Ah fijn, mijn bank zet meer in op AI

Ah fijn. Mijn bank gaat nóg meer AI gebruiken.

Dat was ongeveer mijn reactie toen ik las dat Rabobank de komende drie jaar maximaal 2 miljard euro investeert in zijn data- en IT-basis, de klantbeleving en het opschalen van kunstmatige intelligentie. Ik bedoel dat overigens maar voor de helft sarcastisch. Het volledige bedrag gaat niet uitsluitend naar AI en bij een bank met miljoenen klanten, enorme hoeveelheden gevoelige gegevens en een IT-landschap dat voortdurend moet worden vernieuwd, lijkt zo’n investering mij eerder noodzakelijk dan buitensporig.

Sterker nog: ik zou me in 2026 meer zorgen maken over een grote bank die géén serieus geld reserveert voor AI en IT. Laat AI fraude sneller herkennen, documenten controleren, afwijkende transacties signaleren en medewerkers helpen om informatie terug te vinden. Vervang systemen die vermoedelijk nog herinneringen hebben aan de gulden. Automatiseer administratieve handelingen waar werkelijk niemand plezier aan beleeft. Daar hoeven we niet nostalgisch over te doen.

Maar zodra AI wordt gekoppeld aan de belofte dat klanten voortaan sneller én persoonlijker worden geholpen, begint het bij mij te jeuken. Sneller zal in veel gevallen best lukken. Goedkoper voor de bank vermoedelijk ook. Persoonlijker is een ander verhaal.

Rabobank beschrijft op zijn eigen website een aantrekkelijk scenario: AI geeft medewerkers sneller toegang tot informatie en creëert zo meer tijd voor betekenisvolle klantgesprekken. Als de bank die belofte waarmaakt, ben ik de eerste die applaudisseert.

Toch weten we inmiddels ook hoe zulke voornemens binnen grote organisaties kunnen eindigen. “Meer tijd voor persoonlijk contact” verandert gaandeweg in een doelstelling om tachtig procent van alle vragen zonder medewerker af te handelen. Vervolgens wordt de menselijke klantenservice steeds moeilijker bereikbaar en heet de ervaring alsnog persoonlijk, omdat de chatbot je voornaam gebruikt, eerdere berichten onthoudt en op het juiste moment schrijft dat hij begrijpt hoe vervelend de situatie voor je is.

Een goed taalmodel kan mijn transactiegeschiedenis analyseren, mijn vermoedelijke vraag voorspellen en een antwoord formuleren dat precies op mijn situatie lijkt te zijn toegesneden. Dat kan bijzonder nuttig zijn. Het model kan zelfs vriendelijker communiceren dan een gehaaste medewerker die al zeven boze klanten heeft gesproken.

Het verschil zit daarom ook niet alleen in de toon. Het zit in verantwoordelijkheid. Een chatbot kan zeggen dat hij mijn frustratie begrijpt, maar hij ondervindt niets van de gevolgen wanneer mijn rekening ten onrechte wordt geblokkeerd. Hij kan zich uitvoerig verontschuldigen zonder bevoegd te zijn de fout te herstellen. Hij kan empathie overtuigend formuleren, terwijl niemand daadwerkelijk verantwoordelijkheid neemt voor de situatie.

Bij een bank is dat geen filosofisch detail, vertrouwen is ongeveer het hele product. Toch?

De gemakkelijke conclusie zou zijn dat mensen nu eenmaal liever met andere mensen praten en algoritmen wantrouwen. Alleen laat de wetenschap een interessanter beeld zien. Let op: het gaat hier om enkele studies en onderzoeken. Er is géén eenduidig antwoord, elke situatie en elk persoon is anders.

Uit zes experimenten naar zogenoemde algorithm appreciation bleek dat mensen adviezen soms juist zwaarder laten meewegen wanneer zij denken dat die van een algoritme afkomstig zijn. Bij objectieve, analytische en meetbare opdrachten kan een systeem deskundig en consistent overkomen. Daar is weinig vreemds aan. Voor het herkennen van patronen in miljoenen transacties kies ik ook liever een goed model dan een medewerker met een markeerstift.

Dat vertrouwen verandert wanneer een taak subjectiever wordt. Onderzoek naar task-dependent algorithm aversion, gebaseerd op vier laboratoriumstudies en twee grote veldstudies, laat zien dat mensen algoritmen minder vertrouwen bij taken waarvan zij denken dat intuïtie, gevoel of menselijk beoordelingsvermogen nodig is. De onderzoekers merken daarbij terecht op dat consumenten de capaciteiten van algoritmen soms onderschatten. Hun bevinding betekent dus niet dat een mens iedere subjectieve taak aantoonbaar beter uitvoert. Ze laat wel zien dat mensen duidelijk onderscheid maken tussen situaties.

Ook de uitkomst van een beslissing speelt mee. In onderzoek naar consumentenreacties op algoritmische beslissingen, met onder meer een experiment rond een kredietaanvraag, reageerden deelnemers minder positief op een gunstige beslissing wanneer die door een algoritme was genomen dan wanneer een mens dezelfde beslissing nam. Een menselijke goedkeuring voelde meer als erkenning van de individuele aanvrager; een algoritmische goedkeuring bleef afstandelijker.

Een vooraf geregistreerd Hongaars experiment onder 2.100 mensen kwam in 2025 opnieuw uit bij dat onderscheid. Beslissingen met menselijke betrokkenheid werden bij medische diagnoses, sollicitaties en vervoer als betrouwbaarder gezien dan processen waarbij AI werd gebruikt. Alleen bij financiële investeringsbeslissingen vonden de onderzoekers geen significant verschil.

Mensen zijn dus niet eenvoudigweg vóór of tegen AI. Ze lijken vrij goed aan te voelen wanneer een taak vooral rekenkracht vraagt en wanneer zij behoefte hebben aan context, erkenning of iemand die aanspreekbaar is op het besluit.

Voor een bank is het verleidelijk om klantcontact in categorieën te verdelen. Een adreswijziging is eenvoudig. Een vraag over een betaling is eenvoudig. Het blokkeren van een pas is eenvoudig. Zet er een chatbot voor, tel hoeveel gesprekken de automatisering heeft afgevangen en presenteer het percentage tijdens de volgende bestuursvergadering.

Voor de klant bestaat die keurige scheiding lang niet altijd.

Een vraag over een rekening kan onderdeel zijn van een overlijden. Een geblokkeerde betaling kan betekenen dat iemand in het buitenland niet meer bij zijn geld kan. Een hypotheekvraag kan voortkomen uit een scheiding. Achter een melding van een onbekende transactie kan identiteitsfraude zitten. Een ondernemer die naar zijn kredietruimte vraagt, wil misschien vooral weten of zijn bedrijf de volgende maand overleeft.

Op het scherm van de bank begint ieder van die situaties als een ticket. Voor de persoon aan de andere kant kan het de vervelendste dag van het jaar zijn.

Daarom vind ik de vraag hoeveel klantcontact AI kan overnemen minder interessant dan de vraag welke gesprekken een bank bewust menselijk wil houden. De waarde van klantenservice ontstaat zelden wanneer alles volgens het standaardproces verloopt. Vertrouwen wordt opgebouwd op de momenten waarop het proces tekortschiet en iemand bereid is verder te kijken dan de categorie waarin het systeem de vraag heeft geplaatst.

Grote organisaties meten begrijpelijkerwijs hoeveel gesprekken zij voorkomen, hoe snel vragen worden afgehandeld en welk percentage klanten geen medewerker nodig heeft. Het gevaar ontstaat wanneer die interne efficiëntiecijfers ongemerkt de definitie van goede dienstverlening worden.

Een gesprek dat niet plaatsvindt, is niet automatisch een opgelost probleem. Soms heeft de organisatie het werk alleen verplaatst naar de klant, die nu zelf informatie moet opzoeken, drie keer zijn vraag anders moet formuleren en uiteindelijk aan een chatbot moet bewijzen dat zijn situatie uitzonderlijk genoeg is voor een mens.

De bank noteert dan een kortere afhandeltijd. De klant is twintig minuten kwijt en heeft nog steeds geen antwoord.

Wie uitsluitend stuurt op het aantal contacten dat AI zelfstandig afhandelt, maakt menselijke hulp bovendien tot een mislukking van het systeem. Terwijl het bij ingewikkelde, emotionele of financieel ingrijpende situaties juist een teken van goed ontwerp kan zijn dat de technologie op tijd plaatsmaakt.

De interessantste toepassing van AI in klantcontact is daarom meestal niet een chatbot die tussen de klant en de bank gaat staan. Zet AI tussen de medewerker en alle systemen die een goed gesprek nu in de weg zitten.

Laat AI een dossier samenvatten, relevante voorwaarden terugvinden, eerdere contacten ordenen en ontbrekende informatie signaleren. Laat het formulieren voorbereiden, mogelijke vervolgstappen tonen en tijdens het gesprek twintig interne systemen doorzoeken. Geef de medewerker daardoor ruimte om te luisteren, door te vragen en een besluit begrijpelijk uit te leggen. En zelfs dat zal een AI, net als een mens, niet altijd foutloos doen.

AI levert dan de snelheid en de medewerker levert context, handelingsruimte en verantwoordelijkheid. De klant merkt misschien nauwelijks dat er een model aan het werk is, behalve doordat hij niet voor de vierde keer hetzelfde verhaal hoeft te vertellen.

Voor routinematige zaken mag automatisering vanzelfsprekend de eerste keuze zijn. Ik hoef geen medewerker te spreken om een document te downloaden, een adres te wijzigen of de status van een betaling te controleren. Ik wil alleen niet door zes digitale hoepels hoeven springen wanneer mijn probleem níét routinematig blijkt te zijn.

Een duidelijke uitgang naar een medewerker is daarom een echte vereiste wanneer je puur inzet op AI als klantenservice.