ING geeft kunstmatige intelligentie een grotere rol bij het beoordelen van hypotheekaanvragen in Nederland. De bank past algoritmen toe in de acceptatieketen om dossiers sneller en consistenter te verwerken. Dit gebeurt op het moment van schrijven binnen de bestaande processen, met extra aandacht voor regels uit de AVG en de Europese AI-verordening. Doel is snellere doorlooptijden, lagere kosten en voorspelbare uitkomsten voor klanten.
ING vergroot inzet algoritmen
ING zet datamodellen in om hypotheekaanvragen te rangschikken en risico’s eerder te zien. Zo kan de bank standaarddossiers sneller beoordelen en ingewikkelde gevallen tijdig apart nemen. De inzet van kunstmatige intelligentie moet wachttijden verkorten en verschillen tussen beoordelaars verkleinen.
Een algoritme is een set rekenregels die patronen in veel gegevens herkent. Voor hypotheken analyseert zo’n systeem bijvoorbeeld relevante inkomens- en risicosignalen in het dossier. Het model geeft een score terug die de kans op toekenning en het risico inschat.
Die uitkomsten gaan vervolgens naar menselijke acceptanten binnen ING. Zij zien signalen, drempelwaarden en aandachtspunten in één overzicht. Complexe of twijfelgevallen blijven een zaak voor ervaren beoordelaars.
Mens houdt laatste woord
ING benadrukt dat medewerkers de uiteindelijke beslissing nemen en dat AI vooral ondersteunt. Dit heet “human-in-the-loop”: een mens controleert en kan het systeem corrigeren. Zo blijft maatwerk mogelijk bij onvolledige of ongewone dossiers.
Onder de AVG hebben klanten het recht op uitleg en op menselijke herbeoordeling bij geautomatiseerde profilering. Artikel 22 verbiedt volledig geautomatiseerde besluiten met grote gevolgen zonder menselijke tussenkomst. ING moet daarom helder maken wanneer en hoe het systeem wordt gebruikt, en hoe bezwaar werkt.
Toezichthouders AFM en DNB letten op zorgplicht, uitlegbaarheid en gelijke behandeling. Banken moeten kunnen aantonen dat modellen geen groepen benadelen en dat uitkomsten controleerbaar zijn. Dat vraagt om documentatie, onafhankelijke modeltests en periodieke audits.
AI-verordening legt plichten op
De Europese AI-verordening (AI Act) ziet kredietwaardigheidsbeoordeling als hoog risico. Voor hypotheekbeoordeling gelden daarom strenge eisen rond datakwaliteit, transparantie en menselijk toezicht. Op het moment van schrijven worden de regels gefaseerd ingevoerd, met hoofdverplichtingen die naar verwachting vanaf 2026–2027 gaan gelden.
In de AI-verordening valt kredietbeoordeling van natuurlijke personen onder “hoogrisico-AI”, met verplichte risicobeheersing, logging, datagovernance en menselijke controle.
Concreet moeten banken hun modellen beheren met risicoregisters, duidelijke procedures en uitgebreide logbestanden. Ze testen op vertekening, monitoren prestaties en informeren gebruikers over de rol van het systeem. Niet-naleving kan leiden tot ingrijpen door toezichthouders en hoge boetes.
Voor ING betekent dit extra governance rond modelbouw en gebruik. Ook interne en externe leveranciers moeten aan dezelfde normen voldoen. Consistente rapportages richting auditors en toezichthouders worden daarmee onderdeel van het dagelijkse werk.
Privacy en data onder controle
Hypotheekprocessen gebruiken gevoelige gegevens zoals inkomen, schulden en betalingsgedrag. De AVG eist dataminimalisatie: alleen verwerken wat nodig is, met duidelijke doelen en bewaartermijnen. Versleuteling en strikt toegangsbeheer beschermen deze gegevens in systemen en back-ups.
Transparantie richting klanten wordt belangrijker wanneer AI meebeslist. Uitleg moet inzicht geven in welke gegevens het model gebruikt en waarom een aanvraag is afgewezen of vertraagd. Heldere communicatie helpt vertrouwen en maakt bezwaar en herstel mogelijk.
Voor het trainen en verbeteren van modellen is een geldige juridische grondslag nodig. Vaak gebeurt dit met geanonimiseerde of gepseudonimiseerde data om privacyrisico’s te verkleinen. Een Data Protection Impact Assessment (DPIA) is in deze context doorgaans verplicht.
Voordelen en open vragen
AI kan hypotheekaanvragen sneller en uniformer maken, wat klanten tijd en onzekerheid scheelt. Standaarddossiers bewegen vlotter door de keten, waardoor medewerkers zich richten op uitzonderingen. Dat kan ook de foutkans in drukke periodes verminderen.
Tegelijk blijven er zorgen over bias, bijvoorbeeld op basis van arbeidscontract, leeftijd of postcode. Uitlegbaarheid is cruciaal, zeker bij complexe datamodellen. Als historische patronen ongelijkheid bevatten, kan een model die onbedoeld versterken.
ING zal prestaties, fouten en klachten moeten volgen en daarop bijsturen. Feedback van adviseurs en klanten kan helpen om regels en signalen te verfijnen. Het succes hangt af van techniek, toezicht en duidelijke communicatie richting aanvragers.