Ferdinand Dabitz (Augustus): "Het dure in bankieren zijn de mensen"

The Big Whale: Wat is het verschil tussen een agentic workflow en reguliere AI?

Ferdinand: Wat je met AI binnen een financiële instelling wilt bereiken, is processen sneller of minder foutgevoelig maken, en het handmatige werk dat mensen voorheen deden over te nemen, door het sneller en met minder fouten uit te voeren. Dat stelt mensen in staat zich te richten op het beoordelen, goedkeuren en nemen van beslissingen. Het 'agentic' deel is het systeem dat het werk met meerdere stappen zelf uitvoert, in plaats van dat een mens door elke fase klikt.

"De gemiddelde Amerikaanse bank besteedt meer dan vijftig procent van haar omzet aan operationele kosten (opex)."

U presenteert AI eerder als een verhaal over marges dan over productiviteit. Waarom?

Kijk naar de tien grootste industrieën ter wereld qua omzet. Je hebt olie en gas, je hebt de auto-industrie, je hebt het bankwezen. Het bankwezen is degene met de hoogste opex-ratio. Het besteedt van allemaal het meest aan mensen en handarbeid. De andere industrieën worden gedreven door de kosten van goederen: het dure in de auto-industrie zijn de auto-onderdelen, het dure in olie is de ruwe olie. In het bankwezen zijn de mensen het dure. De gemiddelde Amerikaanse bank besteedt meer dan vijftig procent van haar omzet aan operationele kosten. Dat is de aanpakbare kostenbasis, en daarom kan de inzet van AI hier het bankwezen veranderen in een veel winstgevender soort bedrijf.

Welke workflows worden het eerst geautomatiseerd?

Er liggen veel kansen in transactiemonitoring. Neem de triage van BSA/AML-waarschuwingen: de AI toont de potentiële waarschuwingen, waarna een menselijke compliance officer onderzoek doet en beslist. Je laat de machines het routinewerk in de monitoringworkflow overnemen, en de mensen richten zich op de onderzoeken en de gesprekken. Hetzelfde patroon geldt voor de beoordeling van sancties en OFAC-matches, waarbij de machine markeert en de mens goedkeurt. En voor KYC-documentbeoordeling, waarbij de AI de velden extraheert en een mens deze verifieert.

En wat zou niet geautomatiseerd moeten worden?

De besluitvorming. Vooral in een gereguleerde instelling moet de mens aan het roer blijven staan. Dat is een kwestie van de veiligheid en soliditeit van de bank, en van compliance. Gegevensverzameling en -administratie rondom de beslissing, dat is waar automatisering al een grote rol speelde en een veel grotere zal spelen. De beslissing zelf blijft bij een persoon.

"Fedwire verwerkt betalingen tweeëntwintig uur per dag. Hoe zit het met de andere twee?"

U stelt dat traditionele banken AI er niet zomaar aan kunnen koppelen. Waarom niet?

Wat traditionele instellingen tegenhoudt, is vaak de verouderde technologische infrastructuur zelf. Oude bankkernen vormen een echte beperking voor het veilig en verantwoord inbedden van AI in de bedrijfsvoering. Als je wilt dat een agent een deel van een transactiemonitoring-workflow overneemt, heeft de agent de data-infrastructuur nodig om met de bankkern te communiceren, de juiste gegevens op te halen en deze correct te contextualiseren. Als je op een van de oude kernsystemen draait, zoals FIS of Jack Henry, wordt het erg moeilijk voor een agent om met de kern te communiceren en te krijgen wat het nodig heeft. Als je de kern vanaf nul hebt opgebouwd rond 'agentic primitives' en agentinteracties, wordt het wel mogelijk. Dat is wat we de afgelopen jaren hebben gedaan.

Beschrijf Augustus in eenvoudige bewoordingen.

Wij zijn actief in de clearingsector. Wij verwerken dollar- en eurobetalingen voor internationale financiële instellingen: denk aan een fintech in Latijns-Amerika, een bank in Zuidoost-Azië, of andere wereldwijde spelers. Wij bieden hen dollar- en eurorekeningen, en dollar- en eurotarieven. Waar wij traditionele clearingbanken overtreffen, is op het gebied van afwikkelingssnelheid en beschikbaarheid. In plaats van T+2 kunnen we dezelfde dag of sneller afwikkelen, en de bank is 24 uur per dag beschikbaar. Het technologieplatform is wat die backofficeprocessen zo snel laat verlopen.

Welke rol spelen stablecoins hierin?

Een groot deel van de reden waarom traditionele banken traag zijn, is niet eens het 'rail'-systeem, maar de processen en de operaties, en daar liggen de meeste verbetermogelijkheden. Maar een deel ervan is wel het 'rail'-systeem. Fedwire verwerkt betalingen tweeëntwintig uur per dag. Hoe zit het met de andere twee? Dat is waar je stablecoins inzet, als een standaard, directe, 24/7 wereldwijde 'rail' om de gaten op te vullen waar er een reële behoefte is aan een use-case. Standaard werken we met de traditionele fiat-rails; na sluitingstijd dekken stablecoins wat Fedwire niet kan.

"We hopen dat dit op een bepaald moment in de toekomst het geval zal zijn. Maar vandaag is dat niet zo."

Het woord "niet-deterministisch" komt vaak voor in relatie tot Augustus. Wat betekent het voor een lezer uit de financiële sector?

Vóór AI was automatisering in banken beperkt tot deterministische workflows. Je had een regel: als dit gebeurt, ja; als dat gebeurt, nee. Beslisbomen en regels. AI stelt je in staat om te automatiseren, zelfs als er geen vooraf ingestelde regel of boom is, en het vangt de vagere situaties veel beter op. Dat is waar agents echt uitblinken ten opzichte van ouderwetse workflowautomatisering, in het vermogen om niet-deterministische, vage gevallen af te handelen die nooit eerder als regel waren gedefinieerd. En het belangrijke om te zeggen is dat de besluitvorming altijd bij de mens blijft. De AI kan voorbereiden en beheren; uiteindelijk neemt de mens de beslissing.

De Big Whale: Jullie zijn met ongeveer vijftig mensen. Hoe verandert dat wie jullie aannemen?

Twee profielen. Aan de ene kant nemen we voortdurend toptalent aan op technisch gebied, AI-native, hoogwaardige engineering- en productmensen. Aan de andere kant blijven we investeren in banktalent, leidinggevenden met tientallen jaren ervaring in gereguleerd bankieren die dit eerder hebben gedaan. Zulke mensen zijn een cruciaal onderdeel van ons aanbod, omdat we die twee werelden samen kunnen brengen.

Een nieuwe OCC-vergunning is extreem zeldzaam. Hoe hebben jullie die gekregen?

Het was een enorme inspanning, en het zou ook niet gemakkelijk moeten zijn. Een paar dingen waren van belang. Ten eerste, het team: Greg Quarles kwam al vroeg aan boord als president van de bank, twintig jaar bij de OCC, daarna CEO van verschillende Amerikaanse banken, Benjamin Alexander aan de compliance-kant. Het team was een echt belangrijke pijler.

Deze week zagen twee van de grootste AI-gebruikers, Microsoft en Uber, dat hun AI-kosten hoger uitvielen dan wat ze aan mensen zouden betalen. Nvidia zei hetzelfde over een van hun teams. Is Augustus een van die bedrijven waar de rekenkracht meer kost dan salarissen?

Nee, dat is bij ons niet het geval. We hopen dat het in de toekomst wel zo zal zijn. Maar vandaag is dat niet zo.

De laatste. Wat is je advies aan een hoofd AI die dit binnen een grote instelling probeert door te voeren?

Een goed mentaal model is om je te richten op taken, niet op rollen. Soms verval je in het verkeerde kader: "Ik heb een risicoanalist, ik wil die rol automatiseren." Dat is het verkeerde model. Het betere is om ernaar te kijken op taakniveau. Voor elke persoon in je team, wat zijn de individuele taken die gedaan moeten worden, en welke daarvan zijn omslachtig, traag en vereisen geen menselijk oordeel of besluitvorming? Die pak je eruit en automatiseer je één voor één. Het verschuift het perspectief, omdat het je mensen daadwerkelijk in staat stelt hun tijd te besteden aan de taken waar hun oordeel het best tot zijn recht komt, de taken waar ze beslissingen moeten nemen, en minder tijd aan het routinewerk dat een machine waarschijnlijk toch beter doet.