De Amsterdamse RegTech ACE + Company ontwikkelt met haar platform RegAI generatieve AI voor compliance bij financiële instellingen. Volgens het bedrijf is niet de technologie de bottleneck, maar de schaarste aan diepe regulatory expertise om die technologie betrouwbaar te maken. Daarom verankert ACE die kennis van meet af aan in de architectuur van zijn systemen.
Financiële instellingen zien hun regeldruk jaarlijks toenemen. Wereldwijd verschijnen er meer dan 50.000 pagina’s aan nieuwe regelgeving, van prudentiële eisen en operational resilience tot rapportageverplichtingen en gedragsnormen. Compliance-functies staan onder druk om dat volume te verwerken, wat de vraag naar ondersteunende technologie opvoert.
ACE + Company richt zich op de financiële sector en combineert software engineers, data scientists en regulatory experts in één team, geleid door Nick Prince.
Het bedrijf zegt AI niet als hype te behandelen, maar het van begin af aan gedisciplineerd en evidence-based toe te passen. “We bouwen geen tools in isolatie. We vertalen complexe regulatory kennis naar systemen die klanten daadwerkelijk kunnen gebruiken”, zegt Mehul Mistry, die de data science-lijn binnen het team leidt.
Expertise als bouwsteen
De belemmering voor effectieve AI-adoptie in financiële diensten is volgens Prince niet de toegang tot technologie, maar de schaarste aan regulatory expertise die nodig is om AI met de vereiste precisie en verantwoording te laten werken.
“De magie zit niet in het AI-model zelf. Het zit in het rigoureuze, vaak ongeglamoureuze werk dat onze engineers en experts doen om dat model veilig te maken voor een bank”, zegt hij. “We bouwen geen black box; we bouwen een glass one.”
Die transparantie krijgt vorm in wat ACE de ‘gouden draad’ noemt: een audit trail die een wettelijke vereiste rechtstreeks koppelt aan een specifiek datapunt in de infrastructuur van een klant. Voor een instelling die aan een toezichthouder moet kunnen aantonen hoe een compliance-beslissing tot stand kwam, is die end-to-end traceerbaarheid een randvoorwaarde om AI in een gereguleerde omgeving in te zetten.
Op langere termijn werkt het team toe naar wat Prince een autonoom ‘Regulatory Nervous System’ noemt: een systeem dat regulatory verandering vrijwel in real time verwerkt, interpreteert en doorvoert in de volledige infrastructuur van een instelling.
Complexe regelgeving, technische diepgang
De technische opgave is groter dan ze op het eerste gezicht lijkt. Regulatory teksten zitten vol kruisverwijzingen naar andere secties en regelingen, die correct geïnterpreteerd moeten worden om tot bruikbare, gestructureerde eisen te komen. ACE werkte onder meer aan het omzetten van het Data Point Model van de European Banking Authority naar een bevraagbare knowledge graph.
“Het genereren van heldere, gestructureerde requirements uit dichte regulatory tekst vraagt om interpretatie, precisie en constante validatie”, zegt data scientist Rishi Ramachandran.
Voor bestuurders die zulke oplossingen wegen, draait het volgens ACE uiteindelijk minder om de techniek dan om verantwoording: wie aanspreekbaar is op de output, hoe die te controleren is en of het systeem standhoudt onder toezicht.