Su Yang (BNP Paribas): „Wie een slecht proces agentificeert, verbrandt alleen maar tokens“

‍Iedereen heeft het over AI. Waar staat BNP Paribas concreet?

De hype dateert van ChatGPT eind 2022, maar de bank begon zo'n vijftien jaar geleden, met credit scoring en fraudedetectie. Vandaag bestaan er drie categorieën projecten naast elkaar: klassieke, generatieve en inmiddels agentische AI. De Evident AI Index, de referentie voor de AI-volwassenheid van de 50 grootste banken ter wereld, plaatst BNP Paribas in 2025 op de 11e plaats wereldwijd en op de 1e plaats in de eurozone. BNP Paribas behoort tot de drie banken ter wereld — samen met JPMorgan en DBS — die een werkelijk rendement op investering publiceren: een AI-portfolio met een waarde van €635 miljoen in 2025, met een doelstelling van €750 miljoen dit jaar. Wat agentische AI verandert, is de schaal. De infrastructuurinvestering is zwaarder, de expertise evolueert razendsnel. Daarom werd in 2024 de afdeling AI Transformation opgericht, om inspanningen te bundelen en generatieve en agentische AI zo kostenefficiënt mogelijk uit te rollen. Uiteindelijk draait alles om vier assen: klantbeleving, het versterken van medewerkers, het automatiseren van operaties en het beveiligen van bancaire processen.

„We behoren tot de drie banken ter wereld die een ROI op AI publiceren.“

Vijftien jaar transformatie — wat heeft adoptie echt in beweging gezet?

Adoptie is het sleutelwoord. Een tool die je bouwt om te worden gebruikt, is waardeloos als dat niet gebeurt. De omslag kwam toen we afstapten van verspreide adoptie, overgelaten aan lokale teams, en overgingen op gestructureerde programma's: een dedicated team, een boekingssysteem à la Doctolib waarbij iedereen een tijdslot kan reserveren voor gebruiksvragen. Het resultaat: bijna 60 NPS-punten gewonnen in één jaar op die tools. Parallel daarmee beschikt elke medewerker over een interne AI-assistent, aangevuld met enkele tientallen Copilot-licenties waar de meerwaarde het duidelijkst zichtbaar is.

U werkt samen met Mistral. Waarom, buiten het Franse tintje?

Mistral is in de praktijk de enige aanbieder die de gewichten van zijn modellen verkoopt, downloadbaar, met volledige controle — iets wat Amerikaanse of Chinese spelers niet doen. Dat is wat onze interne laag mogelijk maakt, de „LLM-as-a-Service“, die op meerdere modellen draait in plaats van op één enkel: elke applicatie kan een model aanroepen zonder speciaal voor AI te zijn ontworpen, en wij orkestreren die verschillende modellen, die regelmatig worden bijgewerkt. Mistral is er één van, naast andere. Zo'n vijftien modellen in productie, een honderdtal in experimentele fase. Het contract werd begin dit jaar verlengd voor drie jaar. Aanvankelijk waren de Franse modellen performanter en zuiniger. Op het vlak van software en diensten staan de Amerikaanse techreuzen nu op gelijk niveau, dus dat is niet langer het onderscheidende element. Wat we willen, is een vertrouwde partner om samen mee te bouwen, geen kant-en-klare technologie. Een Franse speler is voor ons een logische keuze.

Volledig OPEX gaan in een sector waar de modelaanbieders geen geld verdienen, stelt u bloot aan stijgende prijzen.

Hoe behoudt een bank de grip op de AI-kosten?

Het IT-operationele budget bedraagt zo'n €8 miljard per jaar, waarvan ongeveer 10% naar cybersecurity gaat. Voor AI lopen de meeste tokens via de LLM-as-a-Service, met orchestratie die intern is ontwikkeld en GPU's die rechtstreeks bij Nvidia worden aangekocht en in onze eigen datacenters staan. Dat geeft een veel betere kostenbeheersing dan bij banken — Amerikaanse in het bijzonder — die op hyperscalers leunen: we spreken over een verschil van een orde van grootte. Daar is een kentering in, overigens. Volledig OPEX gaan in een sector waar de modelaanbieders eigenlijk geen geld verdienen, stelt u bloot aan stijgende prijzen. Beter investeren in CAPEX en OPEX op de lange termijn afbouwen. Agentische AI kost meer dan klassieke geïndustrialiseerde AI, maar blijft binnen beheersbare ordes van grootte.

En de infrastructuur — hoe lang duurt het om die op te bouwen?

Datacenters runnen is een vak apart, dat doe je niet van de ene dag op de andere. BNP Paribas is in 2000 ontstaan uit de fusie van BNP en Paribas, maar put uit bijna 180 jaar bancaire traditie en meer dan zes decennia IT-expertise. Elke grote speler, JPMorgan inbegrepen, heeft de infrastructuur geïnternaliseerd, simpelweg omdat u bij M&A-deals, investment banking of financiële communicatie met vertrouwelijke data werkt. Bovenop de Europese AI- en dataregels komen financiële regelgevingen die controle over de data vereisen. Voor een startup hangt alles af van de steun die ze krijgt van bestaande infrastructuurspelers.

Verandert AI het spel in cybersecurity?

Op vier fronten. Ten eerste gebruiken aanvallers het: sinds ChatGPT worden onze klanten geconfronteerd met 1.300% meer pogingen tot social-engineeringfraude. Niet 1.300% meer verliezen, want we hebben verdedigingsmaatregelen ingezet. Ten tweede helpt AI bij de verdediging. Ten derde moet u leren anders te organiseren — om met agents te werken in defensie, red teaming en observability. En ten vierde vereist het uitrollen van AI dat u het ook beveiligt: guardrails voor persoonsgegevens, toxische interacties en prompt injection, zodat agents op schaal kunnen werken zonder schade te veroorzaken.

U kunt een agent altijd achteraf berispen. Maar daar schieten we niets mee op.

Waar trekt u de grens tussen de agent en de mens?

De mens is er by design bij betrokken. Een agent is geen superdeveloper: als een medewerker iets onverwachts doet, is iemand daarvoor verantwoordelijk; bij een agent kunt u hem altijd achteraf berispen, maar daar schieten we niets mee op. Vandaar de juridische, organisatorische en governance-vraagstukken die binnen een dedicated programma worden aangepakt. Een voorbeeld: een salesteam dat met Microsoft's Agent Builder aan de slag ging, bouwde zelfstandig zo'n twintig agents en vroeg zich af of IT nog wel nodig was. Een paar maanden later zit diezelfde persoon begraven onder supportvragen van collega's, vergeet de volgorde waarin de agents aan elkaar gekoppeld moeten worden, en ontdekt wat orchestratie mentaal vraagt en wat het woord productie werkelijk betekent. De uiteindelijke beslissing blijft bij de mens. De regelgeving — de AI Act evenzeer als de GDPR — vereist bovendien dat men altijd kan overschakelen van een geautomatiseerde beslissing naar een volledig menselijke, wanneer de financiële situatie van een klant op het spel staat.

Welke functies worden het meest getroffen tegen het einde van het jaar?

De back office en middle office, met KYC als voornaamste doelwit, omdat die functie het snijpunt vormt tussen efficiëntie en klantbeleving. Ook elk product met een lange verwerkingstijd: hypotheken, kredietverstrekking, transaction banking. Softwareontwikkeling is de meest volwassen toepassing, al uitgerold naar alle developers, en we evolueren naar complexere agents. Verder de functies binnen M&A en investment banking, die zwaar leunen op onderzoek en synthese — domeinen waar agentische AI veel toevoegt. De eigenlijke boodschap: de toepassingen duiken bijna overal op, front, middle, back, business, support.

Nog een laatste punt?

We hebben veel over technologie gesproken, maar een AI-transformatie steunt evenzeer op processen als op modellen. Het heeft geen zin te agentificeren wat al bestaat: wie een slecht proces agentificeert, verbrandt alleen maar tokens. En bovenal: data, het verwaarloosde kind van deze transformaties. Een agent die een klant te woord staat, moet het juiste product noemen, met actuele cijfers, niet het product ernaast. Zonder schone data houdt de rest geen stand.