Webinar terugblik: Het AI-agentplaybook voor financiële dienstverlening

Webinar terugblik: Het AI-agentplaybook voor financiële dienstverlening

Klanten in de financiële dienstverlening verwachten meer dan keuzemenu's en wachtmuziekmuziek - ze verwachten soepele, intelligente ervaringen die hun problemen echt oplossen. 

In ons nieuwste webinar, Het AI-agentplaybook voor financiële dienstverlening, lieten we zien hoe AI-agenten in de financiële dienstverlening op schaal worden gebouwd, ingezet en vertrouwd — van live demo's tot resultaten uit de praktijk bij Revolut, Klarna en Better.

Waarom dit belangrijk is voor financiële dienstverlening 

De sector heeft sinds 2011 meer dan $2,8 biljoen uitgegeven aan digitale transformatie. Toch voelen klanten zich nog steeds niet goed geholpen. Digitale kanalen hebben de drempel van een bezoek aan een filiaal weggenomen, maar vervangen door een ander soort frustratie: onpersoonlijke, geautomatiseerde en emotioneel vlakke interacties die mensen als tickets behandelen.

Deze kloof brengt kosten met zich mee die overal zichtbaar zijn. Een aanzienlijk deel van de interacties bestaat uit herhaalde gesprekken van klanten van wie het probleem de eerste keer niet is opgelost. Medewerkers raken uitgeput en het verloop neemt toe, terwijl de servicekwaliteit gelijk blijft. 

Het resultaat is een loyaliteitsprobleem. Klanten spreiden hun zaken over meerdere banken, omdat geen enkele instelling hen als een strategische relatie behandelt. 

De kloof gaat niet alleen over automatisering - het gaat erom op schaal consistente, beleidsconforme ervaringen te bieden zonder het menselijke aspect te verliezen.

Multimodale AI-agenten voor meerdere kanalen helpen deze kloof te dichten. 

Demo: Agent voor retailbankieren 

Scenario: Een klant van een retailbank belt om het rekeningsaldo te controleren, recente transacties te bekijken, een verdachte opname te melden en te vragen naar de persoonlijke lening.

Wat werd getoond:

• De agent verifieerde de identiteit van de beller via een gestructureerde reeks beveiligingsvragen voordat toegang tot de rekening werd verleend
• Na verificatie haalde de agent actuele saldo's van de rekening en spaarrekening op via directe tool calls naar de backend
• Toen de klant een onbekende geldopname bij een geldautomaat meldde, escaleerde de agent deze direct als verdachte transactie, genereerde een fraudereferentienummer in realtime en registreerde dit bij het fraudeteam
• Het gesprek verschoof halverwege naar een vraag over een persoonlijke lening — de agent detecteerde de gewijzigde intentie en leidde zonder problemen door naar de juiste gespecialiseerde subagent
• Toen de klant advies vroeg over hoeveel er moest worden afgelost, weigerde de agent financieel advies te geven, legde duidelijk uit waarom en gaf aan waarmee deze wel kon helpen

Waarom dit belangrijk is: Dit is geen scripted chatbot die een beslisboom volgt.

De agent verwerkt verificatie, vragen over rekeningen, fraudemeldingen en vragen over leningen in één gesprek — en houdt zich daarbij aan compliancegrenzen.

De guardrails bestaan uit meerdere lagen, zijn ingebouwd in de systeemprompt en omvatten aangepaste regels, zoals een beperking op financieel advies. Elk gesprek genereert geautomatiseerde samenvattingen, evaluatiescores en analytics op workflowniveau, zodat teams de prestaties kunnen volgen in duizenden gesprekken. 

Compliance en beveiliging 

De inzet van AI in de financiële dienstverlening mislukt zelden omdat de technologie niet werkt. Het mislukt omdat organisaties niet door hun beveiligings- en compliancebeoordelingen komen. 

ElevenLabs beschikt over SOC 2 Type II- en GDPR-certificeringen en is een PCI DSS-serviceprovider van niveau 1 — de hoogst beschikbare standaard en het eerste AI-agentenplatform dat deze heeft behaald. Dit betekent dat acquirerende banken en handelaren het platform kunnen gebruiken zonder vereisten voor self-hosting of een VPC. Je hoeft niet te kiezen tussen snelheid en beveiliging.

Voor teams die verder willen gaan, brengt ElevenLabs Agents je zonder extra configuratie al 75% op weg naar AIUC-1-certificering.

AIUC-1-certificering is de eerste standaard voor veiligheid, beveiliging en betrouwbaarheid die speciaal is ontwikkeld voor AI-agenten - ontwikkeld met meer dan 75 CISOs van Fortune 500-bedrijven en onderzoekers van Stanford, MIT en MITRE.

Deze omvat drie zaken waar organisaties consequent om vragen: 1) gevalideerde veiligheid via meer dan 5.000 adversariële simulaties, 2) snellere implementatie via een duidelijk vertrouwenssignaal dat beveiligingsbeoordelingen versnelt, en 3) toegang tot een verzekering voor AI-agenten die hallucinaties, datalekken en ongeautoriseerde acties dekt via Lloyd's of London.

Best practices voor de implementatie van een AI-agent in financiële dienstverlening 

1. Verdeel complexe agenten over gespecialiseerde subagenten. Alle instructies in één prompt plaatsen, vermindert de betrouwbaarheid in productie. Modulaire subagenten — elk met een eigen prompt, tools en kennisbank — zijn makkelijker te testen, bij te werken en te vertrouwen.
2. Combineer deterministische controles met LLM-flexibiliteit. Gebruik hard-coded routing voor stappen zoals verificatie, waarbij geen ruimte is voor interpretatie. Gebruik LLM-gebaseerde voorwaarden om de intentie te begrijpen en open vragen te verwerken. Je hebt beide nodig.
3. Werk met meerdere lagen guardrails. Instructies op promptniveau vormen een beginpunt. Native guardrails voor focus, manipulatie en content voegen een tweede laag toe. Aangepaste guardrails — zoals het blokkeren van financieel advies — geven je nauwkeurige controle over edge cases die specifiek zijn voor je bedrijf.
4. Bepaal evaluatiecriteria voordat je implementeert. Bouw vanaf het begin gespreksbeoordeling, intentiecategorisatie, hallucinatieherkenning en het bijhouden van containment in. Teams die op schaal implementeren, gebruiken doorgaans tussen de twintig en zeventig evaluatiecriteria per agent.
5. Monitor op workflowniveau, niet alleen op gespreksniveau. Begrijp hoe gebruikers zich tussen sub-agenten bewegen, waar ze vastlopen en welke nodes herhaalde lussen veroorzaken. Workflowanalytics brengen problemen aan het licht die beoordelingen op gespreksniveau missen.
6. Pak verificatie vroeg in het ontwerpproces aan. Verificatiemethoden verschillen — beveiligingsvragen, eenmalige toegangscodes, in-appmeldingen, upstreamtelefonie. De juiste aanpak hangt af van je risicomodel. Neem deze beslissing voordat je bouwt, niet erna.

Bekijk de volledige sessie 

Bekijk het volledige webinar hier.