Artificial Intelligence in Digital Banking: A Systematic Literature Review and a Novel Cross-Domain Resilience Framework for Customer Experience, Fraud Detection, and Risk Management
Deze systematische literatuurstudie synthetiseert gefragmenteerd onderzoek naar AI in digitaal bankieren om het nieuwe AIDBRM 2.0-framework voor te stellen, dat klantervaring, fraudedetectie en risicobeheer integreert via kruisende mechanismen zoals een Unified Continuous Trust Score, een Generative AI Governance Sandbox en Federated Cross-Institution Learning om bestaande tekortkomingen in uitlegbaarheid en architecturale afstemming aan te pakken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van het bankwezen voor als een enorme, bruisende stad. Decennialang draaide deze stad op een zeer oude, zeer rigide kaart. Als je een straat wilde oversteken, moest je een specifieke, geschilderde lijn volgen. Als je iets wilde kopen, vulde je een papieren formulier in. Dit was de "eerste golf" van digitaal bankieren: het simpelweg omzetten van papier naar pixels, maar met behoud van dezelfde trage, regelgebonden logica onder de motorkap.
Maar nu verandert de stad. De stad wordt herbouwd met een levend, ademend zenuwstelsel. Dit is de "tweede golf", aangedreven door Kunstmatige Intelligentie (AI). In deze nieuwe stad volgen de systemen niet alleen regels; ze leren, voelen en reageren in realtime. Denk aan een slimme verkeerslicht die niet alleen op een timer op groen springt, maar die ook daadwerkelijk auto's observeert, voorspelt waar ze naartoe gaan en direct bijstuurt om files te voorkomen.
Het bouwen van deze slimme stad is echter lastig. De stadsplanners (de onderzoekers) hebben gewerkt in afzonderlijke wijken. De ene groep is geobsedeerd door het maken van de "Klantervaring"-wijk vriendelijk en leuk, met chatbots die klinken als vrienden. Een andere groep bewaakt de "Fraudedetectie"-vesting, met hoogtechnologische sensoren om dieven te vangen. Een derde groep beheert de "Risico"-district, om ervoor te zorgen dat leningen veilig zijn en om uit te leggen waarom een lening wel of niet is goedgekeurd. Het probleem is dat deze wijken in de echte stad niet gescheiden zijn. Eén persoon die door de straat loopt, kan tegelijkertijd met een robot chatten, iets kopen en een lening aanvragen. Als de wijken niet met elkaar praten, raakt de stad in de war, is de beveiliging gebrekkig en maken de regels geen zin. Dit artikel is een detectiveverhaal dat deze drie wijken samenbrengt om te zien hoe ze als één team kunnen werken.
Het Detectiewerk: Wat het Papier Vond
De auteur, Durga Prasad Dāsepalli, trad op als een supergeorganiseerde bibliothecaris. Ze gokten niet zomaar; ze gingen op een missie om 36 serieuze, door experts beoordeelde studies te lezen en te sorteren, gepubliceerd tussen 2020 en 2025. Ze gebruikten een strikte checklist genaamd PRISMA om er zeker van te zijn dat ze alleen naar de beste, meest betrouwbare onderzoeken keken.
Na het lezen van al deze studies vond de detective drie grote problemen die de stad tegenhielden:
- Het "Silo"-probleem: De onderzoekers die vriendelijke chatbots bestuderen, praatten zelden met de onderzoekers die fraude-vangers bestuderen. Maar in het echte leven is het computersysteem van een bank één grote machine. Als een klant met een bot chat terwijl er een fraudealarm afgaat, moet het systeem beide dingen tegelijkertijd weten. Momenteel behandelen de onderzoeken ze alsof ze in verschillende universums leven.
- De "Verklaarbaarheid"-onbalans: Dit is een chique woord voor "het kunnen uitleggen van je antwoord". De onderzoekers ontdekten dat wanneer banken "Nee" zeggen tegen een lening, ze heel goed zijn geworden in het uitleggen van het waarom (met behulp van tools zoals SHAP en LIME). Maar wanneer ze "Stop!" zeggen tegen een verdachte transactie of "Hier is een speciaal aanbod", gebruiken ze vaak "black box"-AI die zichzelf niet kan uitleggen. Het is alsof je een leraar hebt die zijn huiswerk perfect uitlegt, maar weigert uit te leggen waarom hij je een straf heeft gegeven. Het artikel suggereert dat dit onrechtvaardig en riskant is, vooral omdat regelgeving begint te eisen dat er uitleg wordt gegeven voor alle AI-beslissingen, niet alleen voor leningen.
- De "Blauwdruk"-disconnect: Er zijn architecten die de gebouwen ontwerpen (de cloud en microservices die de software draaien) en ingenieurs die de robots bouwen (de AI-modellen). Maar de architecten en ingenieurs praten niet met elkaar. De architecten maken zich zorgen over snelheid en stabiliteit, terwijl de ingenieurs zich zorgen maken over nauwkeurigheid. Het artikel stelt dat je geen geweldige AI-robot kunt hebben als het gebouw waarin hij woont niet klaar is om hem te ondersteunen.
De Nieuwe Blauwdruk: AIDBRM 2.0
Om deze rommelige wijken op te lossen, stelt het artikel een nieuwe, verenigde blauwdruk voor genaamd AIDBRM 2.0 (AI-Enabled Digital Banking Resilience Model, versie 2.0). Denk aan dit als een nieuw stadsplan dat alle districten verbindt met speciale bruggen en gedeelde tools.
Het artikel stelt drie "super-tools" voor die nog nooit eerder op deze manier samen zijn gebruikt:
- De "Verenigde Vertrouwensscore" (Het Alziende Badge): Stel je voor dat elke klant een enkele, gloeiende badge heeft die elke seconde wordt bijgewerkt. Deze badge laat niet alleen zien of ze een goede lener zijn; het combineert hun kredietscore, hoe waarschijnlijk het is dat ze een fraudeur zijn, en hoe tevreden ze zijn met de service van de bank. Als een klant gewoon een hoge vertrouwensscore heeft maar plotseling een vreemde transactie doet, kan het systeem naar hun hele geschiedenis kijken en beslissen: "Oh, dit is waarschijnlijk veilig," in plaats van hen onmiddellijk te blokkeren. Dit voorkeert de irritante "valse alarmen" die klanten boos maken.
- De "Generatieve AI Sandbox" (Het Veiligheidsnet): Banken beginnen "Generatieve AI" te gebruiken (het soort dat verhalen schrijft of complexe vragen beantwoordt) om met klanten te communiceren. Maar deze AI-modellen kunnen soms "hallucineren" (dingen verzinnen) of per ongeluk geheimen lekken. Het artikel suggereert het bouwen van een speciale "sandbox" of testkamer. Voordat een AI-antwoord naar een echte klant gaat, wordt het in deze kamer getest om te controleren of het niet liegt, gegevens lekt of wordt gefopt door slechteriken. Het is als een vluchtsimulator voor de AI van de bank voordat deze met echte passagiers vliegt.
- De "Federated Learning"-club (De Geheime Handdruk): Fraudeurs werken vaak in netwerken die verschillende banken overstijgen. De ene bank ziet een deel van een scam, en een andere bank ziet de rest, maar ze kunnen de privégegevens van de klant niet delen. Het artikel stelt een "Federated Learning"-module voor. Dit is als een geheime club waar banken hun geleerde lessen (de wiskunde achter de AI) delen zonder de geheime ingrediënten (de werkelijke klantgegevens) te delen. Op deze manier kunnen ze allemaal slimmer worden in het vangen van geldwitwas-scams zonder de privacyregels te schenden.
Wat dit betekent voor iedereen
Het artikel is heel duidelijk over wat het nog niet heeft gedaan. Het heeft deze nieuwe stad nog niet gebouwd of getest met echt geld. Het is een conceptueel kader — een zeer sterk, goed onderbouwd idee gebaseerd op wat we al weten. De auteur geeft toe dat hoewel de blauwdruk er op papier geweldig uitziet, we het daadwerkelijk moeten bouwen en moeten zien of het in de echte wereld werkt.
De implicaties zijn echter enorm. Voor de mensen die de banken runnen, betekent dit dat ze niet zomaar een coole AI-chatbot kunnen kopen en klaar zijn. Ze moeten hun hele gebouw (de architectuur) upgraden en ervoor zorgen dat hun beveiligers (fraudedetectie) en leningofficers (risicobeheer) allemaal hetzelfde speelboek gebruiken.
Voor de toezichthouders is het een wake-up call: als je van banken vraagt om hun leningbeslissingen uit te leggen, moet je ook eisen dat ze hun fraudeblokkeringen en hun productaanbevelingen uitleggen. En voor klanten is de hoop dat de bank op een dag minder aanvoelt als een rigide robot en meer als een slimme, behulpzame partner die het hele plaatje van je leven begrijpt, en niet slechts een klein fragment ervan.
Kortom, dit artikel betoogt dat de toekomst van het bankwezen niet gaat over het hebben van de slimste individuele AI; het gaat over het hebben van een team van AI's die met elkaar kunnen praten, hun werk kunnen uitleggen en samen kunnen werken om de stad veilig, eerlijk en vriendelijk te houden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.