In mijn vorige blogs in deze serie heb ik gekeken naar hoe leiders AI opschalen, hoe we werk opnieuw uitvinden met behulp van agentische AI en hoe we leiding kunnen geven aan deze verandering. In deze voorlaatste blog bekijk ik hoe agentische AI het personeelsbestand hervormt en een cruciale rol creëert voor de HR-functie.
Accenture's Banking Top Trends 2026:Onbeperkt bankieren is hier
Meer informatie
In het bank- en verzekeringswezen automatiseert AI routinetaken, waardoor complexe werkzaamheden worden uitgebreid, maar de echte verandering is de manier waarop menselijk oordeel wordt ingezet voor beslissingen met een hogere waarde. Zoals een verzekeringscliënt het verwoordde:het doel is om “de robot uit de mens te halen”. Agentic AI doet precies dat:semi-onafhankelijke, gespecialiseerde agenten werken samen met werknemers als capabele collega's.
De impact is niet uniform en ook niet onvermijdelijk. AI heeft geen invloed op elke taak in een rol en de uitkomsten liggen niet vooraf vast. Leiders maken weloverwogen keuzes over wat mensenwerk moet blijven en wat naar AI moet verschuiven. Dit gaat minder over het herontwerpen van rollen en meer over het ontwerpen van werk met het oog op resultaten en intenties, niet op functietitels.
Invloed per sector
Agentic AI zal een nieuwe vorm geven aan de manier waarop waarde wordt gecreëerd binnen het personeelsbestand van de financiële dienstverlening – en niet alleen binnen het personeelsbestand zelf. De juiste strategie is dus zeer organisatiespecifiek.
Werk opnieuw uitvinden betekent ontwerpen voor individuen en voor de teams en netwerken die waarde creëren.
Het meeste kenniswerk in de financiële dienstverlening is teamgebaseerd. Toch passen maar weinig teams zich effectief aan. Uit ons Talent Reinventors-onderzoek bleek dat slechts 19% van de werknemers zegt dat hun team samen met AI experimenteert, en dat slechts 17% zich psychologisch veilig voelt om nieuwe ideeën te delen.
Talent Reinventors pakken deze kloof aan door AI-gestuurde analyses te gebruiken om de teamdynamiek te versterken. Hun teams rapporteren minder stress, een verbeterd welzijn en snellere beslissingen van hogere kwaliteit, gedreven door psychologische veiligheid, experimenten en gedeeld leren.
Dit is van belang in de financiële dienstverlening, waar multidisciplinaire teams, bedrijfsoverschrijdende netwerken en hele ecosystemen zoals beurzen, financiële centra en industriële partnerschappen bepalen hoe het werk wordt gedaan.
Onderzoek ondersteunt deze verschuiving. Uit een recent onderzoek van Ethan Mollick en zijn collega's blijkt dat teams met AI beter presteren dan individuen met AI en teams zonder AI. AI helpt teams kennis- en taalkloven te overbruggen, meer uiteenlopende ideeën te genereren en positieve emoties te bevorderen. Menselijke creativiteit zorgt nog steeds voor nieuwigheid, maar samen presteren mens en AI beter dan alleen.
Naarmate ons werk verandert, moeten de vaardigheden mee veranderen. Uit ons recente Learning Reinvented-onderzoek blijkt dat hoewel 84% van de leidinggevenden verwacht dat AI-agenten binnen drie jaar naast mensen zullen werken, en 80% van de werknemers AI als een kans ziet, slechts 26% aangeeft een training te hebben gevolgd over hoe ze met AI kunnen samenwerken. Vooruitgang is reëel, maar te langzaam.
Vaardigheden gaan achteruit
Veel van deze trends dateren van vóór AI, maar AI versnelt ze.
Vaardigheden waar veel vraag naar is
Zelfs operationele gebieden zoals fraude, betalingen, claims, KYC en kredietverlening verschuiven naar kleinere, meer deskundige teams die zich richten op complexe zaken en situationeel oordeel.
Dit is geen eenmalige transitie. Continu leren maakt mobiliteit van werknemers en inzetbaarheid op de lange termijn mogelijk. Voor sommigen betekent dit bijscholing binnen een functie. Voor anderen betekent het dat ze zich moeten omscholen naar geheel nieuwe carrières.
Toonaangevende banken en verzekeraars zijn al op weg naar op vaardigheden gebaseerde personeelsmodellen, ondersteund door personeelsplanning, leerplatforms en interne talentmarkten.
Om organisaties te helpen hierop te reageren, hebben we LearnVantage gelanceerd, ons flexibele, door AI ondersteunde leerecosysteem voor toekomstige vaardigheden. Het omvat onze AI Academy voor besturen, leidinggevenden en werknemers, variërend van educatieve sessies tot diepgaander leren, waaronder nano-graden en externe certificering door Stanford en anderen.
Bij S&P Global hebben we alle 40.000 medewerkers, waaronder 7.500 people leaders en 200 bestuursleden en senior leiders, getraind in GenAI. De deelname bereikte 100%, MPS was zeer positief en er was een verviervoudiging in de adoptie van AI-tools. S&P Global is een duidelijk rolmodel voor het gebruik van leren om bedrijfsbrede veranderingen te bewerkstelligen.
Ik ben vooral onder de indruk van enkele nationale inspanningen in het Midden-Oosten op het gebied van omscholing – waaronder het Emirates Institute of Finance, training in cloudvaardigheden in de VAE en KSA, en AI-bijscholing voor de Commercial Bank of Dubai. In Japan hebben we 36.000 frontofficemedewerkers en 300 leiders bij een grote verzekeraar bijgeschoold, waardoor ze effectief met digitale assistenten kunnen werken en meer gepersonaliseerde klantresultaten kunnen leveren.
Co-learning is wanneer mensen technologie onderwijzen en er tegelijkertijd van leren. Dit is de focus van dit onderzoek. Vroege voorbeelden zijn onder meer AI-coaches en zakelijke copiloten. In een agentische architectuur passen deze systemen zich aan individuen aan, verbeteren ze met feedback en ondersteunen ze het leren in de werkstroom.
Denk eens aan een contactcenter. Een menselijke agent leidt het gesprek; een AI-agent transcribeert, stelt conforme antwoorden voor en vat de resultaten samen. Wanneer de menselijke agent suggesties overslaat of beoordeelt, leert de AI. Na het gesprek geeft het reflectieve feedback. De capaciteiten verbeteren voor zowel mens als machine.
Hiermee worden enkele uitdagingen aangepakt waarmee FS te maken krijgt:a) hoe de capaciteiten en prestaties van zowel mens als agent in de echte wereld kunnen worden vergroot en niet alleen tijdens het testen; b) hoe de bruikbaarheid, acceptatie en gebruik van AI kunnen worden verbeterd, aangezien geweldige AI-producten die niet worden gebruikt geen waarde genereren; c) hoe je het leren echt in de werkstroom kunt plaatsen waar het de resultaten voor medewerkers en klanten het beste kan ondersteunen, en d) tijd vrijmaken voor dieper leren. Organisaties die deze aanpak gebruiken, ontwikkelen vier keer sneller vaardigheden en verdubbelen het vertrouwen in de samenwerking met AI.
Bij een grote Europese verzekeraar zorgde dit model ervoor dat de afgehandelde oproepen door medewerkers met 5 à 10% werden verminderd, de gemiddelde afhandelingstijd met 10% werd verlaagd en ongeveer 20% capaciteit werd vrijgemaakt, terwijl de vaardigheden en de tijd tot competentie werden verbeterd.
Organisaties hebben ook gespecialiseerd talent nodig om AI te bouwen, te besturen en uit te leggen. Deze rollen combineren steeds vaker technische diepgang met expertise op zakelijk gebied.
Het aantal AI-vacatures is sinds eind 2023 meer dan verdrievoudigd, waardoor de concurrentie is toegenomen. Banken en verzekeraars moeten zich onderscheiden. Voor één grote bank hebben we het werkgeversmerk in India geherpositioneerd, waardoor de snelle uitbouw mogelijk werd van een dataorganisatie voor 1.000 personen die opereert in een modern, mondiaal model.
Via LearnVantage richten we ons ook op diepere specialistische omscholing voor data- en AI-professionals, vooral na onze overname van Udacity, Ascendient en AIdemy.
Voorbeelden hiervan zijn:
Deze inspanningen gaan verder dan fundamentele training, waar veel omscholingsprogramma's ophouden. We bouwen consequent geavanceerde en deskundige capaciteiten op via gestructureerde digitale trajecten, echte projecten, mentorschap, nanograden en samenwerkend leren.
Naarmate de kwaliteit van AI toeneemt, bestaat het risico dat werknemers te veel vertrouwen op AI en feitelijk ‘achter het stuur in slaap vallen’. Als we een mens aan het roer hebben, willen we dat deze effectief en actief is in deze rol. Uit een onderzoek onder recruiters bleek dat Dell’Aqua recruiters die te veel op AI vertrouwden, slechtere selectiebeslissingen namen en briljante kandidaten misten. De toenemende prestaties van de AI waren eerder een vervanging dan een verbetering van hun menselijke prestaties.
We zijn gewoontedieren en proberen de cognitieve belasting te minimaliseren (ook wel het ‘pad van de minste weerstand’ genoemd). We hebben een reden nodig om op te letten, de AI-resultaten goed te controleren, een gezonde scepsis te behouden en niet te veel vertrouwen te hebben. We moeten AI-outputs als concept gebruiken en deze combineren met ons eigen menselijk vernuft. Een goed mens zijn aan de leiding vereist cognitieve belasting.
Als we de grondbeginselen van het werk of de manier waarop een beslissing moet worden genomen niet begrijpen, kunnen we de AI-resultaten niet goed beoordelen, fouten opsporen of een oordeel vellen wanneer er een bijstelling nodig is. Naarmate AI het werk versnelt en de resultaten ervan verbetert, zou er meer tijd moeten zijn voor goede besluitvorming. Het risico is dat we in plaats daarvan beslissingen overhaasten en de machine te veel vertrouwen. We hebben manieren gevonden om dit tegen te gaan:gerichte training, gestructureerde beslissingsaanwijzingen, het opsplitsen van complexe oordelen in logische stappen, het vereisen van AI-uitleg en citaten, detectie van afwijkingen en ethische monitoring van zowel AI als menselijke prestaties.
Zodra AI op de werkvloer wordt geschaald, moeten we AI op een manier in werkbanken en tools inbedden die goed gebruik bevordert. We moeten werknemers trainen in het goed gebruiken van AI en in de menselijke vaardigheden die we willen dat ze toepassen (bijvoorbeeld beoordelingsvermogen). We moeten prikkels en ontmoedigingen bieden om het juiste gedrag te bevorderen en gezonde patronen van zelfreflectie te creëren (bijvoorbeeld teamretrospectives, individuele reflectie, peer review enz.).
Het maximaliseren van het AI-rendement op investeringen gaat niet over het maximaliseren van de AI-prestaties op zichzelf, maar over het samen verbeteren van de prestaties van mensen en agenten. Dit betekent ook dat de menselijke vaardigheden moeten worden vergroot. Mijn persoonlijke ervaring met mijn creatieve teams is bijvoorbeeld dat AI in de handen van geschoolde werknemers die hun werk actief uitbreiden en verrijken, meer creatieve diversiteit en snellere resultaten oplevert, in plaats van hun vak af te zwakken.
Hoe AI wordt getraind om met menselijke werknemers om te gaan, is ook van groot belang voor het leren. Een recent onderzoek van Wharton heeft GPT-gebaseerde docenten ingezet voor duizend studenten – toegang tot deze AI verbeterde de prestaties van studenten aanzienlijk – maar toen de AI werd verwijderd, daalden de prestaties. De AI was een steunpilaar geworden. Waar een op docenten gebaseerde AI was ingezet, werd deze prestatiedaling grotendeels verzacht. We moeten agenten ontwerpen en trainen om de ontwikkeling van de vaardigheden van medewerkers te ondersteunen, als een goede teamgenoot.
Dit is vooral belangrijk bij functies op instapniveau en in de beginjaren. Basisvaardigheden, situationeel oordeel en fundamentele domeinkennis worden traditioneel ontwikkeld door middel van leren op de werkplek. Nu deze rollen op instapniveau kleiner worden en we minder basiswerk hebben om ‘de kneepjes van het vak te leren’, moeten we andere manieren vinden om de volgende generatie talenten te helpen leren.
Ik ben dol op de visie van mijn collega Karalee Close hierover:we moeten dit moment gebruiken om de menselijke intelligentie te versterken, en niet alleen maar te vergroten of kunstmatig te repliceren. Een gebied van voortdurende interesse voor mij is collectieve intelligentie en hoe AI de ontwikkeling van gedeelde kennis kan stimuleren, een actieve dialoog kan creëren, taalbarrières kan verlagen en ons kan helpen verbinding te maken en samen te werken met collega's en inhoud over de hele wereld.
In mijn eerdere blogs in deze serie hebben we agent-AI naast mensen zien werken. Voor veel mensen (waaronder ikzelf) is AI al een collega. Drie jaar later kan een bank of verzekeraar opereren met een personeelsbestand van een miljoen mensen, zowel mensen als agenten.
Hoe gaan we om met dit nieuwe hybride personeelsbestand? Enkele gedachten over de agenten:
We moeten ook de manier aanpassen waarop we collega’s ondersteunen:
Deze discussie over de hybride beroepsbevolking is nog maar net in opkomst en moet zorgvuldig worden onderzocht. Hoewel AI mensachtige capaciteiten heeft en het geruststellend kan zijn om er namen aan te geven, mogen we AI niet antropomorfiseren en gelijkstellen aan menselijke werkers. We zullen betere taal nodig hebben. We moeten de unieke intrinsieke waarde van mensen waarderen en een duidelijk verschil met agenten behouden.
Een effectieve AI-personeelsstrategie moet de stem van werknemers combineren met metingen. Organisaties die actief naar werknemers luisteren en die input weerspiegelen in AI-beslissingen, zien een grotere acceptatie, sterker vertrouwen en duurzamere prestaties (SHRM, 2025).
De stem van werknemers kan vele vormen aannemen:werknemersvertegenwoordiging in AI-ethiekraden, overleg met vakbonden en ERG’s, participatief ontwerp, gestructureerde feedback tijdens pilots, voortdurende feedback in gebruik en krachtige kanalen voor het uiten van zorgen en klokkenluiden. Financiële dienstverleners hebben de afgelopen tien jaar vooruitgang geboekt bij het luisteren naar en reageren op zorgen; dit strekt zich nu uit tot zorgen over de nauwkeurigheid en prestaties van agenten.
Meting maakt vooruitgang zichtbaar. Door de adoptie van AI, het sentiment onder medewerkers, de groei van vaardigheden en de digitale vaardigheid bij te houden, kunnen leiders en HR-cursussen het momentum corrigeren en behouden.
De Chief People Officer of CHRO speelt een sleutelrol als veranderingsleider. Hij helpt het hele leiderschapsteam de verandering van mensen goed te leiden, te navigeren hoe het nieuwe hybride personeelsbestand te beheren en hun eigen HR-functie te ondersteunen bij het op verantwoorde wijze omarmen van AI.
HR-teams moeten de opleiding van leiders, de omscholing van het personeel en de verwerving en ontwikkeling van specialistische data en AI-talent ondersteunen. Zakenpartners hebben ook behoefte aan een beter inzicht in de manier waarop werk en vaardigheden binnen hun functie veranderen. Dit vereist het afbreken van silo’s.
Bijna alle Talent Reinventors (96%) brengen HR-, IT- en bedrijfsleiders op één lijn rond één enkele talent- en technologiestrategie, vergeleken met slechts 16% van andere organisaties. Op dezelfde manier heeft 93% hun talentstrategie opnieuw gedefinieerd om de adoptie van AI te ondersteunen, waarbij HR wordt gepositioneerd als een copiloot van verandering in plaats van als een reactieve functie.
Om deze verschuiving te realiseren moeten talentteams in staat zijn om hybride arbeidskrachten snel te laten groeien, opnieuw in te zetten en opnieuw vorm te geven. Beloningsteams hebben nieuwe economische modellen nodig die een hybride personeelsbestand weerspiegelen. Tegelijkertijd creëert AI aanzienlijke kansen binnen HR, waardoor de resultaten, ervaring en effectiviteit van de dienstverlening worden verbeterd.
Voor HR-professionals is dit een spannend moment. Hun rol is zelden zo cruciaal geweest.
Ons Responsible AI Program for HR, gelanceerd in 2016, is ontworpen om het gebruik van AI binnen HR te versnellen, te beheren en te monitoren. We passen nu AI toe gedurende de volledige levenscyclus van talent:werving, onboarding, ontwikkeling, mobiliteit, beloning en ondersteuning van collega's.
De impact was materieel:ongeveer 45% productiviteitswinst binnen HR, een verbetering van 30% in de vaardigheid voor prioritaire vaardigheden, een stijging van 40% in het interne bezettingspercentage en een vermindering van 35% in de tijd om vacatures te vervullen. Deze uitkomsten geven collega’s meer kracht. We gebruiken bijvoorbeeld AI om vaardigheden af te leiden uit werk- en leerervaringen, deze onder de aandacht te brengen van werknemers en hen te helpen toekomstige rollen, carrièrepaden en leeropties te identificeren.
Veel klanten in de financiële dienstverlening gaan ook over van reactief werven naar proactieve talentstrategieën, waarbij ze platforms als Eightfold.ai en Beamery gebruiken ter ondersteuning van sourcing, rolmatching, pijplijnopbouw en interne mobiliteit.
Toch bleek uit ons Talent Reinventors-onderzoek dat slechts ongeveer 7% van de organisaties AI gebruikt om een “interne eerst” mobiliteitsstrategie aan te sturen. De meesten zijn nog steeds sterk afhankelijk van externe aanwervingen of geïsoleerde interne verhuizingen vanwege het slechte zicht op de vaardigheden. Talent Reinventors bewandelen een ander pad. De kans is 4,4x groter dat ze beschikken over een aanpasbaar personeelsbestand en 7,2x vaker dat ze intern functies vervullen.
Een grote Amerikaanse bank is een sterk voorbeeld. Door een op vaardigheden gebaseerd model te hanteren en de zichtbaarheid van door AI ondersteunde vaardigheden in de personeelsplanning te integreren, kunnen leiders op hiaten anticiperen en talent snel herinzetten, waardoor een wendbare en veerkrachtige organisatie ontstaat.
Bij een andere grote bankklant hebben we lijnmanagers uitgerust met AI-tools om prestatieoverzichten op te stellen, betere feedback te geven en beloningsbeslissingen te ondersteunen, waardoor tijd wordt bespaard, de kwaliteit wordt verbeterd en ruimte wordt gecreëerd voor een sterker oordeel.
Enkele belangrijke punten waarover u misschien wilt nadenken - laat me uw gedachten en ideeën weten:
In deze voorlaatste blog hebben we onderzocht hoe financiële dienstverleners hun personeelsbestand moeten hervormen. Agentic AI vereist dat we anders denken over de samenwerking tussen mensen en agenten. Banken en verzekeraars zullen waarschijnlijk kleinere, maar veel meer digitale en menselijk geschoolde arbeidskrachten in dienst nemen, waardoor de vraag naar omscholing blijft aanhouden. HR moet centraal staan in deze transitie en leiders helpen bij het navigeren door veranderingen en het beheren van het hybride personeelsbestand.
In de laatste blog in deze serie zal ik onderzoeken hoe leiderschap, cultuur en bedrijfsmodellen ook moeten evolueren om deze transformatie te ondersteunen.
Drie vragen om over na te denken voordat uw bedrijf internationaal gaat
Een winst- en verliesrekening voor kleine bedrijven is een must!
Hoe u uw online bedrijf winstgevend kunt beëindigen
Het verschil tussen een accountant en een financieel analist
Wat is nominale schuld?
Beveilig uw toekomst:IRA's begrijpen voor financieel geluk op de lange termijn
Bijna iedereen gelooft ten minste één geldmythe