De AI-businesscase voor financieel advies

Voor een financiële dienstverlener die rond lokale adviseurs is georganiseerd, begint de AI-businesscase met een praktische vraag:

Als AI adviseurs tijd bespaart, waar ontstaat dan de economische waarde?

Die vraag speelt vooral in de front office. Schadeafhandeling, acceptatie en andere transactiezware activiteiten liggen vaak grotendeels bij verzekeraars, banken of gespecialiseerde partners. Adviseurs zelf richten zich op klantrelaties, advies, voorbereiding, coördinatie, opvolging en de administratie daaromheen.

AI kan de menselijke inspanning voor dat werk verminderen. Maar bespaarde uren zijn pas het begin van de businesscase.

Begin met het werk dat kan verdwijnen

Voor een adviseur in de front office springen vier soorten werk eruit:

Informatie zoeken — klantdossiers, productinformatie, interne kennis en documenten doorzoeken.

Voorbereiden — klantinformatie samenvatten, relevante context vinden en gesprekken voorbereiden.

Verwerken — correspondentie opstellen, gesprekken vastleggen, systemen bijwerken en routinematige administratie doen.

Standaardcontacten afhandelen — terugkerende vragen beantwoorden en eenvoudige klantverzoeken verwerken.

Het bewijs voor productiviteitswinst is ruim. Een praktijkstudie onder 5.179 klantenservicemedewerkers vond gemiddeld 14% hogere productiviteit, oplopend tot 34% bij minder ervaren en lager geschoolde medewerkers. Ook verbeterden de klanttevredenheid en het behoud van medewerkers. (Brynjolfsson, Li & Raymond)

Een studie onder 758 consultants van BCG liet zien dat AI het tempo met meer dan 25% verhoogde, het aantal afgeronde taken met meer dan 12% en de kwaliteit sterk verbeterde bij taken die binnen de mogelijkheden van AI vielen. Daarbuiten konden de prestaties juist verslechteren. (Harvard Business School/BCG)

Europese financiële dienstverleners zetten GenAI al in voor vergelijkbaar werk. Uit de EIOPA-enquête van 2026 onder 347 verzekeraars in 25 landen bleek dat bijna twee derde GenAI actief gebruikt, onder meer voor documentanalyse, samenvatten, schrijven, kennis ontsluiten en klantenservice. De meeste toepassingen zijn ondersteunend en niet autonoom. (EIOPA)

De review van de ILO uit 2026 voegt een belangrijke nuance toe: productiviteitswinst op taakniveau is reëel maar ongelijk verdeeld, en grootschalig banenverlies blijft beperkt. Gerapporteerde tijdsbesparing vertaalt zich niet vanzelf in meer output, inkomen of werkgelegenheid. (ILO)

De relevante rekensom is dus:

AI bespaart tijd → capaciteit komt vrij → management bepaalt waar die capaciteit naartoe gaat → er ontstaat waarde.

De volwassenheid van AI bepaalt hoeveel werk verdwijnt

Op niveau 1 — copilot maakt AI de adviseur vooral sneller. AI zoekt informatie op, vat documenten samen, bereidt gesprekken voor, stelt berichten op en legt contacten vast.

Op niveau 2 — procesondersteuning combineert AI informatie, bereidt werk voor en stelt acties voor.

Op niveau 3 — gedeeltelijke automatisering hoeft de adviseur afgebakende contacten en processtappen niet meer zelf uit te voeren.

Op hogere niveaus van begrensde autonomie voert AI grotere delen van klantprocessen zelfstandig uit, terwijl adviseurs zich richten op oordeel, uitzonderingen en contacten waarin menselijke betrokkenheid waarde toevoegt.

EIOPA stelde vast dat 83% van de gerapporteerde GenAI-toepassingen ondersteunend of half autonoom is. De Europese adoptie zit dus nog vooral in het eerste deel van deze volwassenheidscurve.

Voor de meeste front-officeorganisaties gaat de kans op korte termijn daarom minder over het vervangen van de adviseur en meer over het wegnemen van werk rondom de adviseur.

Vrijgekomen capaciteit heeft een expliciete bestemming nodig

Zodra er capaciteit vrijkomt, heeft het management keuzes.

De organisatie kan met hetzelfde aantal adviseurs meer klanten bedienen. Vaker proactief contact opnemen. Voorbereiding en servicekwaliteit verbeteren. Groei opvangen zonder evenredig meer mensen aan te nemen. Of, wanneer genoeg werk structureel verdwijnt, de interne capaciteit verkleinen.

Er zijn aanwijzingen dat de eerste effecten in de financiële sector al zichtbaar zijn. Cases van de OECD lieten zien dat automatisering eenvoudig administratief werk in finance verminderde en tijd verschoof naar het ondersteunen van klanten en collega’s. In een andere financiële case ving een chatbot routinevragen op, waardoor medewerkers meer complexe klantvragen konden behandelen. (OECD)

Maar je kunt niet zomaar aannemen dat de tijd zo wordt besteed.

Wil het management dat vrijgekomen capaciteit leidt tot meer proactief klantcontact, maak dat dan een operationeel doel. Meet het aantal proactief benaderde klanten, de dekking van de portefeuille, de opvolging van relevante signalen en het uitgevoerde klantonderhoud.

Is het doel kwaliteit, definieer dan de verwachte uitkomst en meet die: kwaliteit van de voorbereiding, reactietijd, herstelwerk, naleving van regels of relevante klantuitkomsten.

Anders stijgt de productiviteit zonder dat het management weet waar de tijd is gebleven.

Vijf manieren waarop vrijgekomen capaciteit waarde kan creëren

Een praktische businesscase voor financieel advies kan de productiviteitswinst over vijf categorieën verdelen.

1. Meer output

Hetzelfde aantal adviseurs kan meer klanten en contacten aan.

Meet:

• klanten of portefeuilles per adviseur;
• proactieve klantcontacten;
• afgeronde reviews en onderhoudsactiviteiten;
• opvolging van klantsignalen;
• extra adviesgesprekken.

2. Hogere kwaliteit

AI kan naast het tempo ook de toegang tot kennis en de consistentie verbeteren. De studie van Brynjolfsson vond naast hogere productiviteit ook een betere klanttevredenheid, en het BCG-experiment vond flinke kwaliteitswinst bij geschikte taken.

Meet:

• kwaliteit van advies of voorbereiding;
• fouten en herstelwerk;
• naleving van regels;
• klantuitkomsten;
• klanttevredenheid;
• consistentie tussen adviseurs.

3. Kortere doorlooptijden

Capaciteit kan ook worden omgezet in snelheid in plaats van volume.

Meet:

• reactietijd;
• tijd tot opvolging van de klant;
• voorbereidingstijd;
• doorlooptijd van de administratie;
• tijd van klantsignaal tot actie van de adviseur.

4. Meer experimenteren en verbeteren

Vrijgekomen capaciteit kan werk mogelijk maken dat eerder door de dagelijkse drukte bleef liggen.

In een financiële front office kan dat betekenen: nieuwe aanpakken voor proactief portefeuillebeheer testen, de manier van klantcontact verbeteren, experimenteren met AI-ondersteund advies en stelselmatig verbeteren hoe signalen in acties worden omgezet.

Meet het aantal experimenten, de invoering van geslaagde verbeteringen en de klantuitkomsten die daarop volgen.

5. Lagere kosten of minder benodigde capaciteit

Dit is de categorie die het meest direct in geld is uit te drukken.

Waarde kan ontstaan door:

• minder inhuur van externe of tijdelijke capaciteit;
• minder overwerk;
• vacatures die niet hoeven te worden ingevuld;
• groei van het aantal klanten of de portefeuille zonder evenredige werving;
• een werkelijke afname van de interne capaciteit wanneer werk structureel verdwijnt.

Het onderscheid tussen vermeden werving en het verminderen van het aantal medewerkers is belangrijk. Beide verbeteren de economie van het operating model, maar langs verschillende wegen.

Een betere AI-scorecard voor financieel advies

Een COO kan de businesscase daarom zo opbouwen:

AI-waarde = meer output + hogere kwaliteit + kortere doorlooptijden + meer experimenteren en verbeteren + lagere externe of toekomstige capaciteitskosten + werkelijke afname van interne capaciteit − operationele AI-kosten

Die onderdelen worden vervolgens vertaald naar een compacte operationele scorecard.

De belangrijkste managementdiscipline is om vóór de invoering te bepalen in welke van deze uitkomsten de vrijgekomen capaciteit moet landen.

Komt naar verwachting 10% van de capaciteit van adviseurs vrij, dan moet het management expliciet bepalen welk deel bedoeld is voor meer klantactiviteit, betere kwaliteit en snelheid, verbetering, vermeden werving of een echte afname van capaciteit. Die verdeling wordt dan een managementdoel in plaats van een aanname in een businesscase.

Dat is vooral belangrijk op niveau 1. Een copilot kan tijd vrijmaken, maar kan niet bepalen dat adviseurs die tijd gebruiken om meer klanten te benaderen. Daarvoor moet het management doelen, planning en prestatiemanagement aanpassen.

Naarmate AI volwassener wordt en complete contacten of processtappen worden geautomatiseerd, kan het aandeel waarde uit vermeden werving of een structurele afname van capaciteit groeien.

De betere vraag voor de businesscase is daarom:

Hoeveel meer waarde kan dezelfde organisatie met dezelfde menselijke capaciteit creëren?

En pas daarna:

Welk deel van die waarde willen we realiseren via meer output, hogere kwaliteit, meer snelheid, meer verbetering, vermeden toekomstige capaciteit of een werkelijke personeelsbesparing?

Zo wordt AI-productiviteit van een geschat percentage een businesscase die een COO werkelijk kan sturen.