Verander modernisatie in een herhaalbare motor voor nieuwe digitale capabilities en duurzame groei

In dit artikel:

Volgens een AI- en datatransformatieleider in de bankensector slagen AI-initiatieven pas echt als banken niet beginnen bij de beschikbare technologie, maar bij één concreet bedrijfsprobleem. Hij pleit voor een aanpak waarin CDAO’s, CIO’s en businessleiders samen een heldere doelstelling formuleren, bijvoorbeeld het halveren van de doorlooptijd van de onboarding van mkb-klanten, en daar meteen KPI’s, risico’s en compliance-eisen aan koppelen.

De kern van zijn betoog is dat de use case leidend moet zijn voor de architectuur: alleen de data, modellen, API’s en cloudservices die nodig zijn voor het doel moeten worden ingericht. In plaats van grote platformvernieuwingen adviseert hij een compacte, veilige cloudomgeving met herbruikbare bouwstenen zoals datapijplijnen, MLOps-templates en geautomatiseerde controles. Dat moet teams sneller laten werken zonder grip te verliezen.

Ook organisatorisch wil hij af van tijdelijke projectstructuren. Volgens hem ontstaan duurzame AI-capaciteiten in multidisciplinaire productteams, met gedeeld eigenaarschap tussen business en IT en lichte governance voor experimenten en gereguleerde wijzigingen. Een pilot moet binnen 90 dagen aantonen of de aanpak waarde oplevert, op zowel zakelijke als technische metrics zoals kosten, latency en modeldrift.

Tot slot benadrukt hij dat technologie alleen niet genoeg is: banken moeten investeren in cloudvaardigheden, AI-veiligheid en datageletterdheid, terwijl leiders op dezelfde uitkomst-KPI’s worden afgerekend. In een sterk gereguleerde sector als de financiële dienstverlening zijn privacy, uitlegbaarheid en auditbaarheid vanaf het begin nodig om vertrouwen te winnen en AI op schaal toe te passen.