Onboarding automatiseren zonder de grip op compliance te verliezen

Klant-onboarding is waar financiële dienstverleners de compliancespanning het hardst voelen. Versnel je het proces, dan riskeer je een gemiste controle. Doe je het traag en grondig, dan haken klanten af voordat ze klaar zijn. De meeste organisaties proberen dit op te lossen met meer mensen, meer handmatige checks en meer procesdocumentatie. Op schaal werkt niets daarvan.

De organisaties die hier voorbij zijn, automatiseren de gestructureerde delen van de onboarding met AI en houden het menselijk oordeel waar het echt telt. Dat onderscheid is precies wat toezichthouders verwachten.

Waarom automatisering en compliance niet botsen

De aanname dat automatisering compliancerisico toevoegt, is begrijpelijk maar onjuist als je het goed inricht. Handmatige onboarding is niet automatisch compliant, alleen variabeler. Verschillende medewerkers hanteren verschillende maatstaven. Documenten worden op verschillende momenten met verschillende aandacht bekeken. De afhandeling van uitzonderingen is inconsistent. De audittrail is incompleet.

AI-onboarding, goed geïmplementeerd, is consistenter dan menselijke onboarding. Elk document wordt elke keer tegen dezelfde criteria gecheckt. Elke beslissing wordt vastgelegd. Elke uitzondering wordt gemarkeerd en met volledige context naar een mens gestuurd. De compliancevraag is niet "mens of AI", maar "waar ligt de beslisgrens, en wie is verantwoordelijk voor de randgevallen".

Wat je in KYC-onboarding kunt automatiseren

Niet alles in de onboarding leent zich even goed voor automatisering. De grens bepalen is de belangrijkste ontwerpkeuze in elk KYC-project.

Goed te automatiseren:

• Documenten innemen en eerste validatie (formaat paspoort, vervaldatum, land van uitgifte)
• Data uitlezen uit identiteitsdocumenten (naam, geboortedatum, documentnummer)
• Liveness-checks en beeldkwaliteitscontroles
• Ingediende data kruisen met bestaande records
• Sanctie- en PEP-screening tegen gestructureerde databases
• Dossiers klaarzetten en reviewwachtrijen voorvullen voor analisten

Beter een mens erbij:

• Randgevallen waar de documentkwaliteit twijfelachtig is
• Gevallen waar de identiteit niet matcht met eerdere records
• Classificaties met een hoog risico die een oordeel vragen
• Klanten die zelf om handmatige controle vragen

De uitrol bij Novum Bank is het meest gedetailleerde openbare voorbeeld in Nederland. Hun AI verwerkte meer dan een miljoen documenten in KYC-gerelateerde processen, gericht op de gestructureerde, herhaalbare stappen. Analisten bekeken de gemarkeerde gevallen. De automatiseringsgraad kwam op 85%, waardoor de aandacht van het team naar de 15% ging die het echt nodig had.

De regelcontext in 2025-2026

De Nederlandsche Bank (DNB) en de Europese Bankautoriteit hebben allebei richtlijnen gepubliceerd over AI in financiële dienstverlening die direct raken aan onboarding.

De kern is overal gelijk: AI-beslissingen moeten uitlegbaar zijn (word je afgewezen of gemarkeerd, dan moet de reden gedocumenteerd en verdedigbaar zijn), menselijk toezicht moet echt zijn en geen stempelmachine, en datakwaliteit en modelmonitoring zijn doorlopende verplichtingen. Niets daarvan sluit automatisering uit. Het definieert hoe goede automatisering eruitziet. Een AI die uitlegbare output geeft, randgevallen naar echte controle stuurt en op drift wordt gemonitord, voldoet. Een chatbot die klanten goedkeurt op ondoorzichtige logica niet.

MiCA voegt voor cryptodienstverleners eisen toe die sterk overlappen met KYC. De inzet bij Bitvavo bevatte KYC-nabije automatisering voor MiCA en verwerkte 375.000 interacties op 82,9% automatisering, zonder compliance-incidenten. De fintech-pagina gaat daar dieper op in.

Het afhaakprobleem dat automatisering écht oplost

Complianceteams kijken naar wat binnen de onboarding gebeurt. Commerciële teams naar wat ervóór gebeurt. Allebei reëel, en automatisering pakt beide aan.

De cijfers over afhaken zijn consistent: ergens tussen de 40% en 70% van de klanten die aan een onboarding beginnen, maakt die niet af. De grootste redenen: wrijving bij het aanleveren van documenten, trage reactietijden, en onduidelijkheid over wat er nodig is. AI verlaagt alle drie. Documenten aanleveren gaat met directe feedback als er iets mis is. Verwerking gebeurt zonder de wachttijden van handmatige stromen. De instructies zijn consistent en helder. Voor een bank die de helft van de aanvragers verliest, is 15 tot 20 procentpunt minder afhaken een grotere commerciële winst dan de directe besparing op handwerk.

Hoe je compliant automatiseert

De ontwerpvragen die tellen:

• Waar ligt de beslisgrens? Leg precies vast welke beslissingen de AI zelf neemt, welke een menselijke bevestiging vragen, en welke altijd naar een analist gaan. Documenteer dat expliciet. Het is je verdediging bij een audit.
• Hoe ziet het escalatiepad eruit? Krijgt de reviewer de volledige context, de reden van escalatie en een duidelijke actie? Zonder context beslist hij slechter.
• Hoe houd je de kennis actueel? Sanctielijsten, PEP-databases en documenteisen veranderen. De kennis van de AI moet mee, op hetzelfde ritme als de regels.
• Hoe monitor je het model? Een verificatiemodel dat bij de start 95% haalde, kan wegzakken als documentformaten wijzigen. Regelmatige checks tegen bekende voorbeelden zijn het minimum.

De aanpak achter deze principes staat op de KYC-oplossing. Waarom de menselijke controle een ontwerpkeuze is en geen vangnet, lees je in wat je compliance-team doet als de AI twijfelt.

De doorlooptijd

KYC-projecten waren van oudsher traag: maatwerkmodellen, lange leveranciersselecties en zware integraties betekenden 12 tot 18 maanden tot livegang. Het Freeday-model werkt anders, met kant-en-klare koppelingen en zonder maatwerktraining voor standaarddocumenten. Voor een Head of KYC is de vraag niet meer of de techniek volwassen is, maar hoe lang het interne goedkeuringsproces voor een AI-systeem duurt, vergeleken met de implementatie zelf.

De meest gestelde vragen

Is AI-KYC-automatisering compliant met Nederlandse en EU-regels?

Ja, mits goed ontworpen. DNB- en EBA-richtlijnen stellen eisen aan uitlegbaarheid, menselijk toezicht en modelmonitoring. AI-KYC die daaraan voldoet, is compliant. De kernvragen zijn waar de beslisgrens ligt en hoe je randgevallen afhandelt.

Welke documenten kan AI automatisch verifiëren?

Paspoorten, ID-kaarten, rijbewijzen en verblijfsdocumenten met een machineleesbare zone met hoge nauwkeurigheid. Bewijs van adres, zoals een energierekening, kan ook, maar met lagere nauwkeurigheid en doorgaans meer menselijke controle.

Hoe gaat AI om met randgevallen bij onboarding?

Een goed systeem stuurt randgevallen met volledige context en een duidelijke reden naar een reviewer. Die ziet de beoordeling van de AI en kan bevestigen, overrulen of verder escaleren. Zo blijf je compliant terwijl de automatiseringsgraad op standaardgevallen hoog blijft.

Wat is een realistische automatiseringsgraad voor KYC-onboarding?

Op basis van de uitroldata: 80 tot 85% voor gestructureerde documentstromen. De exacte graad hangt af van de mix aan documenttypes, de kwaliteit van het aangeleverde, en hoe voorzichtig je de escalatiegrens zet.

Hoe lang duurt de implementatie?

Standaard Freeday-uitrollen staan in twee tot vier weken live. Het interne goedkeuringsproces duurt vaak langer dan de techniek.

Benieuwd wat er in jouw onboarding te automatiseren valt? Plan een gesprek.