Rabobank trekt de komende drie jaar tot 2 miljard euro uit voor het versterken van het data- en it-fundament, het verbeteren van de klantbeleving en het opschalen van AI. De bank maakte dat op 4 augustus bekend bij de halfjaarcijfers.
Dat is nadrukkelijk geen AI-budget. In de volgorde die de bank zelf aanhoudt staat de bodemlaag vooraan, terwijl het gereedschap erbovenop al breed in gebruik is: negen op de tien medewerkers werken met Copilot Chat. Voor wie nu een eigen AI-plan begroot is dat de verhouding die telt. Het geld gaat naar data, koppelingen en infrastructuur, niet naar de licentie die daarbovenop draait.
Wat de aankondiging wel en niet zegt
Bestuursvoorzitter Stefaan Decraene koppelde het bedrag bij de cijferpresentatie direct aan de techniek. Kunstmatige intelligentie, data en andere nieuwe technologieën veranderen volgens hem de manier waarop klanten willen bankieren, en daarom investeert de bank de komende drie jaar tot 2 miljard euro in het data- en it-fundament, de klantbeleving en het opschalen van AI.
Wat er niet bij staat is minstens zo veelzeggend. Rabobank noemt geen verdeling over die drie posten, geen ritme per jaar en geen doel waaraan de uitgave straks wordt afgemeten. Gemiddeld gaat het om zo'n 667 miljoen euro per jaar als het bedrag volledig wordt besteed. De ruimte daarvoor is er: de nettowinst over het eerste halfjaar kwam uit op 2.694 miljoen euro, de cost/income ratio verbeterde naar 50,2 procent en de CET1-ratio bleef op 20,2 procent.

Weerbaarheid zit in hetzelfde budget
De investering is mede bedoeld om de bank digitaal weerbaarder te maken. De Nederlandsche Bank waarschuwde eerder dit jaar voor mogelijke cyberaanvallen die met AI worden uitgevoerd, waarna DNB-president Olaf Sleijpen er bij banken op aandrong hun beveiliging op orde te brengen. Dat zet de uitgave in een ander licht dan een innovatiepost. Een deel ervan is verdediging en onderhoud, geen groei.
Adoptie is nog geen rendement
De gebruikskant heeft Rabobank al ver op orde. Meer dan 27.000 medewerkers volgden geavanceerde AI-trainingen bovenop het verplichte programma, een op de drie heeft een Copilot Work-licentie en 90 procent gebruikt Copilot Chat. De opbrengst die daarbij wordt genoemd is bescheiden: selfservice steeg van 51 naar 66 procent en er wordt ongeveer 1.255 uur per kwartaal bespaard.
Dat gat tussen brede adoptie en gemeten opbrengst verklaart waarom het geld naar de onderlaag gaat. Tools uitdelen is snel en relatief goedkoop. Ze iets laten doen dat telt vraagt data die klopt en systemen die elkaar kunnen bereiken. Hetzelfde patroon zag je bij Santander, dat al zijn 185.000 medewerkers toegang gaf tot AI-tools en daarbij bewust met meerdere leveranciers werkt. En bij Rabobank zelf, dat in juni zijn agent-initiatieven bundelde in een centrale Agentic Hub voor ongeveer 1.100 engineeringteams.
De aankondiging zet daarmee een prijskaartje op iets dat de meeste organisaties impliciet laten. AI opschalen is voor het grootste deel een data- en infrastructuurproject, en dat deel komt eerst. Wereldwijd wijst dezelfde beweging al die kant op, met it-uitgaven die voor 2026 zijn opgetrokken naar 6,37 biljoen dollar op het conto van datacenters en AI-infrastructuur. Het verschil is dat een Nederlandse bank er nu een bedrag en een termijn aan hangt. De bruikbare maatstaf is dan ook niet die 2 miljard, maar de volgorde: eerst weten waar je data staat en hoe je systemen elkaar bereiken, dan pas de toepassing erbovenop.
Veelgestelde vragen
Eerst het fundament, dan AI
Bij het opschalen van AI loopt het zelden vast op het model, maar op data die verspreid staat en systemen die niet met elkaar praten. Ik denk mee over die volgorde, ontwerp het fundament en bouw en automatiseer het vervolgens, self-hosted waar dat kan.
Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.
