Blog
Wat werkt en wat niet bij hypotheekkantoren
Eind vorig jaar voerden we een AI-audit uit bij een Nederlands hypotheekkantoor met 35 medewerkers en gemiddeld 60 financieringsverzoeken per dag. Daaruit kwamen acht concrete kansen, waarvan vijf inmiddels in productie of in implementatie zijn. Een aantal andere zijn we niet aan begonnen, omdat ze juridisch of vakinhoudelijk te dicht tegen de Wft-grens schuren.
Onderstaand overzicht is gebaseerd op wat we daar en bij vergelijkbare kantoren zien werken. Geen hype, geen marketing, wel cijfers en valkuilen.
Use case 1: financieringsverzoeken classificeren en voor-vullen
Wat het doet. Een verzoek komt binnen via mail, formulier of de adviseur-portal. Een AI-laag leest het, herkent het type financiering (woonhuis, verhuurpand, oversluiting, overbrugging), de complexiteit (NHG-grens, BKR, fiscale aspecten) en de urgentie. Het voert direct de juiste velden in het CRM in en koppelt het dossier aan de adviseur die qua specialisme en agenda past.
Wat het oplevert. In de praktijk circa 70 uur per maand op een team van 35 mensen. Belangrijker, de doorlooptijd van eerste klantcontact naar volledige inname halveert ongeveer.
Valkuil. Vertrouw nooit op de classificatie alleen. AI moet altijd doorleidbaar zijn naar menselijke validatie binnen de eerste 24 uur, anders glipt er een gebrek in. Bouw daarom altijd een review-stap in de eerste maand.
Use case 2: adviesgesprek-samenvattingen direct in het dossier
Wat het doet. Tijdens een adviesgesprek (telefoon, video of fysiek) draait een transcriptie-tool mee. Direct na het gesprek genereert de AI een gestructureerde samenvatting, gemapt op de Wft-vereiste advies-elementen (klantsituatie, doelstelling, kennis en ervaring, risicobereidheid, advies en motivatie). Adviseur leest na, corrigeert waar nodig, akkoordeert.
Wat het oplevert. Per adviseur 4 tot 6 uur per week minder administratie. Bij 8 adviseurs is dat al 32 tot 48 uur per week.
Valkuil. De samenvatting is hulpmiddel, geen vervanger van het schriftelijk advies dat de Wft eist. De adviseur blijft eindverantwoordelijk voor de inhoud. Dat moet ook expliciet vastliggen in je werkproces. Maak daar geen grijs gebied van.
Use case 3: documentenherkenning bij stukken-aanlevering
Wat het doet. Klant uploadt loonstroken, jaaropgaven, BKR-rapporten en koopaktes via een portal. AI herkent direct welk document het is, controleert volledigheid (3 maanden loonstrook, juiste werkgeversverklaring), extraheert de relevante velden en plaatst die in het dossier. Bij ontbrekende of incomplete stukken stuurt het systeem automatisch een herinnering naar de klant.
Wat het oplevert. Bij een gemiddeld dossier van 12 documenten scheelt dit 30 tot 45 minuten per dossier handmatig invoer- en checkwerk. Op de stapel van een drukke maandag betekent dat aanmerkelijk minder achterstand op dinsdagochtend.
Valkuil. Documentherkenning loopt vast op slecht gescande PDF's, screenshots van mobiele banking-apps, oude Word-documenten zonder OCR-laag. Plan altijd een fallback voor "AI weet het niet" met menselijke handeling, anders strandt 10 tot 15 procent van je dossiers in een onzichtbare wachtrij.
Use case 4: klantcommunicatie automatisch bij milestones
Wat het doet. Wanneer een dossier een milestone passeert (haalbaarheidscheck akkoord, geldverstrekker keurt goed, taxatie binnen, akte gepasseerd), genereert AI automatisch een passend e-mailbericht aan de klant in de huisstijl van het kantoor. Adviseur ziet het concept in de wachtrij, past aan waar nodig, verstuurt.
Wat het oplevert. Klanten ervaren strakkere communicatie, adviseurs verliezen geen tijd meer aan standaard-berichten. Op een team van 8 adviseurs ongeveer 6 uur per week per persoon.
Valkuil. AI mag nooit zelfstandig versturen bij financiële communicatie. Mens-in-de-lus, altijd, ook al duurt het maar 30 seconden. Anders krijg je situaties waarin een goedgekeurde-mail eruit gaat terwijl er nog een aanvullende voorwaarde van de geldverstrekker openstaat.
Use case 5: compliance-monitoring achteraf op adviesgesprekken
Wat het doet. Na een adviesgesprek loopt een AI door het transcript en flagt potentiële Wft-aandachtspunten. Heeft de adviseur kennis en ervaring uitgevraagd? Is risicobereidheid expliciet besproken? Is een passende motivatie gegeven voor het uiteindelijke advies? Het flagt, het oordeelt niet.
Wat het oplevert. Voor de compliance-officer of senior adviseur scheelt dit aanzienlijk. In plaats van steekproefsgewijs gesprekken terugluisteren, krijgt hij een lijst met gesprekken waar de AI een aandachtspunt zag. Hij luistert dan gericht.
Valkuil. AI is geen Wft-toezichthouder. Het is een hulpmiddel om systematischer te kunnen monitoren, niet een vervanging van de menselijke compliance-blik. Maak dat in je interne governance expliciet..
Wat dit voor een kantoor van 30 FTE concreet oplevert
Als je use cases 1 tot en met 4 implementeert, conservatief gerekend, scheelt dat tussen de 200 en 280 uur per maand op teamniveau. Dat zijn 1,5 tot 2 FTE die niet meer in repetitief werk zitten maar wel in adviestijd of doorgroei van het kantoor. Bij gemiddelde adviseurs-tarieven heb je een investering binnen 6 tot 9 maanden terugverdiend, of dat nu via een implementatie-traject van vijf tot acht weken loopt of via een AIOS-retainer waarin we structureel als partner verbonden blijven.
Use case 5 is niet primair tijdsbesparing maar risicoreductie. Een goed gevoerd Wft-dossier is goud waard als de AFM aanklopt.
De volgorde die we adviseren
Doe niet alle vijf tegelijk. Ze zijn niet allemaal even snel haalbaar en de afhankelijkheden lopen onderling. In praktijk werkt deze volgorde voor de meeste kantoren. Eerst use case 1 (classificeren) en use case 3 (documentenherkenning), want die geven direct overzicht en breken het inname-knelpunt open. Daarna use case 4 (klantcommunicatie), want die ligt operationeel dichtbij wat je net hebt gebouwd. Use case 2 (gespreksamenvatting) en use case 5 (compliance-monitoring) komen daarna, omdat die meer governance-werk vragen vooraf.
Elke stap bouwt voort op de vorige. Wie het in deze volgorde doet, ziet binnen drie maanden het eerste effect en binnen een jaar de volle 200 tot 280 uur per maand.
De eerste stap
In een AI-audit brengen we voor jouw specifieke kantoor in beeld welke van deze use cases het meest opleveren, in welke volgorde je ze het beste implementeert en welke koppelingen je nodig hebt. Veertien dagen vanaf de interviewdag, vaste prijs, een rapport dat je morgen op de directiebespreking kunt leggen.
AI die werkt in je vak begint bij weten waar bij jou de meeste tijd vastloopt en welke use case voor jouw kantoor de logische eerste stap is.
