AI-vragen uit de financiële sector van leiders gehoord

Samenvatting

Databricks stelt vijf AI-vragen die financiële instellingen van pilots naar gecontroleerde productie brengen.

Databricks en AI-vragen: van pilot naar productie

Databricks beschrijft vijf vragen van CFO’s, compliance officers, treasuryverantwoordelijken en relatiemanagers in de financiële sector. De rode draad: AI moet niet alleen werken, maar ook vertrouwen verdienen, controleerbaar blijven en aantoonbaar aan governance-eisen voldoen.

De cijfers onderstrepen die verschuiving. In Grant Thorntons 2026 Banking Insights AI Impact Survey zegt de helft van de bankdirecteuren dat governance en compliance de AI-prestaties al beperken. Slechts 18 procent heeft vertrouwen dat de eigen AI-controles een onafhankelijke audit doorstaan.

De eerste vraag gaat over treasury en finance. Kan AI verder gaan dan rapportages en bijvoorbeeld de actuele liquiditeitspositie per entiteit en valuta beantwoorden? Databricks toont een proces dat verschillen tussen grootboek- en risicodata onderzoekt, bewijs vastlegt en een menselijke maker-checker in de controle houdt. Een audit trail laat zien hoe de uitkomst tot stand kwam.

De tweede vraag richt zich op financiële criminaliteit: kan AI helpen bij het beoordelen van AML-alerts zonder de controle kwijt te raken? Het artikel werkt dit onderwerp verder uit als een onderscheid tussen echte risico’s en ruis.

AI-governance in financiële dienstverlening: waarom dit telt

Voor BI-teams verschuift de opdracht van rapportage naar controleerbare besluitondersteuning. Een model dat een rapport samenvat, vraagt minder inrichting dan een systeem dat liquiditeit, risicokapitaal of AML-cases onderzoekt en elke stap met bronnen onderbouwt.

Databricks koppelt dit ook aan tokenized settlement. Tokenized rails verplaatsen geld, maar lossen volgens het artikel reconciliatie, financiële-crimecontroles en intraday liquiditeitsbeheer niet op. Ook autonome systemen blijven dus afhankelijk van toegankelijke data, vastgelegde controles en menselijke beoordeling.

De governancekloof geldt bovendien voor agentic AI. In het rapport Making AI Deliver van Databricks en Economist Enterprise mandateert minder dan de helft van de organisaties formeel een governanceframework voor autonome systemen. Dat maakt auditbaarheid een ontwerpkeuze, geen eindcontrole.

Concrete takeaway voor BI-professionals

Leg bij elk AI-proces vast welke data het systeem gebruikt, welk bewijs het toont, waar een menselijke goedkeuring nodig is en hoe een auditor de beslisroute terugvindt. Begin bij treasury- of AML-processen met een controleerbare audit trail, in plaats van alleen een modelscore of samenvatting op te leveren.