Zesentachtig procent van de ondervraagde instellingen gebruikt inmiddels AI, maar de veelzeggender cijfers liggen onder die kop: de meeste ingezette agents adviseren in plaats van te handelen, externe leveranciers leveren een groeiend deel van de systemen die er het meest toe doen, en het toezicht op die leveranciers is de governance-uitdaging die instellingen het vaakst noemen.
Managementsamenvatting
- De enquête leverde 196 reacties op, en 86% van de respondenten meldde AI te gebruiken, tegen 75% in 2024.
- Generatieve AI was goed voor 56% van de gemelde AI-systemen; operations en IT waren goed voor ongeveer 31%.
- 80% meldde agents voor beslissingsondersteuning in productie; slechts 2% meldde agents met brede autonomie.
- Implementaties van derden vormden 53% van de systemen met hoge materialiteit, tegen 35% in 2024.
- 94% meldde instellingsbreed AI-beleid, AI-principes of AI-standaarden, maar slechts ongeveer de helft van de respondenten meldt doorlopende monitoring.
- Respondenten verwachten dat zowel de baten als de risico's toenemen, met versterking van cyberrisico en kritieke afhankelijkheden van derden als de twee hoogst gewaardeerde systeemrisico's.
Wat de enquête is, en wat niet #
De publicatie is een beschrijvende samenvatting van geaggregeerde resultaten uit de meest recente AI-enquête binnen het bredere AI-werkprogramma van de Bank en de FCA. Dat programma omvat eerdere AI/ML-enquêtes in 2019, 2022 en 2024. De enquête van 2026 behield kernvragen uit eerdere rondes voor de continuïteit en voegde andere vragen toe of paste ze aan om ontwikkelingen in AI-adoptie en AI-capaciteit sinds 2024 te weerspiegelen.
In totaal reageerden 196 instellingen: 101 grotere en 95 kleinere. Daarvan vulden 105 de volledige enquête in. Tenzij anders vermeld, zijn de cijfers gebaseerd op antwoorden op de volledige enquête, om vergelijking met eerdere enquêtes te vergemakkelijken, en worden percentages berekend op basis van geldige antwoorden per vraag. Instellingen die een vraag oversloegen, vallen dus buiten de noemer van die vraag. Antwoorden van internationale banken en broker-dealers hebben betrekking op hun Britse activiteiten.
Twee kanttekeningen bepalen hoe ver je deze cijfers kunt oprekken. De bevindingen zijn bewijs van deelnemende instellingen, geen volledige beoordeling van AI-adoptie in de hele Britse financiële sector. En vergelijkingen met 2024 vragen om voorzichtigheid waar vraagstelling, definities, reikwijdte of respondentenpopulaties verschillen. Ik benoem hieronder de jaar-op-jaarbewegingen, omdat dat de meest opvallende cijfers in het rapport zijn, maar die kanttekening geldt elke keer.
Voor de enquête is een AI-systeem een machinegebaseerd systeem dat, voor expliciete of impliciete doelen, uit de ontvangen input afleidt hoe het output genereert, zoals voorspellingen, content, aanbevelingen of beslissingen die fysieke of virtuele omgevingen kunnen beïnvloeden. Dat is een brede definitie, en het loont om die in gedachten te houden zodra een cijfer als 86% opduikt. Het beschrijft het gebruik van een brede categorie systemen, niet noodzakelijk het gebruik van één specifieke technologie.
Adoptie is de norm geworden #
De kern is eenvoudig. 86% van de respondenten meldde AI te gebruiken, tegen 75% in 2024. De eigen samenvatting van het rapport luidt dat instellingen steeds vaker gebruik melden van generatieve AI, AI-agents en implementaties van AI-systemen door derden. Die drie thema's structureren het grootste deel van wat volgt.
Onder de respondenten op de volledige enquête is de inzet vrijwel totaal: 94% meldde minstens één AI-systeem in productie, oplopend tot 99% wanneer pilots en geplande inzet in de komende 12 maanden worden meegeteld. Het meest gemelde huidige gebruik was productiviteit binnen de organisatie, zoals codeerassistenten of samenvattingstools, geselecteerd door 86% van de respondenten.
Kleinere instellingen blijven niet ver achter. Onder respondenten op de nieuwe verkorte enquête voor instellingen met minder dan 100 medewerkers meldde 73% AI te gebruiken, en daarvan zei 58% vooral algemene grote taalmodellen te gebruiken. Voor een kleinere instelling is dat een opvallend patroon: de technologie die het sterkst met de huidige adoptiegolf wordt geassocieerd, is ook de technologie waarop een meerderheid van de kleine gebruikers het meest leunt. Operations was het vaakst gemelde domein voor hun huidige of geplande AI-gebruik, met 64%.
Waar de systemen staan, vertelt een vergelijkbaar verhaal. Gemeten in gemelde systemen waren operations en IT goed voor ongeveer 31%, tegen circa 22% in 2024. Geen enkel ander bedrijfsonderdeel kwam boven 11%. Dat is een groot verschil. Wat het publieke debat ook zegt over AI in klantgerichte of handelsfuncties, het zwaartepunt van de enquête ligt in de backoffice.
De ervaren baten sluiten aan bij die verdeling. Operationele efficiëntie, automatisering en productiviteit waren de hoogst gewaardeerde gebieden van ervaren baten van AI vandaag. Het zou vreemd zijn als instellingen hun systemen in operations en IT concentreerden en hun grootste winst elders rapporteerden. Dat deden ze niet.
Generatieve AI is nu het grootste deel van het systeemportfolio #
De verschuiving in technologiemix is groot. Generatieve AI was goed voor 56% van alle gemelde AI-systemen, tegen 17% voor foundation models in 2024. Ik zou dat niet lezen als een zuivere sprong op vergelijkbare basis: het cijfer van 2024 telde use cases in plaats van systemen, en volgens het rapport zijn de twee maatstaven niet direct vergelijkbaar. Samen wijzen ze alleen op een substantiële toename in het gebruik van algemene capaciteiten door instellingen. Maar ook met die voorzichtigheid is een categorie die meer dan de helft van alle gemelde systemen uitmaakt geen nichexperiment meer.
Het gebruik is ook niet gelijk verdeeld over de respondenten. De tien grootste respondenten waren goed voor 43% van alle gemelde AI-systemen. Een kleine groep instellingen draait een zeer groot deel van de getelde systemen, dus het totaalbeeld is deels een beeld van die tien. Wie wil weten wat een doorsnee instelling doet, moet die concentratie meewegen.
Een andere verandering beweegt tegen de verwachting in. Ongeveer 7% van de gemelde AI-systemen werd door respondenten beoordeeld als systeem met hoge materialiteit, tegen 16% in 2024. Dat is een dalend aandeel, geen dalend aantal: volgens het rapport lag het absolute aantal gemelde systemen met hoge materialiteit in 2026 hoger dan in 2024. De enquête zegt niet waarom het aandeel daalde. Een groeiend portfolio dat wordt gedomineerd door operationele en IT-toepassingen zou het aandeel dat er het meest toe doet plausibel kunnen verdunnen, maar dat is mijn speculatie, niet iets wat de data vaststelt. Ook de systemen met hoge materialiteit zijn geconcentreerd: tien instellingen waren goed voor 62% ervan.
Agents: veel advies, heel weinig autonomie #
De cijfers over agents zijn het duidelijkste voorbeeld van instellingen die iets nieuws invoeren en er tegelijk de hand aan houden. 80% meldde AI-agents in productie die beslissingsondersteuning boden: agents bevelen acties aan, mensen beslissen en voeren uit. Tussen die polen meldde 46% agents met begrensde uitvoering (handelen binnen vooraf vastgelegde limieten en regels) en 22% agents met voorwaardelijke autonomie (zelfstandig handelen, maar met menselijke goedkeuring voor bepaalde acties). Slechts 2% meldde agents met brede autonomie in te zetten.
Ik denk dat 80% en 2% het belangrijkste cijferpaar in het rapport zijn, omdat ze laten zien waar de grens nu ligt. Agents zijn gangbaar; autonome agents zijn zeldzaam. De dominante praktijk onder respondenten is agents als adviseur in workflows te plaatsen, met uitvoering beperkt tot vooraf vastgelegde limieten, als uitvoering al is toegestaan.
Klantcommunicatie geeft een specifieker beeld van waar die grens kan verschuiven. 16% meldde huidig gebruik van agents voor geautomatiseerde klantcommunicatie, oplopend tot 34% inclusief geplande inzet. Geplande inzet verdubbelt het huidige cijfer ruimschoots. Plannen zijn geen resultaten, dus 34% is een intentie, geen adoptie. Maar het wijst op klantcommunicatie als een gebied waar instellingen verwachten agents meer werk te geven. De zwaardere beslissingen blijven buiten de plannen: zelfs inclusief geplande inzet in de komende 12 maanden verwachtte niet meer dan 9% van de respondenten dat agents klantuitkomsten goedkeuren of afwijzen, transacties uitvoeren, betalingen initiëren of blokkeren, of limieten en beheersmaatregelen wijzigen.
Dat is van belang voor de discussie over beheersing verderop. Het model van beslissingsondersteuning rust op een mens die beslist, en geautomatiseerde klantcommunicatie is precies het soort gebruik waarin een mens minder direct betrokken kan zijn. Of de beheersmaatregelen die instellingen vandaag melden op die verschuiving zijn ingericht, is een vraag die de cijfers van de enquête oproepen maar niet kunnen beantwoorden.
De kwestie van derde partijen #
Als één trend nadere bestudering verdient, is het deze. Implementaties van derden waren goed voor 39% van alle gemelde AI-systemen, tegen 33% in 2024. Dat is een bescheiden stijging. Het cijfer voor systemen met hoge materialiteit is niet bescheiden: implementaties van derden waren goed voor 53% van de AI-systemen met hoge materialiteit, tegen 35% in 2024.
Kort gezegd: externe leveranciers leveren minder dan vier op de tien systemen in totaal, maar meer dan de helft van de systemen die instellingen het meest materieel vinden. De afhankelijkheid is precies daar geconcentreerd waar het meeste op het spel staat, en ze groeide in twee jaar met achttien procentpunten. Gezien de kanttekening over het vergelijken van rondes zou ik niet leunen op de exacte omvang van die sprong, maar de richting en het niveau van 53% worden helder gerapporteerd.
Respondenten zien de beperking zelf. Zorgen over informatiebeveiliging en operationele weerbaarheid werden door 40% van de respondenten genoemd als grote beperking voor de adoptie van AI van derden, gevolgd door beperkte transparantie in AI-systemen van derden met 34%. De sector die voor zijn meest materiële systemen steeds zwaarder op leveranciers leunt, noemt dus de beveiliging en ondoorzichtigheid van leveranciers als de belangrijkste rem op de adoptie van AI van derden.
De risicobeoordelingen wijzen dezelfde kant op. De hoogst gewaardeerde gebieden van ervaren risico voor instellingen door AI vandaag waren gegevensbescherming en beveiliging, risico van derden en de toeleveringsketen, en risico's specifiek voor GenAI. Vooruitkijkend verwachtten respondenten dat versterking van cyberrisico en kritieke afhankelijkheden van derden zouden toenemen naarmate AI breder wordt gebruikt, en dit waren de twee hoogst gewaardeerde systeemrisico's, zowel vandaag als over de komende drie jaar. Voor versterking van cyberrisico beoordeelde 57% de zorg vandaag als hoog of ernstig, oplopend tot 80% over één tot drie jaar; voor kritieke afhankelijkheden van derden steeg het aandeel van 40% naar 63%. Dat is een verwachting, en de enquête presenteert het ook zo, maar het past naar aard bij de afhankelijkheidscijfers hierboven.
Voor wie AI aan de financiële sector verkoopt, is de implicatie die ik zou trekken commercieel, niet regelgevend: kopers zeggen dat gebrek aan transparantie in systemen van derden hen beperkt, en een leverancier die die zorg direct kan beantwoorden, adresseert iets wat 34% van de respondenten noemde. Dat is mijn lezing, geen bevinding van de enquête.
Governance: sterk op papier, dunner in de praktijk #
Qua structuur lijken respondenten goed georganiseerd. 94% meldde instellingsbreed AI-beleid, AI-principes of AI-standaarden, en 84% meldde centrale governancegremia voor AI en modelrisico. Onder de beheersmaatregelen voor datarisico in AI-systemen werden menselijke goedkeuring, beoordeling vóór ingebruikname en due diligence op leveranciers elk door meer dan 90% van de respondenten gemeld.
Het beeld verandert zodra je van maatregelen vóór de livegang naar maatregelen daarna gaat. Doorlopende monitoring, lekkagetests en periodieke herbeoordeling of hercertificering werden elk door ongeveer de helft van de respondenten gemeld. Een kloof van grofweg veertig procentpunten scheidt de waarborgen aan de voorkant van de doorlopende.
Ik zou stellen dat dit het zwakste punt is in de gemelde beheersomgeving. Controles vóór ingebruikname zijn eenvoudig te beschrijven en eenvoudig te auditen. Monitoring van een systeem in productie is een doorlopende kostenpost, en de cijfers suggereren dat ongeveer de helft van de instellingen die meldt. Waar systemen van derden de categorie met hoge materialiteit domineren, weegt die kloof zwaarder, omdat instellingen niet altijd kunnen inspecteren wat ze niet zelf bouwden. De enquête laat dat direct zien: voor systemen met hoge materialiteit meldde 77% van de respondenten te steunen op diepgaande kennis van intern ontwikkelde systemen, tegen 24% voor systemen van derden, waar 81% in plaats daarvan steunde op zekerheid van de leverancier en contractuele afspraken.
Instellingen erkennen de moeilijkheid. Toezicht op AI van derden was het vaakst gemelde gebied van governance-onzekerheid of implementatieproblemen: het toepassen van principes voor modelrisicobeheer op modellen van derden of leveranciers werd door 54% van de respondenten als uitdaging gekozen, en toezicht op systemen die door derden worden geleverd of wezenlijk beïnvloed door 49%. Due diligence bij aankoop is vrijwel universeel; bij de opvolging zeggen instellingen het minst zeker van hun zaak te zijn.
Beperkingen die niet over regelgeving gaan #
Het ligt voor de hand om aan te nemen dat regelgeving de belangrijkste rem op adoptie is. De enquête geeft een gemengd beeld. 42% van de respondenten zag Britse regels voor gegevensbescherming en privacy als een hoge nalevingslast, en 29% zei hetzelfde over internationale regelgeving. Dat zijn reële aandelen, maar het zijn minderheden, en 28% van de respondenten gaf aan helemaal geen regelgevende beperkingen te ervaren.
Praktische beperkingen komen minder vaak voor. De meest genoemde niet-regelgevende beperkingen, moeite om AI in bestaande bedrijfsprocessen en beslissingen te integreren en beperkingen door verouderde systemen of infrastructuur, werden door respectievelijk 23% en 22% van de respondenten als grote beperking aangemerkt. Onder kleine instellingen noemde 30% gegevensbescherming, vertrouwelijkheid en IT-overwegingen als beperkingen.
Samen genomen suggereren de cijfers dat de vaakst genoemde obstakels gegevensbescherming en de beveiliging van leveranciers zijn, met integratie en verouderde infrastructuur verder achter. Ik zou de rangorde niet overinterpreteren, omdat de vragen niet identiek waren gesteld (sommige vragen naar nalevingslast, andere naar grote beperkingen), maar het ontbreken van één overweldigende barrière past bij een adoptie van 86%.
Verwachtingen: meer baten, meer risico #
Respondenten verwachtten dat de baten over de komende drie jaar op alle gebieden toenemen, met de grootste verwachte stijgingen in cyberbeveiliging en operationele weerbaarheid, en in omzetgeneratie en concurrentiepositie. Dit zijn verwachtingen, en de enquête behandelt ze ook zo; ze laten zien waar instellingen hopen dat AI heen gaat, niet waar het al is.
De risicoverwachtingen bewegen mee. Over de komende één tot drie jaar verwachtten respondenten dat de risiconiveaus in alle categorieën stijgen. De bron stelt dat AI-ontwikkelingen baten kunnen opleveren, waaronder meer efficiëntie, betere beslissingsondersteuning en sterker risicobeheer, en ook risico's kunnen creëren of versterken op het gebied van governance, operationele weerbaarheid, gegevensbescherming, klantuitkomsten, afhankelijkheid van derden en financiële stabiliteit. Beide helften van die zin zijn voorzichtig geformuleerd, en terecht.
Er valt iets op aan die combinatie. Cyberbeveiliging en operationele weerbaarheid staan bij de grootste verwachte stijgingen in baten, en versterking van cyberrisico staat bovenaan als hoogst gewaardeerd systeemrisico. Instellingen verwachten dat AI tegelijk helpt bij cyberweerbaarheid en het cyberrisico vergroot. De enquête verzoent die verwachtingen niet, en ik ga niet doen alsof ik dat kan. Ze staan naast elkaar.
Frontier-AI en cyber #
De enquête vroeg specifiek naar de cybercapaciteiten van frontier-AI. 88% van de respondenten beoordeelde de evoluerende cybercapaciteiten van frontier-AI over de komende twee jaar als van gemiddelde of hoge impact op het risicoprofiel van hun instelling. Dat is een vooruitblikkende beoordeling, geen gemeten uitkomst, en moet worden gelezen als de verwachting van respondenten.
Toch heeft het al gedrag veranderd. 64% koos kwetsbaarheidsbeheer en patchfrequentie als het gebied van cyberweerbaarheid dat de grootste toename in aandacht van het management kreeg als gevolg van bewustzijn over frontier-AI. De zorg heeft volgens bijna twee derde van de ondervraagden dus een concrete verschuiving van managementaandacht naar patchen opgeleverd.
Een kleinere, losstaande bevinding staat ernaast: 57% van de respondenten meldde de duurzaamheidseffecten van AI-gebruik mee te wegen. Dat is een meerderheid, maar een krappe, en weinigen zeggen het publiekelijk: 82% rapporteert de duurzaamheidseffecten van AI niet extern, al is 36% van hen van plan dat binnen twee jaar wel te doen.
Waar je op moet letten #
De cijfers beschrijven een sector die AI breed heeft ingevoerd, mensen de beslissingen laat nemen en een groeiend deel van zijn meest materiële systemen aan externe leveranciers heeft overgedragen. De spanning zit in dat laatste punt. De beheersmaatregelen die instellingen het vaakst melden, zoals beleid, goedkeuringen en due diligence, vinden vroeg plaats. De maatregelen die het systeem van een leverancier in de tijd zouden volgen, worden door ongeveer de helft gemeld.
Twee cijfers zijn het waard om in de volgende ronde te controleren, uitgaande van vergelijkbare vraagstelling. Het eerste is het cijfer voor klantcommunicatie: 16% vandaag, 34% inclusief geplande inzet. Als de plannen productiegebruik worden, zullen het aandeel van 2% voor brede autonomie en het aandeel van 80% voor beslissingsondersteuning laten zien of het model waarin de mens beslist het contact met volume heeft overleefd. Het tweede is 53%. Als implementaties van derden een steeds groter deel van de systemen met hoge materialiteit innemen terwijl doorlopende monitoring rond de helft blijft, dan hebben de respondenten van de enquête zelf, die kritieke afhankelijkheden van derden al als een leidend systeemrisico aanmerken, het probleem beschreven voordat het er was. De open vraag is of de monitoringpraktijk de kloof dicht voordat de afhankelijkheid verder groeit.
Veelgestelde vragen #
Hoeveel instellingen gebruiken AI volgens de enquête van de Bank of England en de FCA uit 2026? 86% van de respondenten meldde momenteel AI te gebruiken, tegen 75% in 2024 en 58% in 2022. De enquête leverde 196 reacties op, 101 van grotere en 95 van kleinere instellingen. Het rapport waarschuwt dat verschillen in samenstelling van de respondenten en reikwijdte van de vragen betekenen dat de percentages van 2026 en 2024 niet over dezelfde populatie gaan en met voorzichtigheid moeten worden vergeleken.
Hoeveel autonomie geven Britse financiële instellingen aan AI-agents? Heel weinig. 80% van de respondenten op de volledige enquête meldde agents voor beslissingsondersteuning, waarbij agents acties aanbevelen en mensen beslissen en uitvoeren. 46% meldde agents met begrensde uitvoering, 22% met voorwaardelijke autonomie en slechts 2% met brede autonomie.
Hoeveel van hun AI betrekken instellingen van derden? Implementaties van derden waren goed voor 39% van alle gemelde AI-systemen, tegen 33% in 2024 en 17% in 2022. Ze waren ook goed voor 53% van de AI-systemen met hoge materialiteit, tegen 35% in 2024.
Wat zien instellingen als de grootste AI-risico's? Op instellingsniveau waren de hoogst gewaardeerde huidige risico's gegevensbescherming en beveiliging, risico van derden en de toeleveringsketen, en risico's specifiek voor GenAI, zoals hallucinaties en prompt injection. Op systeemniveau waren versterking van cyberrisico en kritieke afhankelijkheden van derden de twee hoogst gewaardeerde risico's, zowel vandaag als over de komende drie jaar.
Waar zijn de beheersmaatregelen voor AI-governance het zwakst? Menselijke goedkeuring, beoordeling vóór ingebruikname en due diligence op leveranciers werden elk door meer dan 90% van de respondenten gemeld, terwijl doorlopende monitoring, lekkagetests en periodieke herbeoordeling of hercertificering elk door ongeveer de helft werden gemeld. Toezicht op AI van derden was de vaakst gemelde governance-uitdaging.
Referenties #
- Bank of England and Financial Conduct Authority, (2026). Artificial intelligence in UK financial services - 2026 ⧉. Bank of England.
- Bank of England and Financial Conduct Authority, (2024). Artificial intelligence in UK financial services - 2024 ⧉. Bank of England.
- Bank of England and Financial Conduct Authority, (2022). Machine learning in UK financial services ⧉. Bank of England.
- Bank of England and Financial Conduct Authority, (2019). Machine learning in UK financial services ⧉. Bank of England.
- Bank of England, Prudential Regulation Authority and Financial Conduct Authority, (2022). DP5/22: Artificial Intelligence and Machine Learning ⧉. Bank of England.
- Bank of England, Prudential Regulation Authority and Financial Conduct Authority, (2023). FS2/23: Artificial Intelligence and Machine Learning ⧉. Bank of England.
Laatst herzien .
Dit artikel herpubliceren
Kopieer opmaak voor Medium
# AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau > Originally published at [https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/](https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/) Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen. Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/
Kopieer opmaak voor Mastodon
AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen. https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/
Kopieer geformatteerd voor LinkedIn
AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen. Dit zijn de belangrijkste strategische inzichten: - Wat de enquête is, en wat niet. De publicatie is een beschrijvende samenvatting van geaggregeerde resultaten uit de meest recente AI-enquête binnen het bredere AI-werkprogramma van de Bank en de FCA. - Adoptie is de norm geworden. De kern is eenvoudig. - Generatieve AI is nu het grootste deel van het systeemportfolio. De verschuiving in technologiemix is groot. - Agents: veel advies, heel weinig autonomie. De cijfers over agents zijn het duidelijkste voorbeeld van instellingen die iets nieuws invoeren en er tegelijk de hand aan houden. Hoe gaat uw organisatie om met de uitdagingen die in dit artikel worden beschreven? → https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/ #AiInDeFinanciëleSector #AiInDeBritseFinanciëleSector #BankOfEngland #Fca #AiEnquête2026 Sebastien Rousseau | CC-BY-4.0
Dit artikel citeren
AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau
Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen.
BibTeX
@online{rousseau2026ai,
author = {Rousseau, Sebastien},
title = {{AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau}},
year = {2026},
url = {https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/},
urldate = {2026}
}RIS
TY - GEN AU - Rousseau, Sebastien TI - AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau PY - 2026 UR - https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/ ER -
Vancouver
Rousseau S. AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 20. Available from: https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/
Chicago
Rousseau, Sebastien. "AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau." sebastienrousseau.com. November 20, 2026. https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/.
APA
Rousseau, S. (2026, November 20). AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/
Dit artikel herpubliceren
AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau
Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen.
Dit artikel valt onder de licentie Creative Commons Attribution 4.0 International. Herpublicatie vereist attributie aan de canonieke URL.
AI in de Britse financiële sector: breed gebruik, voorzichtige agents — Sebastien Rousseau Enquête Bank of England en FCA 2026: 86% van de instellingen gebruikt AI, 2% zet agents breed autonoom in en derden leveren 53% van de materiële systemen. Originally published at https://sebastienrousseau.com/nl/2026-11-20-britse-financiele-sector-breed-gebruik-voorzichtige/ by Sebastien Rousseau. Licensed under CC-BY-4.0.
