EIM als fundament voor AI-succes in de financiële sector

Ik weet bijvoorbeeld dat verzekeraars AI inzetten om claims sneller te beoordelen, waarbij algoritmes schadeclaims automatisch analyseren en beoordelen op consistentie en mogelijke fraude. Banken gebruiken AI steeds vaker om transacties te monitoren en verdachte activiteiten sneller op te sporen, wat essentieel is in de strijd tegen witwaspraktijken of zelfs terrorismefinanciering. Pensioenadviseurs verkennen op hun beurt hoe AI kan helpen bij het persoonlijk adviseren van deelnemers over hun pensioenopbouw. Mogelijke pensioengaten worden ermee opgespoord. Dat doen ze door gebruik te maken van grote hoeveelheden financiële en demografische data.

Ben je een financiële tussenpersoon? Ook dat ga je AI wellicht gebruiken in de vorm van een AI-agent waar klanten vragen aan kunnen stellen. In alle talen geven zij snellere antwoorden dan je van een mens kunt verwachten. Foutloos en consequent.

Deze ontwikkelingen bieden enorme kansen voor efficiëntere processen, betere klantbediening en risicobeheersing. Maar ze brengen ook nieuwe uitdagingen met zich mee: uitdagingen die direct te maken hebben met de kwaliteit, beheersbaarheid en organisatie van data. Wat mogelijk niet meehelpt (dus een extra risico vormt) is dat financiële organisaties door fusies en overnames steeds groter zijn geworden. Op welke data kan men vertrouwen als databases elkaar tegenspreken?

AI-modellen leveren soms onverwachte of zelfs onbetrouwbare resultaten. Vraag het maar aan slachtoffers van de toeslagenaffaire. Een foutief AI-model detecteerde fraude, onschuldige Nederlanders werden onterecht als verdacht bestempel. Maar er zijn meer gevolgen denkbaar. Vragen rondom compliance blijven lastig te beantwoorden als er geen eenduidige antwoorden aan auditors gegeven kunnen worden. Ook kan klantcommunicatie de persoonlijke touch missen die men eigenlijk voor ogen had.

Negen van de tien keer ligt de oorzaak niet bij de technologie, maar bij de basis: de kwaliteit en organisatie van data. Maar wat is klantdata eigenlijk? Een opmerkelijke vraag wellicht, maar ik wil je meenemen in het feit dat (klant)data tegenwoordig in veel meer verschillende vormen voorkomt. Het gaat allang niet meer om papieren dossiers, zoals verzekeringen en polissen, die gedigitaliseerd zijn. Tegenwoordig gaat het ook om foto’s (schade-afhandelingen), WhatsApp-berichten (klantcontact) en wellicht zelfs video. Verouderde documentmanagementsystemen blijken daar lang niet altijd even goed mee om te kunnen gaan. Bovendien manifesteren deze data zich op vele communicatiekanalen, waardoor gegevens versnipperd kunnen raken en er geen 360⁰ klantbeeld meer bestaat. De keerzijde van al deze technologie is decentralisatie geworden met de daarbij behorende risico’s als het om de veiligheid van deze data gaat.

Een ander gebied waar ik veel vragen over krijg, is compliance. Toezichthouders zoals de DNB en AFM stellen steeds strengere eisen aan transparantie, zeker als AI-oplossingen beslissingen beïnvloeden. Stel dat je AI automatisch klanten laat goed- of afkeuren voor kredieten. Dan moet je precies kunnen aantonen op welke gegevens, analyses en overwegingen die beslissing is gebaseerd. Zonder een gecentraliseerde en goed beheerde informatievoorziening is dat onmogelijk.

Dat is mijn persoonlijke conclusie. Ik zal het uitleggen: als je AI-modellen gaat voeden met versnipperde data, waar je niet met zekerheid op kunt vertrouwen, dan gaan bijvoorbeeld AI-agenten foutieve antwoorden genereren. Bovendien is de technologie zover dat AI-agenten ook elkaar om advies kunnen vragen. Dus klopt de data niet dan zijn de gevolgen van ‘digitaal geroddel’ niet meer te overzien! Net zo snel als AI-modellen correcte data kunnen ophalen kunnen ze ook foutieve data verspreiden.

Enterprise Information Management (EIM) draait niet alleen om het organiseren van data; het gaat om het creëren van een stevige, toekomstgerichte basis. Een goede EIM-aanpak zorgt ervoor dat AI-initiatieven niet stranden, maar kunnen versnellen.

Concreet betekent dit dat EIM helpt om:

• Data centraal en eenduidig beschikbaar te maken (Single Source of Truth).
• De kwaliteit en actualiteit van informatie continu te borgen.
• Inzicht en traceerbaarheid te bieden voor audits, compliance en governance.
• Verschillende vormen van data , gestructureerd én ongestructureerd, slim te beheren
• Innovaties zoals AI-agenten veilig en betrouwbaar te ondersteunen.

Met EIM creëer je dus niet alleen grip op je data, maar ook ruimte voor vernieuwing, efficiency, een hogere klanttevredenheid en een (nog) veiligere omgang met privacygevoelige gegevens.