In mijn laatste blog besprak ik hoe toonaangevende bedrijven in de financiële dienstverlening (FS) AI opschalen voor bedrijfswaarde en hoe er een steeds groter wordende kloof ontstaat tussen de leiders en de achterblijvers. Ik heb ook agentische architectuur geïntroduceerd, waarbij ik voorbeelden uit de echte wereld uit software-engineering, KYC en claims deelde.
In deze blog onderzoek ik eerst de waardekansen die op het spel staan door een mensgerichte benadering van agentische AI te hanteren. Toonaangevende financiële dienstverleners ontwerpen AI rond duidelijke zakelijke bedoelingen en klantresultaten, en beslissen vervolgens wat mensen en agenten samen moeten doen om deze te realiseren.
Accenture's Banking Top Trends 2026:Onbeperkt bankieren is hier
Meer informatie
Ons Work, Workers, Workforce-onderzoek heeft een kloof van 10,3 biljoen dollar in de bbp-groei in de komende vijftien jaar geïdentificeerd tussen de behandeling van AI als een pure technologische verandering versus een door mensen geleide aanpak, waarbij het volledige potentieel van de werknemers wordt gerealiseerd.
Laten we dat cijfer eens doordringen. Dat is ongeveer 10% van het mondiale bbp dat op het spel staat, gebaseerd op de manier waarop we AI benaderen.
De kern van deze kans wordt gevormd door de financiële dienstverlening, waarbij het bankwezen (op de eerste plaats), de verzekeringen (op de tweede plaats) en de kapitaalmarkten (derde) tot de sectoren behoren met de meeste werkuren (tot 90%) die mogelijk kunnen worden geautomatiseerd of uitgebreid door middel van AI.
Waarom? Eerdere automatiseringsgolven hadden al betrekking op gestructureerde datataken. Maar omdat meer dan 80% van de data in de wereld ongestructureerd is, is een groot deel van het resterende werk in FS taalrijk en inherent ongestructureerd. Wij opereren in een omgeving die wordt bepaald door informatie-, service- en kenniswerk.
Het is geen verrassing dat generatieve AI – gebouwd om met ongestructureerde data te werken en menselijke taal na te bootsen – snel wordt toegepast. En nu we het tijdperk van agentische AI binnengaan, krijgen we nog iets meer:een systeem dat niet alleen als hulpmiddel fungeert, maar ook als een echte collega die met ons samenwerkt.
Uit hetzelfde onderzoek blijkt dat de beroepsbevolking gemengde gevoelens heeft over AI en mijn ervaring bevestigt dit. Hoewel ongeveer 95% van de mensen zegt te willen werken met generatieve AI en omscholing – wat niet verwonderlijk is gezien de wijdverbreide toepassing van deze tools in het dagelijks leven – blijven er zorgen bestaan over veiligheid, werkintensiteit en ethiek. Medewerkers ondergaan deze verandering met verschillende snelheden.
Die spanning blijkt duidelijk uit de data. Volgens het laatste personeelsonderzoek van Accenture voelt slechts 20% van de werknemers zich actief mede-creator bij het vormgeven van de manier waarop AI hun werk verandert, en zegt slechts 17% dat ze graag AI-tools gebruiken of actief op zoek zijn naar nieuwe manieren om deze toe te passen. Deze kloof onderstreept de noodzaak om werknemers vroegtijdig te betrekken. Het ontwerpen van AI-adoptie met mensen, en niet voor hen, is essentieel voor het opbouwen van vertrouwen, eigenaarschap en adoptie op grote schaal.
Als reactie daarop helpen we klanten samen met hun collega’s AI-tools te ontwerpen en de adoptie te begeleiden op een manier die inclusief en empowerend aanvoelt. We werken met leiderschapsteams om werknemers te betrekken bij zinvolle gesprekken over AI en mensen toe te rusten om de verandering te helpen leiden.
We hebben zwaar geïnvesteerd in onze LearnVantage-mogelijkheden om leiders en het hele personeelsbestand bij te scholen. Elke medewerker bij S&P Global kan nu bijvoorbeeld een fundamentele GenAI-training volgen. Bij een grote bank hebben we via Udacity geholpen meer dan duizend data-, cloud- en full-stack-ingenieurs om te scholen naar geavanceerde en deskundige niveaus van rolgereedheid.
Ons werk op het gebied van verantwoorde AI, werkontwerp en personeelsplanning helpt organisaties ook bij de overgang van oude naar nieuwe vaardigheden, waardoor ontslagen worden tegengegaan, de kwaliteit van het werk wordt verbeterd en ervoor wordt gezorgd dat mensen kunnen gedijen naarmate hun rol zich ontwikkelt.
Deze betrokkenheid reikt verder dan individuele klanten. Op Davos 2026 kondigden Accenture en 24 andere organisaties de ‘Creating Opportunities for All in the Intelligent Age’-vaardighedenbelofte aan, waarmee ze zich gezamenlijk engageren om tegen 2030 technologietraining te bieden aan 120 miljoen mensen. Accenture’s eigen inzet is om tegen 2030 meer dan 10 miljoen mensen wereldwijd uit te rusten met werkrelevante AI en digitale vaardigheden. Om deze ambitie te ondersteunen, presenteerde het bedrijf LearnVantage, zijn AI-native leerplatform, en lanceerde het een betaalbaar AI-platform. Masterdiploma open voor iedereen.
Bij een mensgerichte benadering wordt niet alleen rekening gehouden met de werknemers, maar ook met onze gemeenschappen en de samenleving. Tegen de achtergrond van het verbeteren van de sociale inclusie in de financiële dienstverlening moeten we onbedoelde gevolgen verzachten en de mogelijkheden voor mobiliteit vergroten.
Ons recente onderzoek met Progress Together, Rise with AI, laat de omvang van de uitdaging zien. In Groot-Brittannië zijn mensen met een lagere sociaal-economische achtergrond (SEB) nog steeds ongeveer 30% ondervertegenwoordigd in de financiële dienstverlening. Uit het onderzoek bleek ook dat er een kloof van 10 tot 15% bestaat in de toegang tot AI, AI-gerelateerde vaardigheden, het vertrouwen om zich om te scholen, vertrouwen in werkgevers en andere factoren die mensen uit lagere SEB's zouden helpen bij het navigeren door de AI-transitie.
De impact van AI op de beroepsbevolking vereist een intersectioneel perspectief. Veel van de functies die het meest door AI worden beïnvloed in de financiële dienstverlening, worden vervuld door vrouwen. We werken samen met partners zoals Tech She Can om AI-vaardigheden en inclusiviteit te versterken.
AI kan ook bevrijdend zijn, nieuwe kansen creëren en de toegang verbeteren voor mensen met een handicap, inclusief mensen met een visuele beperking of die neurodivers zijn.
Uiteindelijk moeten we ervoor zorgen dat AI een rechtvaardige transitie mogelijk maakt – een die inclusief en rechtvaardig is – waarbij financiële diensten een centrale rol spelen bij het vormgeven van positieve resultaten voor mensen, gemeenschappen en de samenleving.
De echte ontsluiting ligt in het opnieuw uitvinden van werk rond zakelijke bedoelingen en klantresultaten. Het begint met waardestromen en end-to-end-processen, niet met individuele taken of rollen. Cases voor eenmalig gebruik zijn te beperkt en resulteren doorgaans slechts in fractionele besparingen. De banen van vandaag zijn de verkeerde ‘analyse-eenheden’, omdat ze een mix van werk bevatten dat verschillende behandelingen nodig heeft.
Echte heruitvinding betekent opnieuw nadenken over de manier waarop het werk in de hele waardestroom fundamenteel anders kan worden gedaan om betere klant- en bedrijfsresultaten te behalen. Dit omvat het vooraf verwijderen van laagwaardig werk en zwoegen. In plaats daarvan moeten we onze inspanningen richten op het hoogwaardige werk dat de resultaten en groei van de klant stimuleert.
Voor het maken van deze verandering zijn drie ingrediënten nodig:
We werkten samen met een wereldwijde verzekeraar om zijn acceptatiefunctie opnieuw uit te vinden met behulp van AI. In directe samenwerking met verzekeraars hebben we eerst de acceptatienormen op één gebied vereenvoudigd, waarbij we grofweg 130 gevarieerde beoordelingscriteria hebben teruggebracht tot 70 consistente factoren.
Nu het proces gestroomlijnd was, hebben we AI toegepast om het zware werk van het beoordelen van complexe makelaarsinzendingen, vaak 200 tot 300 pagina's lang, aan te kunnen. De AI heeft ongestructureerde informatie geëxtraheerd en samengevat in een gestructureerd beslissingskader dat verzekeraars onmiddellijk konden gebruiken. Het voerde dit werk nauwkeuriger uit dan een acceptatieassistent en zorgde voor citaten uit brondocumenten, zodat verzekeraars de inhoud snel konden valideren.
Voorheen duurde dit proces dagen en had de verzekeraar slechts de capaciteit om ongeveer 20% van de ingediende aanvragen te beoordelen, wat betekende dat levensvatbare bedrijven werden afgewezen. Met AI daalde de beoordelingstijd tot uren, waardoor het team alles kon beoordelen inzendingen en doe dit met grotere nauwkeurigheid. Dit zorgde voor een omzetstijging van meer dan 50% zonder dat het team werd uitgebreid. Underwriters wonnen tijd om betere beslissingen te nemen en sterkere relaties met makelaars op te bouwen.
Deze transformatie werkte omdat leiders zich inzetten voor een echte heruitvinding en een mensgerichte benadering. We hebben het end-to-end acceptatieproces opnieuw ontworpen, verduidelijkt waar waarde werd gecreëerd en de nieuwe workflows en AI-mogelijkheden samen met de verzekeraars zelf ontworpen. Door het “zwoegen”-werk te verschuiven naar AI-agenten, kregen verzekeraars de vrijheid om zich te concentreren op de taken op het gebied van beoordeling, interactie en besluitvorming waarbij menselijke expertise het grootste verschil maakt.
Onze agentische architectuur voor kredietverkoop en kredietverlening in commercieel bankieren ondersteunt relatiemanagers (RM's) bij het afhandelen van kredietaanvragen. Dit proces omvat doorgaans veel ongestructureerde gegevens, documenten en administratieve taken.
De architectuur is gebouwd op de Accenture AI Refinery en brengt drie gecoördineerde lagen van AI-agenten samen:
Dankzij deze opzet kunnen RM's meer klanten bedienen, de klantervaring verbeteren, betere beslissingen nemen met betrekking tot kredietrisico's en de financiering van goedgekeurde leningen versnellen.
Samen stroomlijnen deze agenten de kredietverleningsworkflow, waardoor Relatiemanagers (RM's) het volgende kunnen doen:
Deze architectuur verschuift de tijd weg van handmatige controle en administratieve rompslomp. Dit geeft RM's de tijd om zich te concentreren op activiteiten met een hogere waarde, zoals het adviseren van klanten, het vormgeven van betere kredietbeslissingen en het versterken van relaties - en dat alles terwijl de doorvoer toeneemt en de risico's worden verminderd.
Heruitvinding begint door te focussen op de meest waardevolle, schaalbare waardestromen in uw organisatie, niet op geïsoleerde functies of technologieën. In het bankwezen omvatten deze doorgaans fraudepreventie, klantonboarding en KYC, kredietverlening, relatiebeheer en beleggingsadvies. Bij verzekeringen omvatten ze acceptatie, claims en serviceverlening. Op markten omvatten ze handel en posttransactionele verwerking. Door deze processen end-to-end opnieuw uit te vinden, wordt aanzienlijke waarde ontsloten en wordt de basis gelegd voor bedrijfsbrede transformatie.
Een belangrijke les uit het tijdperk van robotprocesautomatisering is duidelijk:we moeten kapotte processen niet ‘patchen’ met AI. Leiders moeten het gemakkelijker maken om waardevol werk te doen door complexiteit, verspilling en wrijving weg te nemen – waardoor er tijd ontstaat voor wat werkelijk waarde creëert (Sutton en Rao 2024).
De meeste organisaties beschikken al over procesrijpheid en betere inzichten in efficiëntie en waarde, vooral daar waar ze Global Capability Centers hebben gebouwd. Maar veel andere waardestromen blijven onduidelijk of gefragmenteerd.
Waar processen en waarde niet goed worden begrepen, gebruiken we onze eigen Process Value Explorer (PVE) om het werk en de waarde ervan bloot te leggen, vaak naast process mining-tools zoals Celonis. PVE stelt ons in staat om de inspanning, kosten, waarde, problemen en andere dimensies van duizenden werknemers tegelijkertijd te analyseren. Het creëren van deze zichtbaarheid van werk en waarde geeft ons de inzichten voor heruitvinding.
Voor organisaties die op zoek zijn naar een bredere kijk, gebruiken we eigen analyse- en planningstools om het toekomstige personeelsbestand op schaal te modelleren. Deze tools maken een snelle beoordeling van de onderneming mogelijk en helpen bij het prioriteren van investeringen in AI en omscholing.
Bij een grote pensioen- en beleggingsaanbieder gebruiken we deze analyse om een top-down personeelsstrategie voor het bestuur te ontwikkelen. De aanpak modelleert de capaciteit die vrijkomt of opnieuw wordt ingezet via kunstmatige AI en andere automatisering, waardoor een duidelijk beeld ontstaat van de toekomstige behoeften en vaardigheden van het personeel. Dit zorgt op zijn beurt voor betere personeelsbeslissingen en geeft richting aan waar te investeren in AI.
We analyseren de huidige werk- en personeelsgegevens snel en diepgaand, identificeren waar AI verschillende soorten impact kan hebben, houden rekening met AI-investeringen tijdens de vlucht en vormen een duidelijk beeld van het toekomstige personeelsbestand:de nieuwe rollen die nodig zijn, de vereiste vaardigheden, de capaciteitsimplicaties en het kostenprofiel. Dit helpt onze klanten betere, beter geïnformeerde personeelsbeslissingen te nemen, hun veranderingsverhaal te informeren en hun AI-investeringsstrategie te begeleiden.
We doen dit als een eerste strategieoefening voor de CHRO, de CEO of de Raad van Bestuur en verankeren dit als een blijvend vermogen in de strategische personeelsplanning van onze klanten, zodat ze voortdurend kunnen anticiperen op, hun toekomstige personeel kunnen ontwerpen en aanpassen naarmate de adoptie van AI toeneemt.
Uit het onderzoek van Accenture Life Trends uit 2025 bleek dat 44% van de mensen vond dat AI-tools de efficiëntie verhoogden en 38% vond dat ze de kwaliteit verhoogden. Er waren echter ook enkele negatieve percepties:16% vond dat AI-tools ervoor zorgden dat het werk meer transactioneel aanvoelde en 14% vond dat ze hun creativiteit beperkten.
Mensen willen AI-tools die vervelende, repetitieve aspecten van hun rol absorberen, zodat ze het werk dat ze het leukst vinden beter kunnen doen. Zwaar werk domineert de werkweek van veel mensen, zelfs van goedbetaalde en geschoolde werknemers.
Mensen willen de menselijke kenmerken en interessante aspecten van hun werk beschermen, en ze willen enige controle en vrijheid behouden over de manier waarop ze werken. Cruciaal is dat ze de mogelijkheid willen behouden om betekenis, doel en voldoening in hun werk te voelen.
Terwijl we de interactie tussen mens en AI ontwerpen, vooral de interactie met agenten, zijn er enkele belangrijke zaken die we goed moeten regelen.
Het begint met het duidelijk definiëren van het doel en de waarde van het werk en het stellen van expliciete verwachtingen voor waar mensen en AI-agenten verantwoordelijk voor zijn. Leiders moeten weloverwogen nadenken over waar de sterke punten van AI het beste kunnen worden toegepast, waar menselijke capaciteiten essentieel zijn en waar een combinatie de meeste waarde oplevert.
Dit is de reden waarom we een menselijke aanpak hanteren, waarbij mensen leiding geven aan het oordeel, de beslissingen en het toezicht, en AI-agenten de ondersteuning bieden die het werk versterkt. Dit vereist complementaire rollen en verantwoordelijkheden, waarbij mensen een duidelijke verantwoordelijkheid behouden voor de workflow en beslissingen.
Zowel AI-agenten als menselijke werknemers moeten worden opgeleid om hun rollen goed uit te voeren. AI moet nauwkeurige, consistente resultaten opleveren; vooringenomenheid minimaliseren; zich aanpassen aan gevarieerde contexten; veiligheid en privacy handhaven; output van hoge kwaliteit genereren; en verklaarbaar zijn. Menselijke werknemers moeten AI-outputs kunnen gebruiken en beoordelen – itereren, verbeteren en weten wanneer ze moeten worden uitgedaagd. In sommige gevallen betekent dit dat we mensen de tijd en ruimte moeten geven om de capaciteiten toe te passen waarvan we het meest op mensen vertrouwen:strategisch denken, oordeelsvermogen, empathie, het opbouwen van relaties en creativiteit. We willen interacties tussen menselijke agenten die voortdurend leren en verbeteren voor beiden bevorderen. Op dit idee van co-learning komen we later terug.
Goede interactie vereist ook eenvoudige, intuïtieve interfaces. Dit omvat onder meer het rechtstreeks inbedden van agenten in de werkstroom (zoals in een werkbank voor relatiebeheer of de wachtrij voor dossierbehandelaars) en het gebruik van gespreksinterfaces om de bruikbaarheid te vergroten. Mensen moeten de controle behouden:in staat zijn om AI-uitvoer uit te schakelen, te onderdrukken of te bewerken. Het moet altijd duidelijk zijn wanneer iemand interactie heeft met AI, wat de AI heeft gedaan en hoe deze tot resultaten heeft geleid.
Veel medewerkers in de financiële dienstverlening willen meer tijd voor diepgaand werk:klanten adviseren, complexe problemen oplossen of creatieve voorstellen ontwikkelen. Goed ontworpen AI-tools kunnen de cognitieve belasting verminderen en de voorwaarden creëren voor diepgaand werk (Newport, 2016):focus, flow en creatieve probleemoplossing. Wanneer agenten ruis filteren, de juiste inzichten naar boven halen en routinetaken automatiseren, kunnen werknemers zich concentreren op het denken dat de klantresultaten stimuleert. Dit is cognitieve ergonomie in actie:technologie wordt gevormd rond het ritme van menselijke aandacht en motivatie (Sudiarta, 2023), in plaats van rond de machine.
Simpel gezegd:als agenten nu onze collega's zijn, laten we ervoor zorgen dat we goede teamgenoten hebben.
We hebben samengewerkt met een van de grootste verzekerings- en pensioenaanbieders in de VS om hun contactcenters opnieuw uit te vinden met behulp van AI. De oplossing maakte gebruik van vier Super Agents en twaalf herbruikbare Utility Agents, gebouwd op de AI-raffinaderij van Accenture. Het vormde een volledig verbonden systeem:16 API's geïntegreerd in claims-, polis- en acceptatiesystemen, ondersteund door twee jaar klantinteractiegeheugen.
De klant heeft zwaar geïnvesteerd in testen om vertrouwen op te bouwen:meer dan twee miljoen trainingen en testoproepen, beoordeeld door dertig experts gedurende drie maanden. Eén resultaat was een persoonlijke digitale assistent die klanten herkenbare begeleiding (geen advies) bood, waardoor de belvolumes daalden en het aantal digitale leads toenam.
Voor vertegenwoordigers van het contactcenter detecteren de agenten de intentie en het sentiment van de beller, krijgen ze toegang tot klantgegevens, krijgen ze contextuele begeleiding en bevelen ze de volgende beste actie aan. Deze verbeterde NPS, verbeterde oproepresolutie en verminderde de trainingsbehoeften met 50%. Menselijke vertegenwoordigers kunnen zich nu concentreren op empathie, beoordelingsvermogen en een hoogwaardigere klantenservice.
We zien vergelijkbare resultaten bij Amerikaanse verzekeraars, waaronder een collectieve levensverzekeringsmaatschappij en een levens- en pensioenaanbieder.
Hoe zit het met hooggekwalificeerd professioneel werk? Bij Accenture hebben we gedurende de hele campagnelevenscyclus al veertien gespecialiseerde AI-agenten ingezet om onze 2.000 marketeers te ondersteunen. Campagnes duurden ooit wel 150 dagen. Door SynOps te gebruiken om workflows te analyseren, hebben we vastgesteld waar tijd werd verspild en waar de kwaliteit kon worden verbeterd. De resultaten waren doorslaggevend:de inspanning daalde scherp – 67% voor creatieve instructies, 90% voor de eerste conceptversie – en de snelheid om het op de markt te brengen verbeterde met 25-35%. Het werk leverde ook een kostenvrijgave van $ 80 miljoen op. Deze agenten versterken de creativiteit en impact van marketeers; ze vervangen het niet.
We leveren vergelijkbare waarde in de financiële dienstverlening. Bij een grote Aziatische bank, een in de VS gevestigde levensverzekeraar en verschillende mondiale banken hervormt agent AI het marketingwerk. Eén mondiale bank ondersteunt nu 50% van haar campagnes met AI, waardoor de creatieve snelheid met 50% wordt verhoogd en het totale aantal campagnes met 20% wordt verhoogd, met een doelstelling van 35% groei. Een andere grote Aziatische bank realiseerde 50 keer meer micro-gesegmenteerde campagnes, verhoogde de berichtsnelheid met 80% en verkortte de aanmaaktijd van 30 dagen naar 3. Deze benaderingen brengen de marketeer naar een hoger niveau en creëren campagnes met meer relevantie, snellere marktpenetratie en effectievere klantbetrokkenheid.
Agentic AI opent krachtige nieuwe mogelijkheden voor het opnieuw uitvinden van werk in de financiële dienstverlening. Om het goed te kunnen gebruiken, moeten we terugkeren naar de grondbeginselen van werkontwerp en gedisciplineerde beslissingen nemen over de manier waarop mensen en AI met elkaar moeten omgaan. Belangrijke vragen zijn onder meer:
AI – vooral agentische AI – is krachtig, maar niet elk probleem heeft dit nodig. Veel heruitvindingsinspanningen vereisen een mix van procesveranderingen, eenvoudigere technologieën en lichtere vormen van AI. Vaak worden eenvoudige werkzaamheden of berekeningen op basis van gestructureerde gegevens beter gediend met basisalgoritmen of traditionele technologie. Eenvoudige punttaken rechtvaardigen zelden agent-AI.
AI brengt ook reële kosten met zich mee. Agentische architecturen zijn symbolisch intensief, waardoor ze duur en energiezwaar zijn. De kosten voor grote taalmodellen dalen jaarlijks met ongeveer 50%, en hergebruik en verbeterde modellen maken agentische AI betaalbaarder. Toch moeten we AI alleen gebruiken als de waarde duidelijk is.
Het principe is simpel:pas AI toe waar het betekenisvolle waarde toevoegt en vermijd het waar dat niet het geval is.
Belangrijkste ideeën voor reflectie – ik zou graag uw mening horen:
In mijn volgende blog zal ik bekijken hoe organisaties leiding kunnen geven aan deze snel evoluerende verandering.
Lees onze Topbanktrends voor 2026 om te zien hoe een mensgerichte benadering van AI zich doorzet in het bankwezen met praktische acties. melden.
Dingen die ik waarschijnlijk niet zou doen om geld te besparen/verdienen
Top 529 spaarplannen voor universiteiten:beoordelingen en ranglijsten (2024)
Seizoensgebonden zomerseizoen en WTI-prijzen voor ruwe olie
Hoe goed werkt u thuis?
8 tekenen dat het tijd is om met pensioen te gaan
Alles over een financieel adviseur - diensten, gebruik, certificering
Wat zijn variabele kosten?