Sectorgids: bankwezen
Claude gebruiken in het bankwezen: een praktische gids voor bankteams
Snellere dossierbehandeling, met een persoon die het dossier blijft ondertekenen.
Deze gids is voor mensen bij retail-, zakelijke en private banks die Claude van Anthropic willen inzetten voor compliance, KYC- en AML-dossiers, fraudeonderzoeken, operations, klantcommunicatie en legacycode. De gids blijft dicht bij wat Anthropic heeft gepubliceerd over financiële dienstverlening en wat genoemde banken hebben gezegd in de eigen blogposts en klantverhalen van Anthropic.
Claude gebruiken in het bankwezen begint met het documentzware werk dat elke bank vertraagt: KYC-dossiers doornemen en hiaten signaleren, AML-onderzoeksverslagen opstellen op basis van casusgegevens, regelgevingswijzigingen samenvatten tot beleidsupdates, fraudedossiers schrijven, operationele verschillen reconciliëren en legacycode moderniseren. Claude leest, structureert en schrijft snel conceptteksten. Bankmedewerkers nemen de beslissingen, dienen de meldingen in en blijven verantwoording schuldig aan toezichthouders, waarbij elke AI-ondersteunde stap binnen het modelrisico- en databeleid van de bank valt.
Gepubliceerd
Belangrijkste punten
- De sterkste toepassingen in banking zijn KYC-dossiercontrole, AML-casusverslagen, samenvattingen van regelgevingswijzigingen, operations-reconciliaties en codemodernisering.
- De agent-templates van Anthropic van mei 2026 omvatten een KYC-screener, een grootboekreconciliator en een maandafsluitingsagent.
- Anthropic rapporteert genoemd bankwerk bij N26, bunq, BNY, Citi en FIS, van procesautomatisering tot developerplatforms.
- AI ondersteunt de analist. Beslissingen over verdachte activiteiten en regelgevende meldingen blijven de verantwoordelijkheid van mensen.
- Elke toepassing valt binnen het modelrisicobeheer, de gegevensbescherming en de bewaarregels van de bank.
Kopiëren en plakken
Prompts die je vandaag kunt gebruiken
Controle op hiaten in KYC-dossier
Je bent KYC-analist bij een zakelijke bank. Beoordeel de hieronder samengevatte onboardingdocumenten van een zakelijke klant aan de hand van onze checklist: documenten van de rechtspersoon, eigendomsstructuur tot en met de uiteindelijk belanghebbenden boven onze drempel, bestuurders, herkomst van middelen, verwachte activiteit, en resultaten van sanctie- en adverse-media-screening. Geef voor elk checklistonderdeel aan of het aanwezig, ontbrekend of inconsistent is, en citeer het document dat je antwoord onderbouwt. Maak een lijst met vervolgverzoeken voor de relatiebeheerder. Checklist en documenten: [paste].
Plak de daadwerkelijke checklist van je bank. De output moet je eigen procedures volgen, niet een generieke lijst.
AML-onderzoeksverslag
Stel het verhalende gedeelte op van een AML-onderzoeksdossier op basis van de onderstaande alertgegevens, transactieoverzicht en analistnotities. Structureer het als volgt: subject en relatie, alert en getriggerd scenario, beoordeelde activiteit met data en bedragen exact zoals gegeven, bevindingen van de analist, en de openstaande vragen. Gebruik neutrale, feitelijke taal. Trek geen conclusie over of de activiteit verdacht is; die beslissing is aan mij. Materiaal: [paste].
Het is goede praktijk, en wat toezichthouders verwachten, dat de conclusie bij de onderzoeker blijft.
Samenvatting van regelgevingswijziging
Vat de onderstaande regelgevende tekst samen voor de compliancecommissie van de bank. Geef aan: wat er verandert, voor wie het geldt, de ingangsdata zoals vermeld, welke van onze bestaande, hieronder genoemde beleidsregels waarschijnlijk worden geraakt, en vragen voor de juridische afdeling. Houd het onder vierhonderd woorden. Citeer de tekst voor elke vereiste en voeg geen vereiste toe die er niet in staat. Regelgevende tekst en onze beleidslijst: [paste].
Plak altijd de daadwerkelijke tekst. De trainingsdata van Claude bevat mogelijk niet de meest recente versie.
Frauderapport en klantbrief
Hier zijn de details van een fraudezaak met een betaalkaart: de betwiste transacties, de verklaring van de klant, apparaat- en locatiegegevens, en de bevindingen van de onderzoeker. Schrijf eerst een interne casusnotitie die het bewijs en de beslissing van de onderzoeker samenvat. Schrijf vervolgens een brief in begrijpelijke taal aan de klant waarin de uitkomst en de vervolgstappen worden uitgelegd, zonder de detectiemethoden te onthullen. Houd de brief onder tweehonderd woorden. Details: [paste].
Door de interne notitie en de klantbrief los te houden, blijven detectiedetails buiten de klantcommunicatie.
Uitleg van legacycode
Leg uit wat het onderstaande COBOL-programma doet, sectie voor sectie, in begrijpelijke taal voor een Java-ontwikkelaar die het opnieuw zal implementeren. Maak een lijst van elke bedrijfsregel die het afdwingt, elk bestand of elke tabel die het leest en schrijft, en elk gedrag dat onbedoeld lijkt. Stel vervolgens een reeks testgevallen voor die zouden bevestigen dat een herimplementatie zich identiek gedraagt. Programma: [paste].
Testgevallen afgeleid van het oude gedrag zijn wat een modernisering veilig maakt.
Van Anthropic
Wat Anthropic biedt voor Bankwezen
Claude for Financial Services
Het aanbod van Anthropic voor financiële dienstverlening, aangekondigd in juli 2025, combineert Claude-modellen, Claude Code en enterprise-toegang met connectors naar dataplatforms zoals Snowflake, Databricks en S&P Global, plus implementatiepartners. Anthropic geeft aan dat gegevens standaard niet worden gebruikt voor training.
· Bron
Agents for financial services
Tien agent-templates uitgebracht in mei 2026, waaronder een KYC-screener, een grootboekreconciliator, een maandafsluitingsagent en een afschriftcontroleur, uitgebracht als plugins in Claude Cowork en Claude Code en als cookbooks voor Claude Managed Agents.
· Bron
Anthropic and TCS partnership
Anthropic kondigde in juni 2026 een samenwerking met TCS aan om op Claude gebaseerde aanbiedingen te bouwen voor gereguleerde sectoren, waaronder kredietadvies voor banken en schadeafhandeling voor verzekeraars.
· Bron
In de praktijk
Hoe teams in Bankwezen Claude gebruiken
Volgens het klantverhaal dat Anthropic publiceerde
N26
Volgens het klantverhaal van Anthropic gebruikt de digitale bank N26 Claude via AWS Bedrock voor meer dan een dozijn interne toepassingen en heeft de bank een groot deel van de taken in specifieke processen geautomatiseerd, waarbij handmatige verwerking is verminderd.
Volgens het klantverhaal dat Anthropic publiceerde
bunq
Het klantverhaal van Anthropic over bunq meldt dat Claude Code nieuwe ontwikkelaars helpt om veel sneller dan voorheen betekenisvolle code bij te dragen, naast snelle rekeningopening en een hoog percentage geautomatiseerd opgeloste supportvragen.
Volgens het klantverhaal dat Anthropic publiceerde
FIS
Op de financiële-dienstverleningspagina van Anthropic beschrijft de CEO van FIS hoe hij samen met Anthropic een agent bouwde voor onderzoeken naar het tegengaan van witwassen.
Volgens het klantverhaal dat Anthropic publiceerde
BNY
In de blogpost van Anthropic over financiële dienstverlening van mei 2026 beschrijft de CIO van BNY digitale AI-medewerkers die een casus van begin tot eind afhandelen.
Volgens het klantverhaal dat Anthropic publiceerde
Citi
De update van Anthropic over financiële dienstverlening van oktober 2025 stelt dat Citi Claude gebruikt in zijn AI-gestuurde developerplatform voor planning en agentic coding.
Illustratief voorbeeld
Een periodieke KYC-beoordeling met goedkeuring door een persoon
- Een analist opent een periodieke beoordelingszaak en laadt de documenten van de klant in de goedgekeurde werkomgeving.
- Claude controleert elk document aan de hand van de checklist van de bank en somt op welke onderdelen aanwezig, ontbrekend of inconsistent zijn.
- De analist bevestigt de hiaten en merkt een wijziging in eigendom op die een nieuwe verklaring van uiteindelijk belanghebbende vereist.
- Claude stelt het verzoek aan de relatiebeheerder op, samen met een casusnotitie in het format van de bank.
- De analist beoordeelt beide, verstuurt het verzoek en registreert de beslissing onder zijn of haar eigen naam.
Bankwezen en Claude: de gepubliceerde cijfers
| Cijfer | Context | Bron |
|---|---|---|
| automated up to 70% of tasks across targeted processes | N26, volgens het klantverhaal van Anthropic | Bron |
| reduced manual processing by up to 50% | N26, binnen specifieke processen, volgens het klantverhaal van Anthropic | Bron |
| 16 hours instead of 40 | Tijd voor nieuwe bunq-ontwikkelaars om betekenisvolle code bij te dragen met Claude Code, volgens het klantverhaal van Anthropic | Bron |
Kernwerkstromen
Toepassingen van Claude in de hele bank
Dit zijn de plekken waar AI voor de bankensector de meeste tijd van analisten en operations bespaart.
AI voor KYC en AML
KYC-dossiercontroles aan de hand van je checklist, samenvattingen van uiteindelijk belanghebbenden, en AML-onderzoeksverslagen opgesteld op basis van casusgegevens, zodat de analist de beslissing neemt.
AI-fraudedetectie in de bankensector
Claude vervangt je transactiemonitoringmodellen niet, maar helpt onderzoekers casussen samenvatten, notities schrijven en uitkomsten aan klanten uitleggen.
AI voor bankcompliance
Samenvattingen van regelgevingswijzigingen, hiaatanalyses van beleid, documentatie van controletests en toelichtingen bij regelgevende rapportages, opgesteld op basis van de brontekst.
Operations
Reconciliaties van het grootboek, onderzoek naar afwijkingen (breaks), toelichtingen bij de maandafsluiting en proceduredocumenten, herleid tot het systeem van record.
Codemodernisering
Uitleg geven over legacy core-bankingcode, tests schrijven die het huidige gedrag vastleggen, en ontwikkelaars helpen deze opnieuw te implementeren met Claude Code.
Klantcommunicatie
Reacties op klachten, brieven en supportconcepten in begrijpelijke taal, gecontroleerd door medewerkers voordat ze een klant bereiken.
Compliance en fraude
Hoe banken AI gebruiken voor compliance en fraudedetectie
Vraag hoe banken AI gebruiken voor compliance en fraudedetectie, en je hoort twee verschillende dingen. De detectie zelf draait meestal op gespecialiseerde modellen voor transactiemonitoring en fraude. Generatieve AI zoals Claude helpt bij wat er gebeurt nadat een alert afgaat: de casusfeiten verzamelen, het onderzoeksverslag opstellen, het KYC-dossier controleren op hiaten en de beslissing vastleggen. Daar gaat het grootste deel van de tijd van onderzoekers naartoe.
Anthropic heeft hier specifiek voor gebouwd. De agent-templates voor financiële dienstverlening van mei 2026 omvatten een KYC-screener naast reconciliatie- en afsluitagents. Op de financiële-dienstverleningspagina van Anthropic beschrijft de CEO van FIS hoe hij samen met Anthropic een agent bouwde die AML-onderzoeken van dagen naar minuten terugbrengt. De CIO van BNY beschrijft digitale medewerkers die casussen van begin tot eind afhandelen.
Kan AI het aantal valse positieven bij fraudedetectie verminderen? Gespecialiseerde modellen kunnen dat, en banken rapporteren daar resultaten van, maar dat is een ander instrument dan een algemene assistent. Wat Claude wel kan, is elke alert sneller laten afhandelen door het bewijs te verzamelen en de afhandeling op te stellen, die de analist vervolgens bevestigt.
Agentic AI
Agentic AI in de bankensector en generatieve AI in bankoperations
Agentic AI in de bankensector betekent workflows in meerdere stappen waarbij Claude documenten verzamelt, regels toepast en een resultaat voorbereidt zonder dat iemand elke stap aanstuurt. KYC-screening, grootboekreconciliatie en de maandafsluiting zijn goede kandidaten, omdat de stappen vastliggen en de output controleerbaar is. Precies daarom bevatten de agent-templates van Anthropic een grootboekreconciliator en een maandafsluitingsagent.
Generatieve AI in de bankensector werkt het best met een duidelijke grens: de agent bereidt voor, een persoon keurt goed. In de praktijk betekent dat elke agentoutput in een wachtrij voor beoordeling terechtkomt, dat de stappen van de agent worden gelogd, en dat het model past binnen je kader voor modelrisicobeheer, zoals SR 11-7 in de Verenigde Staten. Toezichthouders vragen niet alleen wat het instrument heeft opgeleverd, maar ook hoe het is gevalideerd en gemonitord.
Codemodernisering is de stillere kans. Veel banken draaien kritieke processen op decennia oude code die nog maar weinig mensen begrijpen. Claude kan die code uitleggen, de bedrijfsregels documenteren en helpen tests te schrijven voordat er iets wordt veranderd. In de blogpost van Anthropic van oktober 2025 wordt de CTO van Citi geciteerd over het gebruik van Claude in zijn developerplatform voor planning en agentic coding.
Tools kiezen
Claude versus ChatGPT in de bankensector
De vraag Claude versus ChatGPT voor banking beantwoord je het beste met je eigen dossiers. Neem een afgesloten KYC-zaak, een eerder onderzoek en een samenvatting van regelgeving die je team al heeft geschreven. Voer dezelfde prompts uit in beide tools en vergelijk de nauwkeurigheid, hoe elke tool zijn bronnen citeert, en hoe elke tool zich gedraagt wanneer informatie ontbreekt.
Bij een bank zijn de doorslaggevende factoren meestal governance in plaats van pure capaciteit: implementatieopties, dataresidentie, bewaartermijnen, auditlogging, en of het instrument past binnen je processen voor risico's van derde partijen en modelrisico. N26 gebruikt Claude bijvoorbeeld via AWS Bedrock, volgens het klantverhaal van Anthropic. Je inkoop- en risicoteams bepalen het goedgekeurde traject.
Welk instrument je ook gebruikt, de prompts en beoordelingsgewoonten op deze pagina blijven relevant. De vaardigheid die telt, is het schrijven van precieze instructies en het controleren van de output aan de hand van de bron.
Aan de slag
Claude veilig introduceren in een bankteam
Begin in de goedgekeurde werkomgeving
Gebruik alleen de implementatie die je bank heeft goedgekeurd voor klantgegevens. Test prompts eerst op synthetische of afgesloten casussen.
Kies één werkstroom
Kies één repeterend proces, zoals periodieke KYC-herbeoordelingen, en meet tijd en foutpercentages voor en na.
Zet de procedure in de prompt
Plak je checklist en beleidstekst in de prompt of het project. De output volgt dan jouw procedure in plaats van een generieke.
Houd bij elke output een beoordelaar aan
Richt de workflow zo in dat een met naam genoemde persoon elke door AI opgestelde beslissing, notitie of melding goedkeurt.
Grenzen
Waar banken de regie bij een persoon moeten houden
Claude kan een document verkeerd lezen, een uiteindelijk belanghebbende missen die verborgen staat in een voetnoot, of een regel samenvatten die inmiddels is gewijzigd. Claude kent je klant niet zoals je relatiebeheerder dat doet. Elke AI-ondersteunde beoordeling heeft een met naam genoemde beoordelaar nodig, en elk cijfer in een regelgevende melding moet herleidbaar zijn tot het systeem van record.
Beslissingen met juridisch gewicht, zoals het melden van verdachte activiteiten, het beëindigen van een klantrelatie of het afwijzen van krediet, blijven onder je beleid bij bankmedewerkers liggen. Regels voor fair lending en consumentenbescherming gelden ook voor elke AI-ondersteunde klantbeslissing, wat nog een reden is om Claude te beperken tot voorbereiding en documentatie.
Klantgegevens zijn wettelijk en contractueel beschermd. Gebruik alleen goedgekeurde implementaties, houd je aan dataminimalisatie, en plak nooit klantinformatie in een persoonlijk account.
Bouw de vaardigheid op voordat de uitrol je team bereikt
AI goed gebruiken in een bank is een praktische vaardigheid: precieze instructies, controleerbare output en goede beoordelingsgewoonten. Het gratis curriculum van Nightschool AI is vanaf de eerste les praktijkgericht.
Veelgestelde vragen
Hoe gebruiken banken AI voor compliance en fraudedetectie?
De detectie zelf draait meestal op gespecialiseerde monitoring- en fraudemodellen, terwijl generatieve AI zoals Claude onderzoekers helpt na een alert: casusfeiten verzamelen, KYC-dossiers controleren, verslagen opstellen en beslissingen vastleggen. In blogposts van Anthropic wordt FIS geciteerd over een agent die AML-onderzoeken van dagen naar minuten terugbrengt. De analist beslist nog steeds over de uitkomst.
Hoe gebruiken banken AI?
Banken gebruiken AI voor compliance- en KYC-beoordelingen, fraudeonderzoeken, klantenservice, operations zoals reconciliaties en afsluiting, softwareontwikkeling en het doorzoeken van interne kennis. De klantverhalen van Anthropic beschrijven hoe N26 taken automatiseert binnen specifieke processen en hoe bunq Claude Code gebruikt om nieuwe ontwikkelaars sneller productief te maken.
Welke banen vervangt AI in de bankensector?
AI neemt tot nu toe vooral taken over, geen volledige functies: documentcontrole, eerste conceptversies van casusverslagen, reconciliatiewerk en routinematige klantvragen. Functies die draaien om oordeelsvorming, relaties en verantwoording aan toezichthouders blijven bestaan. Mensen die leren AI-output aan te sturen en te controleren, krijgen vaak complexer werk.
Kan AI het aantal valse positieven bij fraudedetectie verminderen?
Gespecialiseerde fraude- en monitoringmodellen kunnen dat, en daar komt de vermindering van valse positieven meestal vandaan. Een algemene assistent zoals Claude helpt op een andere manier: hij maakt elke alert sneller te beoordelen door het bewijs te verzamelen en de afhandeling op te stellen, die een onderzoeker vervolgens bevestigt.
Wordt Claude gebruikt door banken?
Ja. In gepubliceerde blogposts en klantverhalen van Anthropic worden banken genoemd, waaronder N26, bunq, BNY, Citi en Commonwealth Bank of Australia, met voorbeelden van procesautomatisering, developerplatforms en agentworkflows. Anthropic publiceert ook connectors voor financiële dienstverlening en agent-templates zoals een KYC-screener.
Wat is agentic AI in de bankensector?
Agentic AI betekent een AI-systeem dat een proces van meerdere stappen uitvoert, zoals het verzamelen van KYC-documenten, het toepassen van regels en het signaleren van hiaten, zonder dat iemand elke stap aanstuurt. In de bankensector zou dit moeten uitkomen in een wachtrij voor beoordeling, waar een persoon het resultaat goedkeurt, met logging en toezicht op modelrisico.
Is het veilig voor banken om AI te gebruiken met klantgegevens?
Dat kan, via implementaties die de bank heeft goedgekeurd na een beoordeling van risico's van derde partijen, gegevensbescherming en modelrisico. Anthropic geeft aan dat zijn aanbod voor financiële dienstverlening standaard geen gegevens gebruikt voor training. Medewerkers mogen nooit persoonlijke accounts gebruiken voor klantinformatie.
Hoe moeten banken AI-ondersteund werk valideren?
Behandel de AI als onderdeel van een proces onder modelrisicobeheer: leg het beoogde gebruik vast, test het op afgesloten casussen, meet foutpercentages, vereis een met naam genoemde beoordelaar voor elke output, log de stappen en monitor de kwaliteit over tijd. Toezichthouders zullen vragen hoe het is gevalideerd.
Verder leren
Gerelateerde gidsen en cursussen
Claude in Bankwezen, per rol
Besteed minder tijd aan het samenstellen van dossiers
Praktijkgerichte lessen voor mensen die in gereguleerde teams werken.