in staat zijn om innovatie te combineren met de discipline die de financiële sector altijd heeft gekenmerkt. Zij zullen AI niet louter als technologie zien, maar als een middel om het fundamentele contract van de sector te vernieuwen: klanten beter van dienst zijn, risico's verantwoord beheren en waarde creëren met intelligentie en integriteit.

Kortom, de toekomst van financiële diensten wordt niet bepaald door wie de meeste modellen inzet, maar door die ze gebruikt om de meest betrouwbare, adaptieve en mensgerichte instellingen te bouwen.

 

Bekijk het originele interview in het Frans: