Welke AI in de financiële sector is hoog-risico onder de AI Act? Het korte antwoord: kredietwaardigheidsbeoordeling van natuurlijke personen, plus risicobeoordeling en prijsstelling bij hun levens- en ziektekostenverzekeringen. Beide staan in Bijlage III, punt 5. Bij kredietbeoordeling zijn systemen die financiële fraude opsporen uitdrukkelijk uitgezonderd. Handelsalgoritmes en de meeste interne analyses komen in Bijlage III niet voor.
In de financiële sector is AI allang geen nieuwe technologie meer. Banken beoordelen al decennia krediet met algoritmes. Verzekeraars zetten AI in voor underwriting en claims, fintech bouwt zijn hele propositie op machine learning. De AI Act legt daar een laag bovenop een sector die al zwaar gereguleerd is.
Voor financiële instellingen draait het om de vraag hoe die verplichtingen samenhangen met de regulering die er al is. DNB en AFM kijken al naar uw algoritmes. DORA eist digitale weerbaarheid. De AVG beschermt klantdata. Hoe past de AI Act daarin?
Welke financiële AI hoog-risico is
Bijlage III, punt 5, noemt twee toepassingen die u in de financiële sector vaak tegenkomt.
Een AI-systeem dat de kredietwaardigheid van een natuurlijk persoon beoordeelt of zijn kredietscore vaststelt, is hoog-risico (Bijlage III, punt 5, onder b). Dat geldt bij een lening, een hypotheek of ander krediet. Artikel 6, lid 3, haalt een systeem dat alleen een beperkte procedurele of voorbereidende taak doet uit het hoog-risicoregime. Die uitweg vervalt zodra het systeem natuurlijke personen profileert. Een kredietscore is vrijwel altijd profilering. Dit raakt zowel grote banken met interne scoringmodellen als fintech-partijen die AI-gedreven kredietverlening aanbieden.
AI voor risicobeoordeling en prijsbepaling bij levensverzekeringen en ziektekostenverzekeringen is ook hoog-risico. Hier gaat het om systemen die bepalen of iemand verzekerd kan worden, tegen welke premie en onder welke voorwaarden. De AI Act schaart dit onder toegang tot essentiële particuliere diensten.
Lang niet al uw AI valt in Bijlage III. Robo-advisors voor belegging, chatbots voor klantenservice, voorspellende modellen voor marketing: die zijn meestal beperkt of minimaal risico. Kijk wel naar de rest van Bijlage III. Zet u AI in om sollicitanten te selecteren of medewerkers te beoordelen, dan is dat systeem hoog-risico op grond van punt 4, net als bij elke andere werkgever.
Waarom fraudedetectie meestal buiten Bijlage III valt
Voor fraudedetectie is de wet helder. Bijlage III punt 5(b) wijst kredietwaardigheidsbeoordeling van natuurlijke personen aan als hoog-risico, maar zondert AI-systemen die worden gebruikt om financiële fraude op te sporen daarvan uitdrukkelijk uit. Overweging 58 bevestigt dat. Een fraudedetectiesysteem is dus in de regel geen hoog-risico AI onder de AI Act.
Dat betekent niet dat er niets geldt. Een AI die een transactie blokkeert of een rekening bevriest raakt de klant direct. Daarvoor blijven Artikel 22 AVG (menselijke tussenkomst bij geautomatiseerde besluiten), uw zorgplicht en het toezicht van DNB en AFM onverkort gelden. Let ook op de grens: zodra fraudesignalen meewegen in een bredere kredietscore, verlaat u de uitzondering en bent u wel bij punt 5(b). Bij een verzekeraar ligt de grens bij punt 5(c). Weegt een fraudemodel mee bij de acceptatie of premie van een levens- of ziektekostenverzekering, dan kan dat punt gelden, want de fraude-uitzondering staat alleen in punt 5(b). Herkent het systeem emoties, bijvoorbeeld in een stem, dan is het hoog-risico via Bijlage III punt 1(c).
De stapeling: AI Act bovenop DORA en Solvency II
Financiële instellingen werken al in een zwaar gereguleerde omgeving. DORA (Digital Operational Resilience Act) eist digitale weerbaarheid voor kritieke systemen. Solvency II schrijft governance voor verzekeraars. PSD2 regelt betaalverkeer. En dan is er de AVG voor persoonsgegevens.
De AI Act stapelt hierbovenop, al overlappen veel eisen.
GovernanceDORA en Solvency II eisen bestuurlijke verantwoordelijkheid voor IT-risico's. De AI Act sluit daar voor financiële instellingen op aan. Het kwaliteitsbeheersysteem dat een aanbieder van hoog-risico AI nodig heeft, geldt als vervuld via uw bestaande governanceregels, met uitzondering van het risicobeheer, de monitoring na marktintroductie en het melden van incidenten (Artikel 17, lid 4). Gebruikt u zo'n systeem als gebruiksverantwoordelijke, dan dekt uw bestaande governance de monitoringplicht (Artikel 26, lid 5).
RisicomanagementElke financiële toezichthouder vraagt om een risicoraamwerk. De AI Act voegt specifiek AI-risico toe. Een bestaand risicoproces uitbreiden is efficiënter dan een apart proces opzetten.
Incident managementDORA vraagt om melding van ernstige ICT-gerelateerde incidenten. De AI Act laat de aanbieder van hoog-risico AI ernstige incidenten melden bij de markttoezichtautoriteit (Artikel 73, lid 1). Bent u gebruiksverantwoordelijke, dan licht u eerst de aanbieder in (Artikel 26, lid 5). Een gecombineerd incidentproces voorkomt dubbel werk.
DocumentatieSolvency II vraagt om ORSA-documentatie en DORA om ICT-documentatie. Bent u aanbieder van hoog-risico AI, dan stelt u technische documentatie per systeem op (Artikel 11 en Bijlage IV). Een financiële instelling bewaart die als onderdeel van de documentatie die zij al onder het financiële recht bijhoudt (Artikel 18, lid 3).
De strategie voor MKB-financiële dienstverleners is één samenhangend compliance-kader waarin AI een plek krijgt, in plaats van elke verplichting apart.
Toezichthouders en hun rol
De Nederlandse financiële sector kent meerdere toezichthouders. Elk heeft een rol bij AI-compliance.
De Nederlandsche Bank (DNB) houdt toezicht op banken, verzekeraars en pensioenfondsen. Zij let op soliditeit, bestuur en risicobeheer. AI-systemen die bedrijfsvoering beïnvloeden vallen binnen hun aandachtsgebied. Samen met de AFM publiceerde DNB op 9 april 2024 het rapport De impact van AI op de financiële sector en het toezicht, met uitgangs- en aandachtspunten voor het toezicht op AI.
De Autoriteit Financiële Markten (AFM) toetst gedragstoezicht en klantbelang. Voor beleggingsadvies, robo-advisors en kredietverlening is AFM uw tegenhanger. AFM houdt actief toezicht op algoritmische besluitvorming die klanten raakt.
De Autoriteit Persoonsgegevens (AP) controleert naleving van de AVG. Bij AI-systemen die persoonsgegevens verwerken bent u dubbel aanspreekbaar: zowel door AP voor gegevensverwerking als door de AI Act-toezichthouder voor de AI zelf.
Wie de AI Act bij u handhaaft, staat deels al in de verordening zelf. Gebruikt een financiële instelling hoog-risico AI bij het verlenen van financiële diensten, dan is haar financiële toezichthouder ook de markttoezichtautoriteit (Artikel 74, lid 6). Een lidstaat mag daar in gerechtvaardigde gevallen van afwijken (Artikel 74, lid 7).
Het voorstel voor de Uitvoeringswet AI-verordening werkt dat voor Nederland uit. Het lag van 20 april tot en met 1 juni 2026 in internetconsultatie en wijst acht bestaande markttoezichtautoriteiten aan, met voor AI in de rechtspraak een eigen regeling. De AP en de RDI krijgen samen de coördinerende rol. In het voorstel zijn DNB en AFM aangewezen voor kredietbeoordeling plus risicobeoordeling en prijsstelling bij levens- en ziektekostenverzekeringen bij financiële instellingen (Bijlage III, punt 5, onder b en c). Het voorstel ligt nog niet bij de Tweede Kamer, dus de verdeling kan nog veranderen.
AVG-overlap: de rol van de DPIA
Elke AI-toepassing die persoonsgegevens gebruikt, is ook een verwerking onder de AVG. Voor hoog-risico AI die persoonsgegevens verwerkt, is een DPIA bijna altijd verplicht, zeker als het systeem mensen beoordeelt en daar besluiten op volgen (artikel 35, lid 3, onder a, AVG).
U kunt de DPIA en de AI-specifieke analyse samen opzetten. Als gebruiksverantwoordelijke gebruikt u voor de DPIA de informatie die de aanbieder in de gebruiksaanwijzing meelevert (Artikel 26, lid 9). Analyseer privacy-risico's en AI-specifieke risico's (bias, ondoorzichtigheid, fout gedrag) in hetzelfde document. Dat scheelt werk en maakt het voor auditors overzichtelijker.
Een FRIA (Fundamental Rights Impact Assessment) is daarnaast verplicht voor publiekrechtelijke organen en particuliere entiteiten die openbare diensten verlenen. Artikel 27 lid 1 noemt gebruiksverantwoordelijken van hoog-risico AI uit Bijlage III punt 5(b) en 5(c) uitdrukkelijk, dus kredietwaardigheidsbeoordeling van natuurlijke personen en hun levens- of ziektekostenverzekering. Zet u als kredietverstrekker of verzekeraar zo'n systeem in, dan voert u vóór het eerste gebruik een FRIA uit, ongeacht of u een publieke of private partij bent. Dekt uw DPIA een onderdeel al, dan mag de FRIA naar dat deel verwijzen (Artikel 27, lid 4). De uitkomst meldt u aan de markttoezichtautoriteit (Artikel 27, lid 3).
Praktische aandachtspunten per domein
KredietbeoordelingOntwikkelt u het scoremodel zelf, dan bent u aanbieder en legt u in de technische documentatie vast welke variabelen meewegen, met welke data het model is getraind en hoe u op bias heeft getest (Artikel 10, lid 2, onder f en g; Artikel 11 en Bijlage IV). Koopt u het in, dan levert de aanbieder die informatie mee in de gebruiksaanwijzing (Artikel 13). Zorg in beide gevallen dat u een afwijzing kunt uitleggen. Artikel 86 geeft wie door zo'n besluit rechtsgevolgen of vergelijkbaar aanzienlijke gevolgen ondervindt, recht op uitleg over de rol van het systeem en de voornaamste elementen van het besluit. Dat recht wijkt voor ander Unierecht dat het al regelt (Artikel 86, lid 3). Bij consumentenkrediet is dat de herziene Consumentenkredietrichtlijn, die de klant recht geeft op uitleg en op herziening van een geautomatiseerde kredietbeoordeling (Richtlijn (EU) 2023/2225, artikel 18, lid 8). Het Nederlandse wetsvoorstel dat die richtlijn omzet, ligt bij de Tweede Kamer.
FraudedetectieZorg voor een procedure waar een menselijke medewerker een geblokkeerde transactie snel kan beoordelen. False positives zijn een klantbeleving-ramp als er geen menselijk escalatie-pad is.
Robo-advisorsCommuniceert de robo-advisor rechtstreeks met de klant, dan moet hij zo zijn ontworpen dat de klant weet dat hij met een AI-systeem te maken heeft, tenzij dat voor een oplettende klant vanzelf duidelijk is (Artikel 50, lid 1). Die plicht ligt bij de aanbieder, dus bij u als u de robo-advisor zelf bouwt. Wat u de klant over de werking en de grenzen van het advies vertelt, valt daarnaast onder de bestaande informatieplichten voor beleggingsadvies.
Verzekerings-AIRisicobeoordeling voor levens- en ziektekostenverzekeringen van natuurlijke personen is hoog-risico. Documenteer waar uw model onderscheid maakt, welke beschermde kenmerken zijn uitgesloten en hoe u op bias controleert. Houd rekening met de genderneutraliteit-eisen uit andere Europese regelgeving.
AML/CFT-systemenAnti-money-laundering en counter-financing-of-terrorism systemen zijn meestal niet expliciet hoog-risico onder Bijlage III, maar ze werken met persoonsgegevens en beïnvloeden de toegang tot financiële diensten. Let wel op het verbod uit Artikel 5, lid 1, onder d. Een systeem dat voorspelt of iemand een strafbaar feit gaat plegen, uitsluitend op basis van profilering of persoonlijkheidskenmerken, is verboden. Transactiemonitoring op objectieve, verdachte transacties valt daar buiten (overweging 42). Een klantrisicoscore die vooral leunt op kenmerken als nationaliteit of woonplaats komt wel dicht bij die grens. Sterk aanbevolen om ze te behandelen als hoog-risico in uw interne beoordeling.
Wat MKB-financiële dienstverleners moeten doen
Niet elke financiële dienstverlener is een grote bank. Adviseurs, hypotheekketens, incassobureaus, kleine verzekeraars: voor u geldt de AI Act net zo goed, maar met de proportionaliteit van een kleiner bedrijf.
Begin met een AI-inventarisatie. Welke AI-tools gebruikt u? Dat zijn vaak meer dan u denkt: uw CRM gebruikt AI voor lead scoring, uw boekhouding voor transactieclassificatie, uw communicatiepakket voor slimme antwoorden.
Identificeer wat u inkoopt en wat u zelf ontwikkelt. Ingekochte AI maakt u deployer. Zelfontwikkelde AI maakt u provider. Deployers hebben lichtere verplichtingen, providers de zwaarste.
Richt governance pragmatisch in. U hoeft geen complete compliance-afdeling op te tuigen. Een duidelijk AI-beleid, een AI-register, risicoanalyses per hoog-risico systeem, AI-geletterdheid voor medewerkers: dat is het basis-niveau.
Lees het rapport van AFM en DNB uit april 2024 en wat de toezichthouders daarna publiceerden, zoals de AFM Agenda 2026 en het onderzoek van DNB naar AI bij verzekeraars van januari 2026. Daarin staat wat zij van u verwachten op bestuur, risicobeheer en vastlegging.
Plan voor de deadlines. Maatregelen voor AI-geletterdheid zijn sinds 2 februari 2025 verplicht (Artikel 4). De transparantieplichten uit Artikel 50 gelden sinds 2 augustus 2026. Alleen de machineleesbare markering door aanbieders van generatieve AI die al vóór die datum op de markt was, krijgt uitstel tot 2 december 2026 (Artikel 111, lid 4). Voor hoog-risico AI geldt 2 december 2027 (Bijlage III) en 2 augustus 2028 (Bijlage I). De Digital Omnibus, Verordening (EU) 2026/1744, schoof die datums op van 2 augustus 2026 en 2 augustus 2027. Was een hoog-risicosysteem al vóór die datum in gebruik, dan gaan de eisen er pas voor gelden na een aanzienlijke wijziging in het ontwerp (Artikel 111, lid 2).
Veelgestelde vragen
Is onze fraudedetectie hoog-risico?
Nee, in de regel valt fraudedetectie erbuiten. Bijlage III, punt 5, onder b, zondert AI-systemen voor het opsporen van financiële fraude uitdrukkelijk uit. Dat is een van de weinige plekken waar de wet een gebruiksdoel binnen een hoog-risicogebied er weer uithaalt. Let wel op de rand: een model dat naast fraude ook kredietwaardigheid scoort, valt voor dat tweede doel wél onder Bijlage III.
Is AI voor zakelijke kredietverlening hoog-risico?
Niet bij een rechtspersoon. Bijlage III, punt 5, onder b, spreekt van natuurlijke personen. Beoordeelt u een eenmanszaak, een zzp'er of een bestuurder die zich persoonlijk borg stelt, dan beoordeelt u wel een natuurlijke persoon en valt het systeem alsnog onder het hoog-risicoregime.
Vervangt onze DORA- of Solvency II-governance de AI Act?
Nee, maar de AI Act erkent een deel ervan. Bent u aanbieder, dan geldt uw bestaande governance als kwaliteitsbeheersysteem, behalve voor risicobeheer, monitoring na marktintroductie en het melden van incidenten (Artikel 17, lid 4). Als gebruiksverantwoordelijke dekt die governance de monitoringplicht (Artikel 26, lid 5). Zet de overige AI Act-verplichtingen als kolom naast uw bestaande beheersmaatregelen in plaats van er een apart traject van te maken.
Wie is aanbieder als wij een scorekaart van een leverancier gebruiken?
De leverancier, zolang u het model gebruikt zoals bedoeld. Traint u het model bij op uw eigen portefeuille, of zet u het in voor een ander doel dan de leverancier beschrijft, dan kunt u zelf aanbieder worden met alle bijbehorende verplichtingen. Die rolwissel speelt zodra het systeem daardoor hoog-risico blijft of wordt (Artikel 25 lid 1), voor Bijlage III vanaf 2 december 2027 (Artikel 113, derde alinea, onder c).
Moeten wij een grondrechtentoets doen?
Ja, als u een hoog-risicosysteem gebruikt voor kredietwaardigheidsbeoordeling van natuurlijke personen of voor risicobeoordeling en prijsstelling van hun levens- en ziektekostenverzekeringen. Artikel 27, lid 1, legt die toets op aan gebruiksverantwoordelijken van deze twee categorieën, ongeacht of u een publieke of private partij bent. U doet hem vóór het eerste gebruik.
Wat u vandaag kunt doen
Een compleet AI-register is uw fundament. Het dekt de AI Act-verplichtingen, maakt DORA-documentatie eenvoudiger en helpt bij een DPIA.
De gratis risicoscan geeft in vijf minuten per systeem de risicoclassificatie en de verplichtingen die daarbij horen.