Sebastien Rousseau

AI-RISICO VAN DERDEN

AI van derden: het governanceprobleem van de Britse financiële sector

Het AI-gebruik onder ondervraagde Britse financiële instellingen heeft 86% bereikt, maar de cijfers die er het meest toe doen liggen onder die kop: derden leveren inmiddels meer dan de helft van de systemen met hoge materialiteit, en het toezicht daarop is de governance-uitdaging die instellingen het vaakst noemen.

16 min. leestijd
Banner for: AI van derden: het governanceprobleem van de Britse financiële sector

Het AI-gebruik onder ondervraagde Britse financiële instellingen heeft 86% bereikt, maar de cijfers die er het meest toe doen liggen onder die kop: derden leveren inmiddels meer dan de helft van de systemen met hoge materialiteit, en het toezicht daarop is de governance-uitdaging die instellingen het vaakst noemen.

Managementsamenvatting

  • 86% van de respondenten meldde AI te gebruiken, tegen 75% in 2024. Generatieve AI vormde 56% van de gemelde systemen.
  • Ongeveer 7% van de gemelde systemen werd beoordeeld als systeem met hoge materialiteit, tegen 16% in 2024, maar het absolute aantal systemen met hoge materialiteit lag in 2026 hoger.
  • Implementaties van derden waren goed voor 53% van de systemen met hoge materialiteit, tegen 35% in 2024. De drie grootste cloud/compute-providers zijn goed voor 79% van de gemelde cloud/compute-relaties.
  • 80% van de respondenten heeft AI-agents ingezet, maar slechts 2% meldde agents met brede autonomie.
  • Respondenten verwachten dat zowel baten als risico's in alle categorieën stijgen, met versterking van cyberrisico en kritieke afhankelijkheden van derden als hoogst gewaardeerde systeemrisico's.
  • Toezicht op AI-systemen van derden was de vaakst gemelde governance-uitdaging.

Wat de enquête is, en wat niet #

De publicatie, de vierde enquête van de Bank of England en de FCA naar AI en machine learning in de Britse financiële sector, is een beschrijvende samenvatting van geaggregeerde enquêteresultaten, en het loont om dat kader vast te houden voordat je er conclusies uit trekt. De bevindingen zijn bewijs van deelnemende instellingen, geen volledige beoordeling van AI-adoptie in de hele Britse financiële sector. Niets hieronder moet worden gelezen als een volledige telling.

De enquête leverde 196 reacties op: 101 grotere en 95 kleinere instellingen. Voor het eerst konden instellingen met minder dan 100 medewerkers kiezen voor een kortere vragenlijst, en 105 respondenten vulden de volledige enquête in. Tenzij anders vermeld, zijn de cijfers in het rapport gebaseerd op antwoorden op de volledige enquête, wat vergelijking met eerdere enquêtes vergemakkelijkt. Percentages worden berekend op basis van geldige antwoorden per vraag, dus instellingen die een bepaalde vraag niet beantwoordden, vallen buiten de noemer van die vraag. Antwoorden van internationale banken en broker-dealers hebben betrekking op hun Britse activiteiten.

De enquête van 2026 behield kernvragen uit eerdere enquêtes voor de continuïteit en voegde vragen toe of paste ze aan om ontwikkelingen in AI-adoptie en AI-capaciteit sinds 2024 te weerspiegelen. Daarom kan het rapport cijfers van 2026 naast die van 2024 zetten voor adoptie, materialiteit en het aandeel van derden, en daarom vraagt het lezers ook vergelijkingen met 2024 voorzichtig te interpreteren waar vraagstelling, definities, reikwijdte of respondentenpopulaties verschillen. Sommige onderwerpen, zoals de korte bijlage over frontier-AI en cyberrisico, hebben helemaal geen vergelijking met 2024.

Die kanttekeningen zijn van belang omdat een aantal van de meest opvallende cijfers hieronder aandelen van aandelen zijn. Wie de noemers negeert, ziet een verandering in samenstelling aan voor een verandering in volume. De enquête zelf biedt daar een zuiver voorbeeld van, waar we zo op terugkomen.

Adoptie is vrijwel universeel, en generatieve AI domineert #

Begin bij de kop. 86% van de respondenten meldde AI te gebruiken, tegen 75% in 2024. Dat cijfer omvat zowel de volledige als de verkorte enquête, en het rapport waarschuwt zelf dat de percentages van 2026 en 2024 niet over dezelfde populatie instellingen gaan en met voorzichtigheid moeten worden vergeleken. Instellingen melden steeds vaker gebruik van generatieve AI, AI-agents en implementaties van AI-systemen door derden, en die drie lijnen lopen door alles wat de enquête verder laat zien.

Generatieve AI was goed voor 56% van alle gemelde AI-systemen. Het rapport vergelijkt dat met foundation models, die in 2024 goed waren voor 17% van de gemelde AI-use-cases. Volgens het rapport zijn deze maatstaven niet direct vergelijkbaar, dus het zou een vergissing zijn om van een sprong van 39 punten in één technologie te spreken; samen suggereren ze, in de woorden van het rapport, een substantiële toename in het gemelde gebruik van algemene capaciteiten door instellingen sinds 2024.

Waar zit de AI binnen instellingen? Operations en IT waren goed voor ongeveer 31% van alle gemelde AI-systemen, tegen circa 22% in 2024, en geen enkel ander gebied kwam boven 11%. Dat is een opvallende concentratie. Klantgerichte en frontofficetoepassingen krijgen de meeste publieke aandacht, maar het grootste blok gemelde systemen zit in het leidingwerk van de organisatie. Een verwant cijfer uit het deel over kleine instellingen wijst dezelfde kant op: onder respondenten op de verkorte enquête was operations het vaakst gemelde domein voor huidig of gepland AI-gebruik, genoemd door 64%.

De ervaren baten sluiten aan bij dat beeld. Operationele efficiëntie, automatisering en productiviteit waren de hoogst gewaardeerde gebieden van ervaren baten van AI vandaag. Afgaand op wat ze melden, gebruiken instellingen AI vooral om zichzelf efficiënter te laten draaien.

Ook de adoptie is niet gelijk verdeeld. Bijna de helft van de instellingen meldde tien of minder AI-systemen, terwijl de tien instellingen met de meeste systemen goed waren voor 43% van alle gemelde AI-systemen. Het cijfer van 86% beschrijft dus de breedte van het gebruik, niet de diepte. Een klein aantal instellingen draagt een groot deel van het totaal, en een groot aantal instellingen draait slechts een handvol systemen. Ook kleine instellingen doen mee: 73% van de respondenten op de verkorte enquête meldde AI te gebruiken, en daarvan meldde 58% vooral algemene grote taalmodellen te gebruiken.

De materialiteitspuzzel #

Hier zit de valkuil die eerder werd genoemd. Ongeveer 7% van de gemelde AI-systemen werd door respondenten beoordeeld als systeem met hoge materialiteit, tegen 16% in 2024. Snel gelezen lijkt het alsof AI minder belangrijk of minder riskant wordt voor instellingen.

Dat betekent het niet. Het absolute aantal gemelde AI-systemen met hoge materialiteit lag in 2026 hoger dan in 2024. Het aandeel daalde omdat het totaal sneller groeide dan de deelverzameling met hoge materialiteit. Naarmate instellingen meer systemen inzetten, wordt het grootste deel van de toevoegingen als minder materieel beoordeeld, wat het percentage verdunt terwijl het aantal systemen met hoge materialiteit nog steeds stijgt. Die systemen zijn ook geconcentreerd: tien instellingen waren goed voor 62% van alle gemelde AI-systemen met hoge materialiteit.

Dat is een nuttige correctie voor iedereen die een governancecase alleen op percentages bouwt. Een dalend aandeel systemen met hoge materialiteit zegt niets geruststellends over de werklast van de mensen die ervoor verantwoordelijk zijn. Er is meer om toezicht op te houden dan in 2024.

Waar de belangrijke systemen vandaan komen #

Het meest ingrijpende resultaat van de enquête is wie de systemen bouwt en beheert die er het meest toe doen. Implementaties van derden waren goed voor 39% van alle gemelde AI-systemen, tegen 33% in 2024 en 17% in 2022. Dat is een gestage beweging. De verschuiving bij systemen met hoge materialiteit is veel scherper: implementaties van derden waren goed voor 53% daarvan, tegen 35% in 2024.

Over de gemelde systemen als geheel komen de systemen die instellingen het meest materieel vinden nu dus vaker wel dan niet van buiten. Een stijging van 18 punten in twee jaar, in de categorie waar falen het meeste pijn doet, is het duidelijkste signaal in de data. In combinatie met de materialiteitsbevinding hierboven ontstaat het beeld van een groeiend aantal belangrijke systemen, waarvan instellingen het merendeel niet zelf bouwen.

De concentratie bij aanbieders maakt het scherper. De drie grootste cloud- en computeproviders waren goed voor 79% van alle gemelde cloud/compute-relaties, en 98% van de respondenten meldde een van die drie te gebruiken. Ook het aanbod van model-API's en hosting was geconcentreerd, zij het minder: de drie grootste aanbieders waren goed voor 54% van de gemelde relaties, en de top drie van cloud/compute-providers stond ook allemaal in de top vijf van aanbieders van model-API's en hosting. Instellingen hebben misschien veel AI-systemen, maar ze putten voor de onderliggende infrastructuur en modellen uit een kleine groep leveranciers.

Vervangbaarheid is de moeilijkere vraag. Van de 169 gemelde afzonderlijke cloud- en computerelaties werd 37% zowel als zeer kritiek als moeilijk vervangbaar beoordeeld, en slechts 35% van die groep had geteste exitplannen. Voor de 226 relaties voor model-API's en hosting lag het aandeel zeer kritiek en moeilijk vervangbaar op 14%. Verscherpte verwachtingen voor operationele weerbaarheid bij AI van derden, zoals gezamenlijke incidenttests of exitplanning, werden door slechts 27% van de instellingen gemeld.

Respondenten brachten de systemische variant van deze zorg zelf naar voren: versterking van cyberrisico en kritieke afhankelijkheden van derden waren de twee hoogst gewaardeerde systeemrisico's, zowel vandaag als over de komende drie jaar, en respondenten verwachtten dat ze zouden toenemen naarmate AI breder wordt gebruikt. Het aandeel dat kritieke afhankelijkheden van derden als hoge of ernstige zorg aanmerkte, steeg van 40% vandaag naar 63% over één tot drie jaar. Die verwachting is een prognose van respondenten, geen waargenomen uitkomst, maar de cijfers over leveranciersconcentratie geven haar een voor de hand liggende basis.

Instellingen zijn zich bewust van de beperking. 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 (trainingsdata, modelontwerp, prestatiegrenzen, faalwijzen) met 34%. Grote en gemiddelde beperkingen samen geteld was moeite met het onderhandelen over contractuele bescherming de op één na vaakst genoemde uitdaging. Samen beschrijven deze cijfers instellingen die zwaar op externe aanbieders leunen en tegelijk zeggen dat ze er niet altijd in kunnen kijken.

Agents: breed ingezet, vooral in een ondersteunende rol #

De cijfers over agents vragen om zorgvuldig lezen, omdat de kop en de inhoud verschillende kanten op wijzen. 80% van de respondenten meldde AI-agents te hebben ingezet, en nog eens 14% meldde plannen om ze in de komende 12 maanden in te zetten. Volgens die cijfers heeft maar een kleine rest ze niet ingezet en ook niet gepland.

Maar kijk naar wat de agents doen. 80% van de respondenten meldde agents in productie die beslissingsondersteuning boden, gedefinieerd als AI-agents die acties aanbevelen terwijl mensen beslissen en uitvoeren. 46% meldde agents met begrensde uitvoering, die handelen binnen vooraf vastgelegde limieten en regels, en 22% meldde agents met voorwaardelijke autonomie. Slechts 2% meldde agents met brede autonomie in te zetten. Het dominante patroon is agents die adviseren of binnen strakke limieten handelen.

Klantcommunicatie is waar de grens begint te schuiven. 16% meldde huidig gebruik van agents voor geautomatiseerde klantcommunicatie, oplopend tot 34% inclusief geplande inzet. Dat verdubbelt het aandeel ruimschoots als instellingen hun plannen uitvoeren, al blijven plannen plannen, en de enquête kan niet zeggen hoeveel er worden gerealiseerd. Daartegenover verwachtte, zelfs inclusief geplande inzet, niet meer dan 9% van de respondenten dat agents klantuitkomsten goedkeuren of afwijzen, transacties uitvoeren of orders plaatsen, betalingen initiëren, uitvoeren of blokkeren, of limieten, drempels en beheersmaatregelen wijzigen.

Mijn lezing is dat het cijfer van 2% veelzeggender is en meer aandacht verdient dan de 80%. Een agent inzetten die iets voorstelt en op een mens wacht, is een bescheiden stap. Een agent met brede autonomie inzetten verandert wie verantwoordelijk is voor een uitkomst. Instellingen zijn tot nu toe bereid de eerste stap breed te zetten en de tweede vrijwel niet. Of de plannen voor klantcommunicatie het begin van een verandering in die houding markeren, is een van de interessantere open vragen in de data.

Baten en risico's: beide naar verwachting hoger #

Respondenten zien AI niet als eenzijdige weddenschap. Ze 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 presenteert ze ook zo. Geen van de genoemde baten werd vandaag breed als meer dan gemiddeld van omvang beschouwd.

Ook aan de risicokant is de richting consistent. 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. Over de komende één tot drie jaar verwachtten respondenten dat de risiconiveaus in alle categorieën stijgen, al beoordeelden ze de risico's in 2026 gemiddeld als minder ernstig dan in 2024.

De bron kadert het totaalbeeld evenwichtig. Deze ontwikkelingen kunnen baten opleveren, waaronder meer efficiëntie, betere beslissingsondersteuning en sterker risicobeheer. Ze kunnen ook risico's creëren of versterken op het gebied van governance, operationele weerbaarheid, gegevensbescherming, klantuitkomsten, afhankelijkheid van derden en financiële stabiliteit. De voorzichtige formulering is die van de bron, en terecht; de enquête meet percepties en gemelde praktijk, geen gerealiseerde winsten of verliezen.

Eén cluster resultaten betreft frontier-AI en cybercapaciteit. 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 effect, al noemde 19% nu al de toegenomen effectiviteit van aanvallen via de toeleveringsketen of derden als het kanaal waarlangs frontier-AI momenteel het grootste risico vormt. Wat instellingen al als reactie hebben gedaan, is makkelijker te controleren: 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.

Beperkingen: eerder praktisch dan regelgevend #

Wie verwachtte dat regelgeving bovenaan de lijst met obstakels zou staan, krijgt van de enquête een genuanceerder beeld. De meest genoemde niet-regelgevende beperkingen waren moeite om AI in bestaande bedrijfsprocessen en beslissingen te integreren, en verouderde systemen of infrastructuur, door respectievelijk 23% en 22% van de respondenten als grote beperking aangemerkt. Dat zijn bescheiden aandelen, wat suggereert dat geen enkel niet-regelgevend obstakel domineert, maar het zijn gewone engineering- en organisatieproblemen, geen exotische.

Aan de regelgevende kant waren de meest genoemde ervaren beperkingen Britse regels voor gegevensbescherming en privacy, en internationale regelgeving, die respectievelijk 42% en 29% van de respondenten als hoge nalevingslast zagen. 28% gaf aan geen regelgevende beperkingen te ervaren.

Kleine instellingen laten een vergelijkbaar patroon zien: 30% van de respondenten op de verkorte enquête noemde gegevensbescherming, vertrouwelijkheid en IT-overwegingen als beperkingen. Gegevensbescherming duikt op in de risicobeoordelingen, de cijfers over regelgevende last en de beperkingen van kleine instellingen. Als één thema naast derden de verschillende delen van de enquête verbindt, is het dat.

Governance: breed op papier, dunner na ingebruikname #

De formele structuren zijn vrijwel universeel. 94% van de respondenten meldde instellingsbreed AI-beleid, AI-principes of AI-standaarden, en 84% meldde centrale governancegremia voor AI en modelrisico. Onder de beheersmaatregelen voor datarisico werden menselijke goedkeuring, beoordeling vóór ingebruikname en due diligence op leveranciers elk door meer dan 90% van de respondenten gemeld.

Vergelijk nu de maatregelen die na de livegang gelden. Doorlopende monitoring, lekkagetests en periodieke herbeoordeling of hercertificering werden elk door ongeveer de helft van de respondenten gemeld. Het contrast is helder. De beheersmaatregelen voor datarisico die vóór of bij ingebruikname plaatsvinden, waar iemand iets aftekent, zijn vrijwel universeel. De maatregelen die na ingebruikname blijven werken, worden door grofweg de helft gemeld.

Ik zou stellen dat dit de centrale governancebevinding is, en ze sluit direct aan op het verhaal over derden. De enquête laat zien hoe verschillend instellingen begrijpen wat ze kopen. 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; voor systemen van derden steunde 81% in plaats daarvan op zekerheid van de leverancier en contractuele afspraken. Bij een systeem dat wordt gekocht in plaats van gebouwd, zijn beoordeling vóór ingebruikname en due diligence op leveranciers de voor de hand liggende hefbomen. Monitoring en hercertificering vereisen zicht op een systeem, en beperkte transparantie in AI-systemen van derden werd al door 34% van de respondenten als beperking aangemerkt. De enquête legt dit causale verband niet, en de data kunnen het niet bewijzen, maar de stukken passen ongemakkelijk goed in elkaar.

De instellingen zeggen het zelf. Toezicht op AI-systemen 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 gekozen, en toezicht op systemen die door derden worden geleverd of wezenlijk beïnvloed door 49%. Grofweg de helft van de instellingen meldt dus een uitdaging bij het toepassen van principes voor modelrisicobeheer op door leveranciers geleverde modellen, en grofweg de helft bij het toezicht op systemen die derden leveren of wezenlijk beïnvloeden.

Zet de drie lijnen naast elkaar. Derden leveren de meerderheid van de systemen met hoge materialiteit. Een handvol aanbieders domineert de onderliggende relaties. En de eigen governance van instellingen, sterk aan de poort, is dunner bij doorlopend toezicht, waarbij de situatie met derden als de moeilijkste wordt aangemerkt. Dat is geen kritiek op een individuele instelling; het is een beschrijving van waar de gemelde inspanning zit, afgezet tegen waar de gemelde blootstelling ligt.

Wat je ervan moet meenemen #

Voor technisch leidinggevenden is de praktische lezing dat kopen het bouwen heeft ingehaald voor de systemen die ertoe doen, in elk geval in deze steekproef: 53% van de systemen met hoge materialiteit zijn implementaties van derden. De engineeringinspanning verschuift daarom naar wat je kunt doen rond een systeem dat je niet beheerst: contractuele transparantie, testen aan de grens en monitoring die niet afhankelijk is van toegang tot de interne werking. De enquête schrijft geen van deze maatregelen voor, en geen ervan moet voor een bevinding worden aangezien. Het zijn de vragen die de cijfers oproepen.

Voor oprichters die AI aan de financiële sector verkopen, laten de data zien waar de frictie zit. Respondenten melden zorgen over informatiebeveiliging en operationele weerbaarheid (40%) en beperkte transparantie (34%) als grote beperkingen voor de adoptie van AI van derden. Een leverancier die die twee zorgen direct kan beantwoorden, adresseert wat een substantieel deel van de respondenten tegenhoudt. En omdat meer dan 90% van de respondenten due diligence op leveranciers als beheersmaatregel voor datarisico meldt, moet een leverancier rekenen op grondig onderzoek.

Wie het adoptiecijfer van 86% leest als teken dat het moeilijke deel voorbij is, krijgt van de enquête een nuchterder beeld. De adoptie is breed, maar een paar instellingen dragen een groot deel van de systemen, agents zitten vooral in ondersteunende rollen, en respondenten verwachten dat het risico over de komende één tot drie jaar in elke categorie stijgt. Respondenten verwachten ook dat de baten op elk gebied stijgen, dus noch optimisme noch voorzichtigheid heeft het bewijs voor zichzelf alleen.

De kanttekeningen van het begin blijven gelden. Dit is een beschrijvende samenvatting van 196 responderende instellingen, waarvan slechts 105 de volledige enquête invulden, en het is geen volledige beoordeling van de Britse financiële sector. Binnen die grenzen is het patroon consistent genoeg om bruikbaar te zijn: de systemen die instellingen het belangrijkst vinden, komen steeds vaker van buiten, en het toezicht dat ze melden is het zwakst waar die afhankelijkheid het grootst is.

De vraag die de data oproepen maar niet kunnen beantwoorden, is wat er gebeurt op de grens van autonomie. Met 34% van de respondenten die agents voor geautomatiseerde klantcommunicatie gebruiken of plannen, tegenover slechts 2% die vandaag agents met brede autonomie inzet, zal de volgende enquête laten zien of agents in ondersteunende rollen blijven wanneer de systemen erachter vaker wel dan niet door iemand anders worden geleverd.

Veelgestelde vragen #

Wat is de enquête van de Bank of England en de FCA naar AI in de Britse financiële sector? Het is de vierde gezamenlijke enquête naar kunstmatige intelligentie en machine learning in de Britse financiële sector, na enquêtes in 2019, 2022 en 2024. De editie van 2026 leverde 196 reacties op, waarvan 105 op de volledige vragenlijst. De auteurs presenteren haar als een beschrijvende samenvatting van bewijs van deelnemende instellingen, niet als een volledige beoordeling van de Britse financiële sector.

Hoeveel van de AI van instellingen komt van derden? Implementaties van derden waren in 2026 goed voor 39% van alle gemelde AI-systemen, tegen 33% in 2024 en 17% in 2022. Onder systemen met hoge materialiteit was het aandeel 53%, tegen 35% in 2024.

Hoe geconcentreerd zijn de aanbieders van AI? De drie grootste cloud- en computeproviders waren goed voor 79% van de gemelde cloud/compute-relaties, en 98% van de respondenten gebruikte een van hen. De drie grootste aanbieders van model-API's en hosting waren goed voor 54% van de gemelde relaties in die categorie. Van de 169 gemelde cloud- en computerelaties werd 37% zowel als zeer kritiek als moeilijk vervangbaar beoordeeld, en slechts 35% van die groep had geteste exitplannen.

Welke governance-uitdagingen melden instellingen bij AI van derden? Toezicht op AI-systemen van derden was het vaakst gemelde gebied van governance-onzekerheid of implementatieproblemen. 54% van de respondenten koos het toepassen van principes voor modelrisicobeheer op modellen van derden of leveranciers, en 49% koos het toezicht op systemen die door derden worden geleverd of wezenlijk beïnvloed. Voor systemen van derden met hoge materialiteit steunde 81% op zekerheid van de leverancier en contractuele afspraken, terwijl slechts 24% diepgaande kennis van het systeem meldde.

Handelen AI-agents autonoom bij Britse financiële instellingen? Zelden. 80% van de respondenten meldde AI-agents te hebben ingezet, en 80% meldde agents in productie voor beslissingsondersteuning, waarbij agents acties aanbevelen en mensen beslissen en uitvoeren. Slechts 2% meldde agents met brede autonomie, en zelfs inclusief plannen verwachtte niet meer dan 9% dat agents klantuitkomsten goedkeuren of afwijzen, transacties uitvoeren of orders plaatsen, betalingen initiëren, uitvoeren of blokkeren, of limieten wijzigen.

Referenties #

Laatst herzien .

Dit artikel herpubliceren

Kopieer opmaak voor Medium

# AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

> Originally published at [https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/](https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/)

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

Read the full article on sebastienrousseau.com: https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/

Kopieer opmaak voor Mastodon

AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/

Kopieer geformatteerd voor LinkedIn

AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

Dit zijn de belangrijkste strategische inzichten:

- Wat de enquête is, en wat niet. De publicatie, de vierde enquête van de Bank of England en de FCA naar AI en machine learning in de Britse financiële sector, is een beschrijvende samenvatting van geaggregeerde enquêteresultaten, en het loont om dat…
- Adoptie is vrijwel universeel, en generatieve AI domineert. Begin bij de kop.
- De materialiteitspuzzel. Hier zit de valkuil die eerder werd genoemd.
- Waar de belangrijke systemen vandaan komen. Het meest ingrijpende resultaat van de enquête is wie de systemen bouwt en beheert die er het meest toe doen.

Hoe gaat uw organisatie om met de uitdagingen die in dit artikel worden beschreven?

→ https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/

#AiRisicoVanDerden #ThirdPartyAiRisk #AiGovernance #BankOfEngland #Fca

Sebastien Rousseau | CC-BY-4.0
Dit artikel citeren

AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

BibTeX

@online{rousseau2026ai,
  author  = {Rousseau, Sebastien},
  title   = {{AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau}},
  year    = {2026},
  url     = {https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/},
  urldate = {2026}
}

RIS

TY  - GEN
AU  - Rousseau, Sebastien
TI  - AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau
PY  - 2026
UR  - https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/
ER  -

Vancouver

Rousseau S. AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau. sebastienrousseau.com. 2026 Nov 21. Available from: https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/

Chicago

Rousseau, Sebastien. "AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau." sebastienrousseau.com. November 21, 2026. https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/.

APA

Rousseau, S. (2026, November 21). AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau. sebastienrousseau.com. https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/

Dit artikel herpubliceren

AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

Dit artikel valt onder de licentie Creative Commons Attribution 4.0 International. Herpublicatie vereist attributie aan de canonieke URL.

AI van derden: het governanceprobleem van de Britse financiële sector — Sebastien Rousseau

Derden leveren 53% van de AI-systemen met hoge materialiteit bij Britse financiële instellingen, en toezicht daarop is de vaakst genoemde governance-uitdaging.

Originally published at https://sebastienrousseau.com/nl/2026-11-21-derden-het-governanceprobleem-britse-financiele-sector/ by Sebastien Rousseau.
Licensed under CC-BY-4.0.