ABN Amro zet op het moment van schrijven 85% van zijn personeel aan het werk met kunstmatige intelligentie. De bank uit Amsterdam rolt interne AI-hulpmiddelen uit voor kantoortaken en klantprocessen. Doel is hogere productiviteit en snellere dienstverlening, met behoud van menselijke controle. De stap komt terwijl de Europese AI-verordening (AI Act) en de AVG strengere eisen stellen aan datagebruik en toezicht.
Brede uitrol bij ABN Amro
De bank kiest voor een brede invoering van generatieve AI op de werkplek. Generatieve AI is software die zelf tekst kan schrijven, samenvatten en ordenen. Medewerkers krijgen een assistent in een afgeschermde werkomgeving voor dagelijkse taken. De inzet richt zich eerst op kantoorfuncties, zoals operations, compliance en klantbediening.
Met de AI-assistent kunnen teams documenten samenvatten, notulen opstellen en standaardteksten voorbereiden. Ook helpt het systeem bij het zoeken in interne beleidsstukken. Dat bespaart tijd en verlaagt de werkdruk in processen met veel papierwerk. De aanpak is praktisch: starten in laagrisico-taken, leren, en dan uitbreiden.
ABN Amro benadrukt dat de inzet vooral ondersteunend is. Het gaat niet om automatische besluitvorming over krediet of risicomodellen. Daarvoor blijven aparte, streng beheerde systemen gelden. De bank houdt daarbij vast aan interne governance en toetsing.
Nederlandse banken investeren breder in dit soort hulpmiddelen. De sector wil efficiënter werken en kosten verlagen zonder kwaliteit te verliezen. Tegelijk groeit de druk door wetgeving en toezicht. De uitrol bij ABN Amro past in die beweging.
85% van het personeel krijgt AI-hulpmiddelen op het werk.
Assistent voor kantoortaken
De AI-assistent helpt met schrijven, herschrijven en vertalen van teksten. Dit kan gaan om e-mails, memo’s en klantbrieven. Het systeem kan ook beleid en handleidingen doorzoeken en kernpunten tonen. Zo vindt een medewerker sneller de juiste passage of regel.
De techniek achter de assistent is een groot taalmodel (LLM). Dat is een algoritme dat op veel tekst is getraind en daarop patronen leert. Het model kan menselijke taal begrijpen en genereren. In de bankomgeving draait het met extra veiligheidsmaatregelen en logging.
Voor softwareteams kan de assistent code uitleggen of testcases voorstellen. Dat versnelt onderhoud en documentatie. Toch blijft de mens verantwoordelijk voor de eindversie. Fouten of “hallucinaties” — onjuiste maar overtuigende antwoorden — moeten actief worden gecontroleerd.
De bank begrenst ook de reikwijdte van de vragen. Vertrouwelijke klantgegevens horen niet in open prompts. Medewerkers krijgen richtlijnen voor wat wel en niet mag. Dit verkleint het risico op datalekken en verkeerde interpretaties.
Mens houdt eindverantwoordelijkheid
ABN Amro positioneert de AI als hulpmiddel, niet als beslisser. Medewerkers keuren uitkomsten goed voordat ze naar klanten of toezichthouders gaan. Vier ogen blijven de norm bij risicovolle taken. Dit sluit aan bij bestaande kwaliteitscontroles in de financiële sector.
Het gebruik vraagt om duidelijke rolverdeling. De AI levert een eerste versie of analyse. De medewerker beoordeelt, verbetert en zet de stap naar uitvoering. Zo blijft de keten van verantwoordelijkheid intact en herleidbaar.
Voor compliance-taken, zoals klantonderzoek en transactiemonitoring, gelden extra waarborgen. AI mag daar ondersteunen met samenvattingen en patroonherkenning. Maar het eindoordeel ligt bij de professional, met dossiervorming en audittrail. Dat is nodig voor interne audits en externe controles.
De bank bouwt hiervoor governance in. Denk aan modelregistratie, validatie en periodieke herbeoordeling. Ook moet duidelijk zijn welke versie van het model is gebruikt. Zo blijft vast te stellen hoe een uitkomst tot stand kwam.
AI-verordening vormt kaders
De Europese AI-verordening (AI Act) deelt toepassingen in per risico. Interne productiviteitstools vallen meestal in lage of beperkte risicoklassen. Toch gelden er plichten, zoals transparantie over AI-gebruik en menselijke controle. Dat sluit aan bij de aanpak van een AI-assistent voor kantoortaken.
Toepassingen als kredietbeoordeling en klantprofilering zijn hoog risico. Daarvoor zijn strengere eisen verplicht, zoals robuuste datakwaliteit, risicoanalyses en documentatie. Ook moeten er maatregelen zijn tegen discriminatie en bias. Banken moeten kunnen aantonen dat beslissingen uitlegbaar en herhaalbaar zijn.
De AVG blijft daarnaast leidend voor persoonsgegevens. Dataminimalisatie, doelbinding en versleuteling zijn verplicht. Organisaties hebben vaak een Data Protection Impact Assessment nodig bij nieuwe AI-toepassingen. Loggen van prompts en antwoorden helpt om incidenten te onderzoeken.
Voor Nederland verandert hiermee ook het werk van toezichthouders en auditteams. Zij moeten AI-dossiers kunnen toetsen op volledigheid en naleving. Praktisch betekent dit meer aandacht voor modelbeheer en datastromen. En duidelijke interne regels over wie waarvoor verantwoordelijk is.
Privacy en dataveiligheid cruciaal
AI in een bank draait om gevoelige data. Daarom horen toegang en rechten strikt te zijn afgeschermd. Niet iedereen mag alles zien of delen met een model. Technische maatregelen zoals versleuteling en monitoring zijn onmisbaar.
Prompts kunnen zelf gevoelige informatie bevatten. Training en tools moeten voorkomen dat klantdata onnodig in het systeem komt. Een “data loss prevention”-laag kan invoer en uitvoer filteren. Dit helpt om AVG-risico’s te beperken.
Audits vragen om herleidbaarheid. Het bewaren van context, versies en feedback is daarom nodig. Zo kan een team achteraf beoordelen waarom een antwoord is geaccepteerd of afgewezen. En of het model moet worden bijgestuurd.
Beveiliging is geen eenmalige stap maar een proces. Modellen veranderen en data groeit. Periodiek testen, “red-teamen” en beleid bijwerken horen erbij. Zo blijft het systeem veilig en betrouwbaar.
Scholing en effect op werk
Succes volstaat niet met techniek; mensen moeten leren hoe je goed met AI werkt. Korte, gerichte trainingen helpen bij het schrijven van duidelijke opdrachten. Teams oefenen met voorbeelden uit hun eigen werk. Dit verhoogt de kans dat de assistent echt tijd bespaart.
Werk verandert door AI. Standaardtaken kosten minder tijd, terwijl controle en interpretatie belangrijker worden. Functies verschuiven naar kwaliteitsbewaking en klantgericht maatwerk. Nieuwe rollen ontstaan, zoals AI-coördinator of modelbeheerder.
De ondernemingsraad en vakbonden spelen een rol bij deze veranderingen. Heldere afspraken over taken, beoordeling en privacy zijn belangrijk. Medewerkers moeten weten wat er wel en niet wordt gemeten. Transparantie voorkomt wantrouwen.
Effectmeting is nodig om de belofte waar te maken. Denk aan productiviteitscijfers, foutreductie en klanttevredenheid. Kleine pilots geven inzicht voordat de uitrol breder gaat. Zo blijft de invoering beheerst en aantoonbaar nuttig.