14 maart 2018, door Wouter van den Berg Blog

Van “computer says no” naar “computer says how”

In de wereld van financiële dienstverlening zijn de afgelopen jaren allerlei FinTech startups verschenen; van bedrijven die een betaalautomaat maken van je smartphone (met een klein stukje extra hardware) tot complete banken, zoals Bunq. Hun uitgangspunt is niet een bestaande bankvergunning, maar de wereld van mogelijkheden die nieuwe technologie biedt. Niet zelden zet dat het bestaande bedrijfsmodel volledig op zijn kop. Via nieuwe apps kan een gebruiker binnen een paar minuten klant  worden. Dat betekent nieuwe uitdagingen voor compliance en risicobeheer. Maar het biedt ook nieuwe mogelijkheden.

Doordat klanten gebruik maken van websites en apps zijn er allerlei controles ook aan de poort uit te voeren. In de oriëntatie of adviesfase kun je een potentiële klant al heel gericht vragen om (toegang tot) gegevens die helpen om te bepalen of de wens voor een financieel product wel in te vullen is. Het automatiseren van controles op deze manier is een voorbeeld van RegTech. De samenvoeging van ‘Regulatory’ en ‘Technology’.

Controles aan de poort kunnen sterk kosten besparen. Door deze zogeheten “early validation” wordt namelijk voorkomen dat potentiele klanten pas worden geconfronteerd met een afwijzing laat in het proces. Of dat pas laat blijkt dat ze aanvullende gegevens moeten aanleveren om te onderbouwen dat een maatwerkfinanciering verantwoord is. De klant wordt zo niet meer overvallen door aanvullende informatieverzoeken.

Deze vorm van automatisering, waarbij regels 1:1 vertaald worden in werkende software, is eigenlijk een vroeg voorbeeld van kunstmatige intelligentie. De expertsystemen van de jaren 1980 werkten ook zo; een kennishouder zoals een huisarts werd bevraagd en de (vuist)regels die de expert zelf zou gebruiken werden geautomatiseerd.

Dat deze regels direct in de browser of de telefoon van een klant worden uitgevoerd, is vernieuwend. Maar de ontwikkeling staat niet stil. Predictive analytics bieden de mogelijkheid om beleidsregels te toetsen. Door telkens te leren van nieuwe data ontstaat er een feedback loop waarbij beleidsregels aangescherpt kunnen worden door het systeem zelf. Mensen kunnen deze regels ook aanscherpen en leren van gevallen uit het verleden. Maar de computer ziet het werk van álle collega’s – niet alleen de gevallen waar één persoon aan heeft gewerkt – en leert dus van iedere klant.

Met dit collectieve geheugen kan de stap gemaakt worden van descriptive analytics (‘hoe vaak komt dit voor?’) naar predictive analytics (scores die voorspellen of een risico zal optreden) en uiteindelijk zelfs prescriptive analytics (systeem weet wat de béste beslissing is). Niet gebaseerd op voorgekookte beleidsregels, maar op de beslissingen die in vergelijkbare gevallen goed zijn afgelopen.

Het eindoordeel ligt wat mij betreft nog steeds in handen van de gebruiker. Het systeem geeft een aanbeveling, met redenen omkleed. De software keurt niet goed of af, maar geeft aan hoe de aanvraag passend te maken is. Dat betekent een verschuiving van “computer says no” naar “computer says how”.

 

Meer weten over de rol en kansen op het gebied van AI?

Benieuwd naar de mogelijkheden die wij zijn op het gebied van AI? Maak een afspraak met Wouter of neem contact op.

Plan een afspraak Bekijk profiel
Wouter
van den Berg
Senior Business Consultant