In eerdere blogs in deze serie heb ik onderzocht hoe toonaangevende organisaties in de financiële dienstverlening (FS) AI opschalen voor waarde en een door mensen geleide aanpak gebruiken, inclusief agentische architecturen die werk opnieuw vormgeven.
In deze blog concentreer ik me op hoe je die verandering goed kunt leiden:het nastreven van bedrijfsresultaten, het instellen van de juiste investeringen en risicobereidheid, het beheren van snelle en gedistribueerde veranderingen en het door mensen geleid houden van de verschuiving.
Accenture's Banking Top Trends 2026:Onbeperkt bankieren is hier
Meer informatie
Uit ons onderzoek blijkt dat 86% van de leidinggevenden van plan is hun investeringen in generatieve AI (GenAI) in 2025 te vergroten; 80% verwacht dat de waarde van AI de verwachtingen zal overtreffen. Toch heeft slechts 34% van de organisaties AI opgeschaald voor een kernproces. Degenen die dat wel hebben, hebben drie keer meer kans om hun verwachte ROI te overschrijden.
Deze leiders delen duidelijke kenmerken:sterke CEO-sponsoring, waardegerichte strategieën en solide fundamenten:veilige digitale kernen, kwaliteitsdata, verantwoorde AI-frameworks, bekwame teams en ondernemerschapsonderwijs. Dit patroon is vooral sterk in FS.
Met agentische AI wordt de kloof sneller groter. De kans dat leiders in 2025 strategisch investeren in agentische architecturen is 4,5x groter en de kans is zes keer zo groot dat ze de GenAI-investeringen aanzienlijk zullen verhogen. Ze gaan vooruit en versnellen.
Organisaties die vastzitten in de proof-of-concept-fase of aarzelen, raken achterop. Wat zijn enkele belemmeringen voor het opschalen van AI in de financiële dienstverlening?
• Onzekerheid over het leiderschap, beperkte investeringen en ongedefinieerde risicobereidheid
• Te rigide, one-size-fits-all risicobeheer
• Beperkte zakelijke betrokkenheid, waarbij AI slechts als een technologische verandering wordt behandeld
• Oudere platforms en gefragmenteerde data
• Business-case-modellen die zich uitsluitend richten op de kosten, en niet op bedrijfsverandering of hergebruik
Maar de grootste barrière is het investeringsniveau in talent, verandering en adoptie. Om succesvol te zijn in AI moeten we de beroepsbevolking meenemen op onze reis.
Op Davos 2026 benadrukte Accenture deze kloof rechtstreeks:terwijl bedrijven vandaag de dag drie dollar in technologie investeren voor elke dollar aan mensen, hebben bedrijven die beide in evenwicht brengen vier keer meer kans om winstgevende groei op de lange termijn te realiseren. Uit het Pulse of Change-onderzoek blijkt ook dat, hoewel leidinggevenden AI als een groeimotor zien, slechts 43% zegt prioriteit te geven aan de omscholing van personeel voor AI-functies. Deze onderinvestering in menselijke capaciteiten, vooral in verandermanagement en bijscholing, is de cruciale rem op de schaalvergroting van AI.
De volgende vraag is waar te investeren? Prioritering moet de haalbaarheid, risicobereidheid, snelheid tot waarde en algemene bedrijfsresultaten weerspiegelen. Hoewel de prioriteiten van elk bedrijf uniek zijn, komen er duidelijke patronen naar voren. Met behulp van eigen analyses op taakniveau bij 220 banken hebben we een stijging van 29% in PBT vastgesteld, een kans van $255 miljard over drie jaar. De rijkste waardebronnen liggen op het gebied van klantenservice, verkoop, IT-engineering, softwarelevering, productontwikkeling, prijzen en risico's.
Als we weten waar we moeten beginnen, is de volgende vraag of we het ons kunnen veroorloven. Dit is een fascinerende vraag omdat AI zo snel is veranderd en traditioneel een vrij klein deel van de investeringen voor de meeste banken en verzekeraars uitmaakte. Toonaangevende CEO's werken samen met CFO's, CDO's/CIO's en besturen om een nieuwe investeringsbereidheid voor GenAI en agentische AI te creëren.
We hebben een aanzienlijke herschikking gezien van de bestaande veranderings- en technologiefinanciering (30% in sommige gevallen), evenals aanvullende eenmalige financiering en de versnelling van bestaande veranderingsinvesteringen met behulp van AI. Sommige AI-leiders beginnen hun investeringen al zelf te financieren door middel van vroege rendementen.
Een evenwichtige investeringsportefeuille voor AI is nuttig (Hosanger, 2025), gezien de spreiding van investeringen:over verschillende bedrijfsgebieden en functies; tussen kostenreductie, groei en heruitvinding; tussen snelle overwinningen (die zorgen voor consensus, momentum en leren) en verandering op langere termijn (nodig voor betekenisvollere winsten).
Een uitgebalanceerde AI-portfolio spreidt de investeringen over:
Op welke verandering moeten deze investeringen gericht zijn? Het is duidelijk dat er moet worden geïnvesteerd in AI zelf, in de aanschaf en opleiding van agenten van ecosysteempartners tot en met de ontwikkeling van interne agenten en testen. Wat vaak over het hoofd wordt gezien zijn de voortdurende investeringen in ‘goede fundamenten’ zoals:
De grootste vermenigvuldiger van ROI is investering in mensen, leiderschap, adoptie, vaardigheden en nieuwe manieren van werken. Toch geven organisaties vandaag de dag $3 uit aan technologie voor elke $1 aan mensen, waardoor aanzienlijke waarde onbenut blijft.
Voor een grote Aziatische bank werkten we samen met de CEO om verantwoorde AI op te zetten, capaciteit op te bouwen en het AI CoE- en leveringsplatform op te zetten, terwijl we honderden ideeën snel beoordeelden op wenselijkheid, haalbaarheid en levensvatbaarheid. Het resultaat:35 GenAI-wijzigingen doorgevoerd in 18 maanden, waardoor $200 miljoen aan jaarlijkse productiviteitsvoordelen wordt ontgrendeld en de verwerkingstijd van klantvragen wordt gehalveerd, terwijl de tijd voor kredietbeoordeling met 80% wordt verkort. Een gestructureerde manier om de portefeuille te beoordelen en te beheren is essentieel.
Hergebruik is essentieel. Modulaire AI-componenten verlagen de implementatiekosten en verhogen de snelheid. Hulpprogramma's die extraheren, samenvatten, onderzoeken, beoordelen en testen kunnen in meerdere workflows worden gebruikt. Een documentextractieagent kan bijvoorbeeld KYC, aanvragen, acceptatie en onderhoud ondersteunen.
Elk hergebruik vereist nog steeds contextueel testen, adoptieontwerp en monitoring. Net als werknemers hebben agenten zowel bedrijfsintroductie als rolspecifieke training nodig.
Tot nu toe, zo goed? De waarde en investeringen stijgen, maar het opschalen van AI vereist duidelijke beslissingen over waar en hoe deze op een verantwoorde manier kunnen worden gebruikt.
Een kernverantwoordelijkheid van leiderschap en bestuur is het vormgeven van de ‘waar te spelen’ risicobereidheid voor AI:beslissen welke beslissingen, processen en klantinteracties geschikt zijn voor AI – en welke niet. Deze keuzes moeten expliciet zijn, periodiek worden herzien en afgestemd op de bedrijfsstrategie, verwachtingen van de regelgeving en culturele waarden.
De risicobereidheid moet continu zijn, en niet episodisch. Toonaangevende FS-organisaties zetten realtime monitoring en AI-controlekamers in om modeldrift, datastromen, agentketens, adoptiekwaliteit en verantwoorde AI-resultaten bij te houden.
Besturen, toezichthouders en leiderschapsteams hebben behoefte aan duidelijke transparantie:waar AI wordt ingezet, wat het doet en of het presteert zoals bedoeld. Sterke verantwoordingskaders moeten deze transparantie versterken en eigenaarschap, escalatie en tijdige interventie garanderen wanneer risico's zich voordoen.
Laten we de belangrijkste aspecten van verantwoorde AI verder uitsplitsen en kijken naar de verandering die daarvoor nodig is.
Vooringenomenheid en schadepreventie zijn van cruciaal belang voor zowel collega's als klanten. Ons doel is simpel:schade vermijden en goed doen met AI. We verminderen vooringenomenheid door een goed ontwerp, hoogwaardige trainingsgegevens, een eerlijke behandeling tussen groepen en rigoureuze tests en monitoring. Zelfs goed geteste modellen kunnen afwijken, dus ze hebben voortdurende controles en escalatie nodig als er zich problemen voordoen, vooral rond beschermde attributen. Mensen hebben ook vooroordelen, dus we moeten interacties ontwerpen waarin mensen en agenten samen kunnen leren en vooroordelen samen kunnen tegengaan.
In HR vereist verantwoorde AI speciale zorg. De EU AI Act beperkt de manier waarop werkgevers AI kunnen gebruiken bij beslissingen die van invloed zijn op de carrières en levens van mensen, zoals aanwerving, promoties en beloning. Zelfs als AI voorspellingen of aanbevelingen doet over het personeelsbestand, moet het gebruik ervan ethisch, duidelijk afgebakend, wetenschappelijk onderbouwd en eerlijk zijn voor alle werknemersgroepen.
Transparantie, verklaarbaarheid en nauwkeurigheid zijn belangrijk. Klanten en collega's willen weten wanneer en hoe AI wordt gebruikt, en in veel FS-processen verwachten ze 100% nauwkeurigheid. We moeten het gebruik van AI openbaar maken, vooral nu interfaces meer gemoedelijk en menselijker worden. AI-outputs moeten interpreteerbaar en traceerbaar zijn en worden ondersteund met citaten (een investeringssamenvatting moet bijvoorbeeld terugverwijzen naar brondocumenten). Betrouwbaarheid is essentieel. GenAI kan hallucineren of gebrekkige resultaten produceren, wat het vertrouwen ondermijnt. Hoewel de nauwkeurigheid verbetert, moeten we mensen trainen om fouten op te sporen en op te treden als waakzame ‘mensen die de leiding nemen’, vooral bij klantgerichte beslissingen die worden ondersteund door AI-agenten.
AI brengt ook risico’s op het gebied van privacy, vertrouwelijkheid en cyberveiligheid met zich mee. AI-systemen moeten de regels voor gegevensbescherming volgen, inclusief het ‘minimaal noodzakelijke’ gegevensgebruik. Collega’s moeten kunnen uitleggen welke klant- of medewerkersgegevens zijn gebruikt. Op basisniveau hebben ze duidelijke richtlijnen nodig over veilig vragen, bijvoorbeeld door nooit klant-, collega- of vertrouwelijke gegevens in openbare tools in te voeren. Beschermingsregels, inclusief het ‘minimaal noodzakelijke’ gegevensgebruik. Collega’s moeten kunnen uitleggen welke klant- of medewerkersgegevens zijn gebruikt. Op basisniveau hebben ze duidelijke richtlijnen nodig over veilig vragen, bijvoorbeeld door nooit klant-, collega- of vertrouwelijke gegevens in openbare tools in te voeren.
Voor een meer diepgaand inzicht kunt u kijken naar Rethinking Responsibility with Genative AI. Wij helpen klanten de juiste richting te bepalen op het gebied van risicobereidheid en verantwoorde AI, van principes naar praktijk. Een voorbeeld is ons werk met de Monetary Authority of Singapore, waar we hielpen bij het opzetten van sectorbrede raamwerken, tools en methoden als onderdeel van Project Veritas. Voortbouwend op deze samenwerking hebben de Monetaire Autoriteit van Singapore en haar industriële partners, waaronder Accenture, dat werk vertaald in praktische richtlijnen met voorbeelden die tot doel hebben financiële instellingen te helpen verantwoorde AI in actie te brengen en waarde veilig op schaal te versnellen.
Zonder verantwoordelijke AI om vertrouwen op te bouwen loopt de adoptie vast en stort de waardecase in. In gereguleerde sectoren als FS zorgen een duidelijke risicobereidheid en verantwoorde AI-praktijken ervoor dat organisaties met vertrouwen, snel en veilig kunnen opschalen. Net als navigatiesystemen en veiligheidsgordels in een auto zorgen ze ervoor dat we snel kunnen bewegen zonder de controle te verliezen.
Het is essentieel om AI te beschouwen als een snel evoluerende verandering, en niet als een lineaire verandering met een vast doel.
AI ontwikkelt zich twee tot drie keer sneller dan voorgaande technologiegolven, waarvan er nog geen enkele voltooid is. De verwachtingen op het gebied van regelgeving, klanten en de samenleving veranderen net zo snel.
De technische mogelijkheden van AI vergroten de nauwkeurigheid met minder fouten, sterkere redeneringen en logica, verbeterde multimodale inputs en outputs. Taken die voorheen buiten bereik lagen (redeneren, berekenen, handelen) worden sterke punten. Toch beïnvloedt AI niet alle taken in gelijke mate. Dell'Aqua et al. (2023) laat een grillige grens zien waarbij sommige taken er veel baat bij hebben, terwijl andere dat niet doen. Die grens verschuift naarmate de mogelijkheden toenemen.
Er verschijnen honderden nieuwe modellen, elk met verschillende sterktes en kosten. Het kiezen van het juiste model is belangrijk. Agentische architectuur is vaak afhankelijk van kleinere, specialistische modellen. Bij Accenture Refinery en met onze ecosysteempartners gebruiken we model-‘schakelborden’ om de beste optie te selecteren en tegelijkertijd de juiste controles in te bouwen.
Dit tempo mag geen aanleiding geven tot passiviteit. Het vereist een adaptieve, continue benadering van verandering. AI is geen lineair programma met een begin en een einde. Het is aan de gang. Het heeft aanhoudende financiering en duurzame teams nodig, geen ‘op en neer’-projecten. Het vereist openheid voor onverwachte ontwikkelingen en signalen van concurrenten en partners, iteratief leren, feedback van klanten en collega’s, en een groeimindset – geen vaste mindset. Snelle verandering creëert pioniersvoordelen en samengestelde effecten op het gebied van waarderealisatie en leren.
AI moet worden behandeld als een gedistribueerde bedrijfsverandering, niet als een gecentraliseerd project.
AI verspreidt zich snel door de onderneming en versnelt het werk overal. Wat ooit jaren duurde, duurt nu maanden; wat maanden duurde, duurt nu weken. Dit creëert aanzienlijke kansen, maar alleen als leiders en teams zich op één lijn bevinden rond een gedeelde visie en binnen duidelijke vangrails opereren.
Zonder afstemming leidt gedistribueerde verandering snel tot dubbel werk en wanorde. Leiders in het hele bedrijf hebben ondersteuning nodig om hoogwaardige kansen te identificeren en toegang te krijgen tot leveringsmogelijkheden. Grotere AI-initiatieven vereisen ook sterke eigenaren van bedrijfsproducten, en niet alleen de CDO of CIO, om ervoor te zorgen dat de resultaten gebaseerd zijn op echte klantbehoeften en commerciële waarde.
Naarmate AI alomtegenwoordig wordt, moet de HR-functie evolueren. HR-teams bij banken en verzekeraars moeten het personeel helpen om zich klaar te maken voor AI en over te stappen naar nieuw werk, maar ook om zich voor te bereiden op het menselijke personeel op grote schaal. Het mandaat van HR strekt zich nu uit tot het orkestreren van een gecombineerd personeelsbestand van mensen en intelligente agenten. Dit omvat onder meer het snel opbouwen van AI-vaardigheden, het hervormen van functie-architecturen, het uitbreiden van leertrajecten met partners en het bevorderen van een cultuur van nieuwsgierigheid en gezamenlijk leren. Door AI-training, ethiek en veranderingsveerkracht in de kernpraktijken van talent te integreren, kan HR werknemers helpen met vertrouwen met AI te werken in plaats van er bang voor te zijn.
Veel financiële dienstverleners exploiteren al AI-expertisecentra of gefedereerde AI-netwerken. Om effectief te zijn, moeten deze teams multidisciplinair zijn en zich bezighouden met data-engineering, modelontwikkeling, prompt-engineering, testen, werkontwerp, betrokkenheid van collega's, adoptie en verandermanagement. We hebben dergelijke teams gebouwd voor klanten van elke omvang. Hun succes hangt af van de toegang tot de juiste tools, modellen, infrastructuur, datafundamenten en sterke, verantwoordelijke AI-vangrails.
Waarde, investeringen, verantwoorde schaalvergroting en gedistribueerde veranderingen zijn allemaal van belang, maar AI heeft alleen succes als het wordt behandeld als een mensgerichte verandering. AI moet werken voor klanten en collega’s. Een door mensen geleide aanpak maakt deel uit van verantwoord ondernemen en levert een veel groter rendement op. Het schept vertrouwen, pakt zorgen aan, ondersteunt de interactie tussen mens en agent, stimuleert de adoptie en maakt nieuwe manieren van werken mogelijk.
Vertrouwen vormt de kern van elke transformatie. Teams hebben psychologische veiligheid nodig om te experimenteren en nieuwe manieren van werken te adopteren (Edmondson, 2018). Angst, conflicten en weinig vertrouwen zijn verantwoordelijk voor 85% van de mislukte transformaties (Accenture Transformation GPS, 2025).
Werknemers hebben gemengde opvattingen over AI. Velen willen het leren en gebruiken, en vertrouwen er vaak al op in hun persoonlijke leven. Tegelijkertijd maken ze zich zorgen over werkzekerheid, werkintensiteit, adoptie en ethiek. Leiders moeten reageren met een duidelijke personeelsstrategie, eerlijke communicatie en integriteit in de manier waarop veranderingen worden beheerd.
Dit is een gebied van gepolariseerd commentaar. AI zal sommige banen automatiseren, nog veel meer uitbreiden en nieuwe banen creëren. De effecten zullen ongelijkmatig zijn en zich in de loop van de tijd ontwikkelen.
Slechts 29% van de CXO's wijst op weerstand van het personeel als een GenAI-barrière, terwijl 40,8% van de werknemers bang is voor ontslag – een adoptierisico dat leiders niet kunnen negeren (Accenture, Learning, Reinvented survey, 2025).
Leiders moeten benadrukken dat mensen die AI omarmen, zullen gedijen. Zoals Andrew Ng het in Davos verwoordde:“Iemand die AI gebruikt, zal zoveel productiever zijn, hij zal iemand vervangen die dat niet doet.” Het doel is niet om mensen te vervangen, maar om hen te helpen beter te presteren door middel van augmentatie. Duidelijke omscholingstrajecten, zichtbare investeringen in werknemers en praktische mogelijkheden om te leren, zetten angst om in adoptie.
Personeelsplannen die zijn afgestemd op AI-investeringen kunnen onnodige ontslagen verminderen door de aanwerving, omscholing en herschikking te beheren. Mensen hebben tijd nodig om vaardigheden op te bouwen en zich aan te passen, en een plan helpt deze inspanningen te sturen. Leiders moeten authentiek communiceren en veranderingen waar mogelijk positief omlijsten.
AI hervormt de grenzen tussen mens en machine en de psychologie van het werk. Generatieve en agentische AI kan het gevoel van competentie, autonomie en verbondenheid van een werknemer bedreigen. 60% van de werknemers vreest dat AI de stress en burn-out zal vergroten, maar slechts 37% van de leidinggevenden verwacht dit. We moeten reageren door middel van leiderschap en doordacht werkontwerp.
Acemoglu en Johnson (2023) van MIT benadrukken de cruciale rol van de betrokkenheid van werknemers bij de ontwikkeling van technologie en AI – vooral bij de probleemdefinitie en het gezamenlijk ontwerpen van werk. Dit leidt tot betere oplossingen, adoptie en gebruik, wat resulteert in een grotere waarderealisatie.
Een goed werkontwerp zorgt ervoor dat mensen de controle houden over tempo en stijl. Het maakt prestaties mogelijk en behoudt ruimte voor creativiteit. Wanneer AI bijvoorbeeld de tijd vermindert die wordt besteed aan het opstellen van investeringsvoorstellen, kunnen relatiemanagers zich concentreren op diepgaand klantwerk:advies, het opbouwen van relaties en beslissingsondersteuning.
Het testen van AI met experts verbetert ook de uitlegbaarheid en het vertrouwen. Uit een onderzoek van DeepMind-Moorfields bleek dat het doorbreken van de redeneringen van AI het begrip en het vertrouwen van experts vergroot.
Bij een grote bank hebben we een reeks AI-procesoplossingen voor commercieel bankieren ontworpen met de relatiemanagers en hun teams. Dit was een lastige groep – deskundige, vaste professionals, doorgaans nogal sceptisch tegenover technologie en van nature beschermend tegenover hun klanten. We hebben vertrouwen kunnen opbouwen door hun betrokkenheid bij en het testen van de AI in de ontwikkeling. Dit werd voortgezet met hun voortdurende feedback tijdens de pilot en het opschalen om verbeteringen aan te brengen, wat leidde tot beter werk, vertrouwen en adoptie.
Het adopteren van AI betekent het starten van nieuw werk – het aanzetten tot actie, het gebruiken van agenten, het controleren van de resultaten – en het stoppen van oud werk. Beide kunnen ongemak veroorzaken. En dit zal de komende jaren herhaaldelijk gebeuren.
AI voelt misschien intuïtief aan, maar adoptie is niet automatisch. Organisaties hebben herhaalbare patronen nodig voor paraatheid en waarderealisatie. Wanneer leiders AI beschouwen als een katalysator voor creativiteit, hebben werknemers 20% meer vertrouwen in het aanpassen van hun gewoonten.
Wat helpt:
Motivatie varieert. Early adopters willen toegang en continu leren. De meerderheid heeft begeleiding en tijd nodig. Late adopters hebben geruststelling en vertrouwen nodig. Uit bewijsmateriaal blijkt consequent dat er een scherpe kloof bestaat tussen werknemers die al AI gebruiken en degenen die dat niet doen.
Meten is belangrijk. Houd toegang, gebruik, populaire aanwijzingen en agenten en de diepte van de integratie in workflows bij. Meet veranderingen in bestede tijd, kwaliteit en resultaten. Analyseer patronen tussen rollen, teams en locaties. Houd de meting “cool, niet griezelig”:concentreer u op groepsinzichten, niet op toezicht.
Vroege implementaties zetten de toon. Adoptie mislukt wanneer AI primair wordt voorgesteld als kostenbesparing, wanneer beloften worden gebroken, wanneer training te technisch is, wanneer tools buiten de workflows vallen, of wanneer AI wordt vrijgegeven voordat deze gereed is.
Bij een wereldwijde bank hebben we de acceptatie van ChatGPT Enterprise en Microsoft Copilot met meer dan 400% verhoogd. Onze aanpak moedigde eerst exploratie aan in plaats van druk uit te oefenen. Er ontstonden drie groepen:
Door de early adopters te empoweren, de 80% te helpen de praktische waarde te zien en de eerste stappen te zetten, hebben we zowel de adoptie als de resultaten versneld. Uiteindelijk kwamen de meeste late adopters aan boord toen ze de voordelen voor hun collega's zagen.
Veel werknemers vragen zich af of AI ethisch zal worden gebruikt. 53% maakt zich zorgen over de kwaliteit van de output en onduidelijke verantwoording, maar slechts 21% van de leidinggevenden ziet dit als een punt van zorg.
Als organisaties duidelijke risicobereidheidskaders en verantwoorde AI-praktijken hebben, moeten ze deze zichtbaar maken. Leiders moeten laten zien hoe deze praktijken beslissingen sturen, transparantie garanderen, risico's beheersen en verantwoording verduidelijken. Duidelijke kanalen voor het uiten van zorgen zijn essentieel.
Bij één FS-instelling hebben we ethische kwesties aangepakt door zowel actie als communicatie. We hebben verantwoorde AI-richtlijnen opgesteld, producteigenaren met duidelijke verantwoordelijkheden getraind, medewerkers betrokken bij co-design, uitlegbaarheidstools gebouwd, rapportage- en klokkenluiderskanalen gecreëerd en een tweede verdedigingslinie opgezet gericht op AI-monitoring. De leiders hebben deze maatregelen duidelijk en consistent gecommuniceerd.
Enkele belangrijke punten waarover u misschien wilt nadenken - laat me uw gedachten en ideeën weten:
In mijn volgende blog onderzoeken we hoe we het personeelsbestand opnieuw kunnen vormgeven met AI als collega.
Om deze manieren om leiding te geven aan gedistribueerde, snel bewegende veranderingen te koppelen aan de bredere marktsignalen, leest u onze Topbanktrends voor 2026. rapporteer.
De Bitcoin-bubbel barst, wacht maar af
De olifant in de kamer:uw adviseur wordt betaald
102 nutsbedrijven verlagen tarieven vanwege belastinghervorming
Waarom de herfinancieringsrente hoger is dan de aankooplening?
Verschillen tussen gesubsidieerde vs. Niet-gesubsidieerde studieleningen
Wet van een akte in plaats van executie in Texas
Hoe David Volzer zijn doel vond als fulltime financieel coach