Sinds het begin van de jaren 2000 is antiwitwasbeleid vooral regelgedreven geweest – gericht op het aantonen van naleving, niet op het daadwerkelijk opsporen van risico’s. Dat leidde tot hoge aantallen false positives, overbelaste analisten en beperkte contextuele inzichten.
Vandaag verschuift de sector naar een hybride model: data-analyse ondersteunt een risicogebaseerde aanpak, terwijl de AMLR-verordening opnieuw nadruk legt op regelgebaseerde controles. Naarmate deze kaders verder evolueren, blijft één factor bepalend voor effectieve AML: menselijk talent.
Om financiële criminaliteit wereldwijd het hoofd te bieden, hebben banken teams nodig die niet alleen worden versterkt door AI, maar ook continu worden ontwikkeld – professionals die datavaardigheid, beoordelingsvermogen en besluitkracht combineren om complexe risicogevallen effectief te beheren.
Economische criminaliteit bestrijden: een negatieve ‘businesscase’ van 2,4 miljard dollar
Tussen 2024 en 2025 daalde de instroom in startersfuncties bij Europese technologiebedrijven met 73,4%. Dat is een duidelijk signaal dat automatisering steeds meer druk zet op instapfuncties – en daarmee op de traditionele loopbaanpaden van toekomstig leiderschap.
Hoewel deze verschuiving de talentpijplijn kan verzwakken, biedt ze ook kansen. Organisaties kunnen juniorfuncties herontwerpen met een nadruk op leren, mentorschap en strategische bijdragen. Zo versnellen zij juist de ontwikkeling van toekomstig senior talent.
Managers spelen hierin een sleutelrol. Hun taak verschuift van procesbewaking naar coaching: jonge professionals begeleiden, hun potentieel versterken en hun vaardigheden aanscherpen in een AI-gedreven werkomgeving.
Door AI-tools te koppelen aan doelgerichte talentontwikkeling kunnen organisaties hun aanvoerlijn versterken en hun toekomstige leiderschap sneller opbouwen.
‘Klantgerichte’ AML-teams opbouwen door middel van upskilling
Hoewel AI enorme hoeveelheden gegevens kan verwerken en risico’s op grote schaal kan signaleren, zijn het juist de analisten die het verschil maken – zij kunnen risico’s interpreteren, prioriteren en opvolgen.
Daarom is upskilling de sleutel tot een risicogebaseerde, AI-versterkte AML-functie. Nu AI steeds meer handmatige taken automatiseert, moeten menselijke vaardigheden zich ontwikkelen om interpretatief, ethisch en contextueel relevant te blijven.
AML-professionals moeten leren kritisch om te gaan met AI-gegenereerde inzichten. Ze moeten beoordelen welke gevallen escalatie vereisen, complexe bevindingen begrijpelijk communiceren met toezichthouders en klanten en AI-uitkomsten interpreteren binnen lokale juridische, culturele en marktomgevingen. Zo behouden zij transparantie en vertrouwen, ook in een internationale context.
Technologie kan processen versnellen, maar het zijn menselijk beoordelingsvermogen, aanpassingsvermogen en besluitvorming die uiteindelijk de stabiliteit en integriteit van het financiële systeem beschermen.
Een artikel van René Janssen, oprichter en CEO van Lepaya.