ABN AMRO heeft bijna vijftig AI-toepassingen in productie

ABN AMRO heeft bijna vijftig AI-toepassingen in productie, schrijft de bank in het kwartaalbericht over het tweede kwartaal van 2026 dat op 12 augustus verscheen. Twee ervan worden bij naam genoemd.

Daarmee zet een Nederlandse systeembank een hard getal op iets wat in de meeste jaarverslagen een zin blijft. Het nuttigst is niet het getal, maar de eenheid waarin geteld wordt: in productie, niet in een proeftuin. Wie zelf AI inkoopt heeft daarmee een meetlat om "we doen iets met AI" langs te leggen. Er zit nog een tweede meetlat in: de bank stuurt per toepassing op tokenverbruik, dus AI staat er als kostenpost met een budget, niet als project met een startdatum.

Twee toepassingen bij naam, achtenveertig niet

De AI-alinea in het kwartaalbericht is kort. In het tweede kwartaal lanceerde de bank haar eerste spraakbot op basis van generatieve AI, die klantvragen beantwoordt en uitleg geeft over geselecteerde onderwerpen. Er kwam ook een kennisassistent voor de analisten die klantonderzoek (kyc) en witwasbestrijding (aml) doen, waarmee ze sneller bij het juiste beleid, de procedures en de werkinstructies komen.

Wat de overige toepassingen doen, staat er niet. Ook niet: wat ze opleveren, hoeveel er sinds de start zijn afgevoerd, en wat "in productie" bij deze bank precies betekent. Een spraakbot die duizenden klantgesprekken per dag afhandelt en een assistent die één team ondersteunt tellen in dit getal even zwaar.

AI staat in het hoofdstuk over kosten

De plek van die alinea zegt meer dan de alinea zelf. Ze staat onder het kopje over het verkleinen van de kostenbasis, tussen de personeelsafbouw en de kostendiscipline, en niet bij de groeiplannen. Het aantal fte's daalde in het tweede kwartaal met 253 naar 24.561, tegen 25.362 een jaar eerder. De afbouw sinds eind 2024 staat op ongeveer 45 procent van wat de bank in 2028 wil bereiken.

De samenstelling is opvallender dan het totaal. Het aantal externe medewerkers viel in een jaar bijna in de helft, van 3.084 naar 1.656, terwijl het aantal interne medewerkers licht steeg naar 22.905. Van het besparingsdoel van 900 miljoen euro voor 2028 is in anderhalf jaar ongeveer 300 miljoen euro gerealiseerd, zei bestuursvoorzitter Marguerite Bérard bij de toelichting op de cijfers. Dat komt vooral uit de reorganisatie en het opschonen van het it-landschap, met een groeiende bijdrage van automatisering en generatieve AI.

Hoe de bank dat beheersbaar houdt, vatte ze samen in één woord: tokenomics. Naarmate het aantal toepassingen groeit, weegt ze het tokenverbruik per toepassing af tegen kwaliteit, risico en zakelijke waarde. Dat is precies de discipline die in de meeste organisaties ontbreekt zodra een pilot doorgroeit naar dagelijks gebruik.

De opbrengstcijfers staan ergens anders

Over één toepassing is ABN AMRO wel concreet, alleen niet in de kwartaalcijfers. In een eigen inzending voor de Computable Awards schrijft de bank dat de adoptie van GitHub Copilot onder haar softwareontwikkelaars op ongeveer 80 procent ligt, dat 95 procent van die gebruikers de tool maandelijks actief gebruikt en ontwikkelaars 20 tot 40 procent minder tijd kwijt zijn aan het schrijven van code.

Dat zijn zelfgerapporteerde cijfers uit een awardinzending, geen door een accountant gecontroleerde cijfers uit de kwartaalrapportage. Juist dat verschil is bruikbaar. De opbrengstkant van AI zit bij vrijwel iedereen in de communicatielaag, de kostenkant in de financiële verantwoording.

Twee banken, twee meetlatten

Een week eerder legde Rabobank een ander soort getal op tafel: tot 2 miljard euro voor het data- en it-fundament, de klantbeleving en het opschalen van AI, met negen op de tien medewerkers die Copilot Chat gebruiken en een gemelde besparing van zo'n 1.255 uur per kwartaal. Rabobank meet in geld dat erin gaat en uren die eruit komen, ABN AMRO in toepassingen die draaien. Geen van beide zet er een euro-opbrengst naast.

De leverancierskant vulde ABN AMRO een week eerder al in, toen het als eerste Nederlandse bank een AI-partnerschap met het Franse Mistral sloot zonder één concrete toepassing te noemen. Bij de kwartaaltoelichting werd wel duidelijk waarom: toegang tot Europese modellen geeft de bank meer keuze om per use-case het juiste model te kiezen. Bij bijna vijftig draaiende toepassingen is dat geen principekwestie meer maar een inkoopvraag. Welk model draait onder welke toepassing, en wat kost dat per token.

Waar het verschil zit

Zet het cijfer naast de bredere markt en het contrast wordt scherp. Zeven op de tien mkb-bedrijven gebruiken AI, maar 56 procent doet dat om sneller teksten of afbeeldingen te maken. Dat is AI naast het werk. Bijna vijftig toepassingen in productie is AI in het werk, met beheer, een budget en een eigenaar per toepassing.

Daar zit de verschuiving die dit kwartaalbericht laat zien. Niet dat een bank AI gebruikt, dat deed ze al. Wel dat het aantal draaiende toepassingen inmiddels naast de cost/income ratio van 53,7 procent in dezelfde rapportage staat, terwijl de opbrengst ervan nergens apart wordt uitgesplitst. Zolang die twee niet bij elkaar komen, blijft "bijna vijftig" een teller van activiteit. De volgende stap in zo'n rapportage is niet een hoger getal, maar het eerste bedrag dat eraan wordt opgehangen.