Acht op de tien hypotheekaanvragen bij ING passen niet in het standaardbeleid. Elke afwijking betekent handwerk: beleidsregels doorzoeken, alternatieve constructies bedenken, overleggen met collega's. Een dossier kost makkelijk een uur. ING heeft daar nu een AI-agent voor. Het model doorzoekt het beleid en maakt binnen 58 seconden een alternatief voorstel. De acceptant bekijkt het, past aan waar nodig en beslist. Het is de eerste keer dat een grote Nederlandse bank kunstmatige intelligentie zo structureel inzet bij het beoordelen van hypotheken. De aanpak bevat lessen voor elk bedrijf dat AI wil gebruiken bij beoordelingsprocessen.
Wat doet de AI-agent precies?
De agent richt zich op aanvragen die niet meteen in het acceptatiebeleid passen. Dat klinkt als een uitzondering, maar bij ING is het de meerderheid: zo'n 80 procent van alle hypotheekaanvragen wijkt af van de standaardcriteria. Denk aan zelfstandigen met wisselend inkomen, starters die hun studieschuld meenemen, of senioren die willen verhuizen naar een kleinere woning.
Het model doorzoekt de beleidsregels en klantgegevens en genereert binnen een minuut een alternatief: een aanpassing in de constructie, een ander product, of een combinatie die wél past. De acceptant krijgt het voorstel op het scherm, beoordeelt of het klopt en neemt de eindbeslissing. Er is geen automatische doorstroom naar de klant.
ING heeft het model zelf ontwikkeld. Geen kant-en-klaar product van OpenAI of Google, maar een intern gebouwd systeem, gemaakt door een team van meer dan dertig mensen dat er sinds de zomer van 2025 aan werkt. In de huidige testfase gebruiken vijftig van de driehonderd acceptanten de agent bij zo'n 40 procent van hun dossiers. De rest van het team staat in de wachtrij voor toegang.
Waarom juist de moeilijke aanvragen?
Je zou verwachten dat AI het beste werkt bij simpele, gestandaardiseerde gevallen. Het tegenovergestelde is hier het geval.
Bij een standaardaanvraag is het menselijke werk snel gedaan. De regels zijn helder, de controles routine. Maar bij de 80 procent die afwijkt, is een acceptant soms een uur bezig. Beleidsregels doorzoeken, precedenten opzoeken, alternatieve constructies bedenken. Precies het soort werk waar een taalmodel goed in is: snel grote hoeveelheden beleid doorzoeken en combinaties vinden die een mens over het hoofd ziet.
Vergelijk het met een assistent-kok die niet de standaardgerechten klaarmaakt, maar juist de complexe menu's voorbereidt. De chef heeft daardoor meer tijd voor de afwerking. Bij ING betekent dat: de acceptant besteedt minder tijd aan zoeken en meer aan beoordelen.
Voor jouw organisatie geldt hetzelfde principe. De grootste tijdwinst zit niet bij de routinetaken die je medewerkers in hun slaap doen, maar bij de complexe gevallen waar ze nu het langst over doen. Begin daar.
Hoe houden medewerkers het laatste woord?
“Onze medewerkers hebben het laatste woord. Zij moeten altijd kunnen uitleggen waarom zij tot een bepaald besluit komen.”
Jacques Schram, senior manager wonen bij ING
Die zin vat de hele architectuur samen. De AI levert een suggestie. De mens beslist. ING noemt het een nultolerantie voor fouten, en dat verklaart de stapsgewijze uitrol. Vijftig acceptanten eerst, niet driehonderd. Veertig procent van de dossiers, niet honderd.
Overigens is die voorzichtigheid niet overdreven. Michael von Gablenz, specialist bij herverzekeraar Munich Re, zegt het zo: “Het beste AI-model houdt altijd een kans om fouten te maken of te hallucineren. Dat is technisch niet te vermijden.” Juist dáárom werkt de combinatie: snelle AI-suggestie, gevolgd door menselijke eindbeoordeling.
Elk voorstel wordt door een mens bekeken voordat het naar de klant gaat. De acceptant kan het overnemen, aanpassen of volledig verwerpen. Dat klinkt als extra werk, maar het tegenovergestelde is waar. De acceptant besteedt minder tijd aan het bedenken van oplossingen en meer aan het beoordelen ervan. De doorlooptijd daalt, de kwaliteit van het advies stijgt.
Wat doen andere Nederlandse banken?
ING is met deze aanpak de uitzondering. De andere grote Nederlandse banken zijn voorzichtiger.
- ABN AMRO zet Advisor Assist in voor het samenvatten van klantgesprekken. Dat bespaart adviseurs circa 50 procent van de administratietijd. Nuttig, maar het raakt niet de kern van de beoordeling.
- Rabobank, ASN en Triodos gebruiken AI voor het controleren van documenten als loonstrookjes en taxatierapporten: verificatie, geen advisering.
Het verschil is fundamenteel. ING laat AI actief meedenken over de inhoud van het hypotheekadvies. De andere banken houden AI op afstand van de advisering zelf.
Internationaal is het beeld anders. In Canada verkort TD Bank de wachttijd voor menselijke beoordeling van gemiddeld vijftien uur naar minder dan drie minuten met AI. In Duitsland bieden ING Duitsland en Interhyp een bindend hypotheekaanbod binnen dertig minuten. In België verwerkt de AI-agent “Herman” van scale-up Oper hypotheekaanvragen bij dertien hypotheekverstrekkers. Even voor de beeldvorming: Nederland loopt op dit punt niet voorop. ING is de eerste die beweegt, maar internationaal is het eerder inhalen dan vooroplopen.
Welke risico's ziet de toezichthouder?
DNB en de AFM waarschuwden al in 2024 voor de risico's van AI bij financiële beoordelingen. Datafouten in hypotheekmodellen hebben direct gevolgen voor consumenten: een fout kan betekenen dat een gezin geen huis kan kopen, of juist een te hoge hypotheek krijgt.
Er is ook het discriminatierisico. Onderzoek van Lehigh University toonde aan dat taalmodellen vaker zwarte aanvragers afwezen of hogere rentes aanboden voor identieke dossiers. In 2025 leidde dat in de Amerikaanse staat Massachusetts tot een schikking over discriminerende AI-kredietbeoordeling. Een Berlijnse bank kreeg een boete van 300.000 euro omdat het systeem een afwijzing niet kon verklaren.
Voor jou als ondernemer is de les helder: als je AI inzet bij beslissingen die mensen raken, moet je kunnen aantonen dat het systeem geen groepen benadeelt. Dat vereist testen, documentatie en een audit trail. Niet optioneel, niet “leuk om te hebben.” Verplicht.
Wat betekent de AI Act voor hypotheekbeoordelingen?
Hypotheekbeoordelingen vallen onder de EU AI Act als hoog-risico. AI die kredietwaardigheid beoordeelt mag niet autonoom beslissen, en de instelling moet elke beslissing kunnen uitleggen. Na het Omnibus-akkoord van mei 2026 is de deadline voor deze hoog-risico-eisen verschoven naar 2 december 2027.
ING's aanpak sluit nu al aan bij wat de AI Act straks verplicht. De mens neemt de eindbeslissing, kan uitleggen waarom, en het systeem wordt stapsgewijs uitgerold met controles. Bedrijven die AI inzetten bij vergelijkbare beoordelingsprocessen, van sollicitatieprocedures tot kredietaanvragen en verzekeringsclaims, doen er goed aan hetzelfde patroon te volgen.
Volgens data over AI-adoptie in Nederland zet twee op de drie bedrijven al een vorm van AI in. Maar slechts één op de vijf ziet er meetbaar resultaat van. Het verschil zit vaak in hoe AI is geïntegreerd in het werkproces, precies het onderscheid dat ING hier maakt.
Drie elementen om over te nemen in je eigen organisatie
Niet elke lezer werkt bij een bank. Maar het model dat ING hier neerzet is breder toepasbaar dan hypotheken.
- Richt AI op de uitzonderingen, niet op de routine. De meeste waarde zit in de complexe gevallen waar je medewerker nu het langst over doet. Een AI-model dat honderd beleidsregels in seconden doorzoekt voegt daar meer toe dan bij een standaardcheck die al snel gaat.
- Bouw stapsgewijs uit. Vijftig van driehonderd medewerkers, 40 procent van de dossiers. Dat geeft ruimte om fouten te ontdekken voordat ze schaal bereiken. Een duidelijke werkwijze voorkomt dat AI-gebruik binnen je team een eigen leven gaat leiden.
- De mens beslist, de AI bereidt voor. In elke sector waar AI-beslissingen mensen raken is dit het patroon dat zowel je klant als de wetgever verwacht. Het werkt ook: bij ING levert het model binnen 58 seconden een voorstel dat een acceptant anders een uur had gekost.
De hypotheekwereld is een van de eerste plekken waar dit patroon op schaal wordt getest in Nederland. De uitkomst bepaalt mede hoe snel andere sectoren zullen volgen. En of jouw branche de volgende is, hangt niet af van de technologie. Die is er al. Het hangt af van de vraag of je bereid bent om het werkproces eromheen te bouwen.
