Banken investeren al jaren in digitale transformatie: van modulaire IT-architecturen en dataplatformen tot customer‑centric processen en geavanceerde analytics. Deze investeringen zijn gericht op het verlagen van cost-to-serve en cost-to-income, het versnellen van ‘time-to-yes’ en het versterken van klantinteractie en risicobeheersing.
Data en AI vormen daarin slechts één onderdeel van een bredere transformatie. Toch is de focus de afgelopen jaren sterk verschoven naar AI, met hoge verwachtingen rondom automatisering, betere besluitvorming en schaalbaar concurrentievoordeel.
In de praktijk blijkt het realiseren van deze waarde complex. AI-initiatieven opereren vaak versnipperd, terwijl pilots moeilijk opschalen doordat ze losstaan van kernprocessen, afhankelijk zijn van handmatige stappen en stuiten op complexe governance. Tegelijkertijd nemen governance structuren snel toe in omvang en complexiteit. Denk aan aanvullende beleidskaders, striktere modelvalidatie, uitgebreide risk- en compliance checks en meerdere goedkeuringslagen. Hoewel noodzakelijk, vertragen ze vaak de implementatie en opschaling van AI-oplossingen.
Het gevolg: de executiekracht blijft achter bij de strategische ambities.
