ING zet zelfontwikkeld AI-model in bij beoordeling van hypotheekaanvragen

ING gaat als eerste grote bank in Nederland AI op grote schaal inzetten om hypotheekaanvragen te beoordelen. Een zelfontwikkelde AI-toepassing kijkt naar afwijkende aanvragen, meldt het Financieele Dagblad. Dit moet huizenkopers sneller duidelijkheid geven.

Volgens ING dient AI hierbij alleen als slimme assistent voor eigen medewerkers. Een mens keurt een hypotheekaanvraag uiteindelijk goed of af. Tegelijk met de gespannen huizenmarkt heeft ING te maken met een tekort aan beoordelaars voor hypotheekaanvragen.

Experts verwachten dat andere banken dit voorbeeld zullen volgen, schrijft het FD. Ondertussen wijzen De Nederlandsche Bank en de Autoriteit Financiële Markten op de risico's van AI-inzet voor hypotheekzaken. Zo kan het lastig zijn om afwijzingen uit te leggen en kan een AI-model 'vooringenomen' zijn door de onderliggende dataset.

Zogeheten bias komt in het algemeen voor bij AI-modellen en -toepassingen, inclusief die van OpenAI, Anthropic, Google, Microsoft en andere grote techbedrijven. ING stelt dat zijn AI in de testfase maar 'sporadisch' fouten maakte en dat de bank fouten blijft opsporen.

Klanten willen sneller uitsluitsel

ING zou AI omarmen om klanten tegemoet te komen. Die willen sneller een beslissing over hun hypotheekaanvraag. Dit zelfontwikkelde AI-beoordelingssysteem moet dat mogelijk maken. Concurrenten als ABN Amro, Rabobank, ASN en Triodos zetten AI ook in, maar doen dat in mindere mate. Zij gebruiken die bijvoorbeeld om gespreksverslagen te maken en aangeleverde documenten te controleren.

Huizenrij. Bron: ING

Reacties (102)

[TwiekertBOB]

"ING zet zelfontwikkeld AI-model in bij beoordeling van hypotheekaanvragen"

Ik kan me niet voorstellen dat ze zelf een AI-model hebben ontwikkeld. Ik vermoed eerder dat ze agents hebben gebouwd die met behulp van bijvoorbeeld Claude deze aanvragen beoordelen.

edit:
Typo.

[Reactie gewijzigd door TwiekertBOB op 8 juni 2026 15:03]

[Croga]

Waarom kun je je dat niet voorstellen?

Claude is een language model. Voor een hypotheekbeoordeling heb je helemaal geen language model nodig. Je bent niet naar taal aan het kijken maar naar aangeleverde cijfers. Daar is Claude slecht in. Zo ook alle andere LLMs.

Men spreekt hier dan ook niet over een taalmodel (ofwel LLM) maar over een AI-model. Die gebruikten we al jaren voordat er überhaupt LLMs bestonden.

Ik geloof nooit dat dit een set agents bovenop Claude is. Dat zo enorme bakken meer geld kosten dan gewoon een zelf getraind neural netwerk op basis van aangeleverde specificaties.

[TwiekertBOB]

Het ontwikkelen van een eigen AI model is veel duurder en kost veel meer tijd, dan het maken van een agent gebaseerd op een LLM.

Als ING dit echt heeft gedaan, dan vind ik het knap, want ik had niet gedacht dat ze al zo lang bezig waren met AI.

[Armarr]

Zoals Croga al probeert duidelijk te maken gaat het hier waarschijnlijk over een Machine learning model, niet een LLM. Zo'n model trainen hoeft niet erg duur te zijn, afhankelijk van wat soort data je er uit wil halen. Wat daar niet uit komt is tekst.

[magician2000]

Maar is dit niet ook precies het probleem dat vrijwel alles tegenwoordig AI heet? Of onder die noemer geschoven wordt door praktisch alles en iedereen.

Machine learning, LLM of gewoon databases waar uit data informatie gegenereerd wordt. AI? Dat hebben we nog niet voorlopig.

En wanneer je met een beperkte dataset gericht iets oplost is het ook heel wat anders dan een groot model trainen inderdaad.

[William_H]

Twintig jaar geleden had je al de studierichting Kunstmatige Intelligentie. Dat "AI" nu populair is door de LLM's, maakt niet dat alles en z'n moeder ineens onder AI gegooid wordt, dat was al zo. Echter tegenwoordig is het wel mode om te zeggen dat er AI in je product zit, waardoor het lijkt alsof alles AI is, waar we het vroeger misschien een algoritme hadden genoemd.

[magician2000]

Maar dat bevestigd toch wat ik zeg, dat alles tegenwoordig het label AI krijgt? Tot een paar jaar geleden werd vrijwel niets onder het label AI gegooid. Toen was AI vooral van I, Robot en Skynet. AI is er nog steeds niet - voor zover wij weten. Dat er al meer dan twintig jaar een studierichting KI is maakt niet uit.

[William_H]

Ah, je hebt het over AGI (Artificial General Intelligence). Daar had ik het dan weer niet over, maar nu snap ik wel waar de verwarring ontstond. Ik dacht dat je het gewoon over AI had, maar je bedoelde AGI

[magician2000]

In de volksmond precies hetzelfde. En her volgens mij ook vaak door elkaar gebruikt. Geen van beide bestaan.

[mr.Millenarian]

Precies wat jij zegt. Mijn zoon werkt al een paar jaar aan die algoritmes om de hypotheekbeoordeling te vergemakkelijken, dus ik vroeg hem nu of hij met Ai bezig was. Antwoord was kort. Nee, maar ineens noemen ze het zo.

[RogerWilco2]

Ook een goed Machine Learning model trainen is niet makkelijk, je hebt een grote en goed geannoteerde dataset nodig als input.

Mijn baas dacht een aantal jaren terug ook "even" de menselijke beoordeling door een ML oplossing te vervangen, maar we hebben wel een boel data, maar niet in een formaat dat het als training data is te gebruiken - het is niet gekoppeld aan bestaande beoordelingen. Dan werkt het dus niet.

[RocketKoen]

Een agent gebaseerd op een LLM is misschien veel goedkoper. Maar als dat niet werkt, dan betaal je dus minder geld maar krijg je er ook niets voor terug.

ING heeft een flinke dataset aan hypotheekaanvragen en beoordelingen. Daar gaat bij het trainen van een model het meeste werk in zitten.

[TwiekertBOB]

Ik heb werkende agentic apps gezien bij amerikaanse banken die een volledig proces voor leningen afhandelen.

Het stuk suggereert dat er meer is opgeleverd dan een scoremodel op basis van Machine learning. Ik kan er naast zitten, maar ik krijg hier sterk het idee dat door middel van agents, gebouwd op LLM, hier documenten worden gelezen en beoordeeld. Extra informatie wordt opgevraagd waar nodig, en uiteindelijk een rapport wordt opgemaakt dat beoordeeld wordt door een medewerker.

Die laatste stap is dan puur voor de compliance.


Ik ben benieuwd of ik gelijk heb, maar het kan best dat dit een machine learning ding is, wat in feite niet meer is dan een uitgebreid algoritme. Maar dan vraag ik me serieus af waar de ophef vandaan komt. Want dit soort modellen bestaan al bij diverse banken.

[divvid]

m.a.v. een ML model, dat ze toch al hadden, gecombineerd me een (hopelijk in huis draaiend) LLM model om door alle ongestructureerde data heen te gaan.

Voor iemand met b.v. een vaste baan en regelmatig inkomen heb je dit niet nodig, maar wel voor een koppel van twee ondernemers waarvan één een starter is. Dan komt er echt meer bij kijken.

regels zijn altijd al ondoorzichtig geweest. Zo heeft ING, toen het nog postbank was, destijds een hypotheek geweigerd waar zelfs de advizeur (geen typefout) over heeft lopen zeiken. (goedgekomen bij andere bank, die geen enkel probleem zag)

[grrfield]

Iedereen die begint AI start met de "Titanic dataset" om wat gestructureerde gegevens voorhanden te hebben. ING heeft heel wat klantendata. Het lijkt me eerder een eenvoudige opdracht te zijn.

[redslow]

Midden jaren 90 kwam PTT en banken al met machines die handschriften konden lezen en dan de brief of bankdoverschrijving voor sorteren. Tegenwoordig zou men dat AI noemen.

dit soort bedrijven zijn al wat langer bezig met dit soort technieken want het scheelt arbeidstijd.

aanvulling een Wikipedia artikel.

Wikipedia: Postsorteermachine

[Reactie gewijzigd door redslow op 8 juni 2026 15:58]

[Cerberus_tm]

Interessant, als ik het goed begrijp had men in Nederland in 1995/96 voor het eerst een machine van AEG die handgeschreven adressen (meestal?) kon herkennen. Wellicht al eerder in Duitsland, al krijg ik de indruk dat Nederland wel vroeg was met postsorteermachines.

[walteij]

Valt mee, zeker als je de data toch al hebt (en die heeft de ING, want zij verstrekken best veel hypotheken). Een AI model is vooral machine learning, en dat doe je met data.

Machine Learning with Python Tutorial - GeeksforGeeks

Je kunt als je wilt dan met een SLM een chatbotje voor jezelf er overheen plakken, die je hebt getrained op de data en de communicatie brieven, emails etc van je hypotheek adviseurs.

[varkenspester]

Het ontwikkelen van een eigen 'AI model' om cijfers te analiseren is veel efficienter en veel goedkoper dan een dure LLM ge gebruiken om data te analyseren. Een LLM analiseert en voorspelt tekst, dat heeft hier geen meerwaarde. Waarom zou je dat willen gebruiken voor pure cijferdata?

[Xander2]

Ik geloof nooit dat dit een set agents bovenop Claude is. Dat zo enorme bakken meer geld kosten dan gewoon een zelf getraind neural netwerk op basis van aangeleverde specificaties.

Het enige wat banken willen weten; #1 is de consument een brave maandelijkse terugbetaler. (BKR) #2 wat is de waarde van de lening (edit: waarde/onderpand) en #3 past dit binnen het inkomen voor de gestelde looptijd onder behoud van verdere leningen.

Dat is al heel lang consistent/scherp geautomatiseerd waar computer says NO (of niet) op basis van de rekensom.

Dit gaat denk ik over een soort chatbot/1e lijns consultant waar je niet je complete kredietwaardigheid/loonstroken/etc. hoeft te uploaden met officiële documenten om een indicatie te krijgen van wat je kunt lenen.

edit:
incl. waardeschatting onderpand via derden.

[Reactie gewijzigd door Xander2 op 8 juni 2026 15:25]

[ro4sho]

Als ik het artikel lees: 'Een slimme assistent voor de medewerkers' dan durf ik er goud op te verwedden dat dit op basis van een LLM van Openai of Anthropic is gedaan.

Bakken met geld valt best mee als je de prompts per hypotheek case kan beheersen. Dan wordt het een kosten baten verhaal. Aan hypotheken wordt genoeg verdient.

[paltenburg]

Het heet een taalmodel, maar het kan prima vragen over niet-taalgerelateerde dingen beantwoorden op allerlei manieren.

[Sito]

Sinds de LLM-hype denkt iedereen dat LLMs de heilige graal zijn rondom AI. Spoiler alert: Machine Learning (ML) bestaat al veel langer dan LLMs en dat is hier waarschijnlijk voor gebruikt.

[TwiekertBOB]

Vandaar dit persbericht. Omdat ING iets gebruikt wat helemaal niet nieuw of innovatief is.

[demianmonteverd]

Waarom niet? Niet alles hoef je te doen met een LLM. Zie reactie ook van Croga op je bericht. Als je meer wilt weten hoe en wat kun je beginnen met het lezen van diverse boeken over dit onderwerp, bijv. Hands-On Machine Learning with Scikit-Learn and Tensorflow. Het is wel een beetje richting python geschreven, maar dat is heel veel literatuur over machine learning tegenwoordig. Of als je gewoon nieuwsgierig bent hiernaar, dan kun je ook starten met een vraag aan een LLM over hoe een bank dit soort vraagstukken zou kunnen oplossen.

Verder: ING is gigantisch en ze kunnen gewoon goede mensen krijgen, dus waarom zouden ze het technisch niet voor elkaar kunnen krijgen? Het zou meer verbazing moeten opwekken als ze het niet zouden kunnen.

[The-Source]

Wat je schrijft vermoed ik ook Of ipv agents dat ze tooling calls doen.

Maar met zelf ontwikkeld zouden ze het ook lokaal horen te draaien lijkt mij (lokaal kan ook op private hosting zijn)
Wat eerlijk gezegd is met de juiste tool calls vooraf weinig slimmigheid van AI nodig voor een generieke / semi-opmaat beoordeling.
Aanvraag komt binnen: Persoon 1 gegevens: salaris etc, wel of niet persoon 2. >> welke object (nieuwbouw of bestaand) Bestaand is WOZ op te vragen. Of ze vervolgens leningen ook automatisch opvragen (lees creditcards en eventueel echte leningen) zal waarschijnlijk ook.

Nu kan je op basis van die data al simple +/- doen en nog helemaal geen AI nodig. AI kan wellicht pas van pas komen als beroep en leeftijd wordt mee genomen en bijhorend toekomst perspectief maar voor snelle controle is die AI echt niet nodig. AI zou wel gebruikt kunnen worden met die laatste data en daarbij bijvoorbeeld: op basis van data is x% kans op goedkeuring, wil je dat op basis van analyze een gesprek in plannen (met daarbij direct agenda opties)


AI is leuk en ben ook zeker voorstander van de techniek maar het is zeker niet overal bij nodig.

[JustFogMaxi]

Sorry maar je kan letterlijk een csv met bestaande data (input + resultaat) in een tool gooien en daar rolt een ai model uit (geen LLM).

[DePruus]

We noemen expertsystemen tegenwoordig ook al AI, terwijl expertsystemen er al jaren zijn in verschillende sectoren. Bijvoorbeeld in projectcalculatie, inspectie. Als het maar AI genoemd wordt, dan is het hype. De ING kan het betalingsgedrag van hun klanten goed inschatten en dan ook sneller beoordelen of iemand een hypotheek kan krijgen. AI zou dan bij meerdere financiele gegevens kunnen kijken? Hoe komen ze aan die gegevens. Vind het raar.

[jip_86]

Waarom, lijkt me dat ze genoeg historische data hebben van aangeleverde documenten met daarbij of het uiteindelijk misgegaan is of niet.

[lenwar]

Ik zou het niet weten, maar waarom denk je dat? Een bank of een rekencentrum met een marmeren hal ervoor.

Banken doen echt heel veel, ook qua ontwikkeling. Ze zullen inderdaad niet van scratch af aan hebben gebouwd, maar er zijn vast frameworks waarmee je je eigen AI-model kunt bouwen.

[Estel]

Ik betwijfel of ze Claude gebruiken. Voor zover ik weet kun je Claude niet lokaal in Europa draaien. Vanuit een data privacy principe kun je dus geen Claude gebruiken.

[Roel Broersma]

Mijn regel is toch wel: Gebruik AI niet om mensen te keuren of dingen die direct gevolgen hebben voor mensen: Sollicaties, hypotheken, toeslagen, etc. Ook niet als onderliggend hulpje, want juist daar kunnen de fouten insluipen.
Daarnaast moet de overheid opgeven waar ze algoritmes (ai) gebruiken en die ook specificeren. Voor banken/commerciële instellingen geldt dit niet. Maar je kunt alleen maar een hypotheek krijgen bij de bank, niet bij een overheid.

Toevoeging: AI voor kredietwaardigheid/credit scoring valt in de EU AI Act wél onder hoog-risico AI.
Zie: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng?utm_source=chatgpt.com: Annex III, punt 5b:
"AI systems intended to be used to evaluate the creditworthiness of natural persons or establish their credit score, with the exception of AI systems used for the purpose of detecting financial fraud;" zijn volgens artikel 6 lid 2 hoog-risico.

[Reactie gewijzigd door Roel Broersma op 8 juni 2026 15:11]

[hendrickbert]

nobel, maar de objectiviteit van een algoritme is te toetsen een persoon een stuk minder.

[separhim]

Als de toeslagenaffaire ons iets geleerd zou moeten hebben, is dat algoritmmes niet beter zijn in het beoordelen van situaties als ze fout ontworpen zijn op basis van slechte data en aannames die gemaakt worden door mensen. Algoritmes worden ontworpen door mensen, de data wordt geselecteerd door mensen, en is vaak verzameld door systemen die mensen gemaakt hebben.

Er is weinig aanleiding hier om niet te zien hoe veel vooroordelen niet weer in dit soort "AI" erin sluipt omdat banken voorheen als vaak om onduidelijke en vage redenen mensen afwijst omdat dit niet binnen de beleid van de ING past.

Ik vind dat veel mensen hier maar klakkeloos ervanuit gaan dat algoritmes objectief zijn, terwijl het nog steeds producten zijn van mensen die net zo goed fouten kunnen maken of bewust dingen erin kunnen zetten om een bepaalde richting te duwen.

[VOODOO_WILLIE]

Bij het toeslagenschandaal was het juist het blinde vertrouwen op de algoritmes die die mensen de kop heeft gekost. Niet zozeer wat er ingestopt werd maar vooral wat er dus uitkwam. De "rode vlaggetjes" hadden dus gecontrolleerd moeten worden door mensen maar er werd (zogezegd) hersenloos op "OK: de vernieling in" geklikt.

[hendrickbert]

Maar de tegengestelde situatie, de mens weet het best heeft die fout ook, en dat is mijn punt. Een fout model is verschrikkelijk, maar als je de ML op historie zou trainen is het grootste probleem de bias en fouten van de mens.

[separhim]

Het was niet mijn punt dat de mens het nooit fout heeft, maar dat er snel achter de vermeende objectiviteit van algoritmes wordt geschuild. We zien al dat het hopeloos fout ging bij de toeslagenaffaire deels omdat algoritmes werden gemaakt die incorrect waren en niet transparent was, waarbij snel op basis van de algoritmes toeslagen werden afgewezen vanwege de fouten die mensen in het algoritmes hadden gebouwd.

[DrPoncho]

Algoritmes wellicht, ML modellen zijn niet betrouwbaar te toetsen.

[demianmonteverd]

Transformers/LLM's bedoel je denk ik? Dat is inderdaad lastig inderdaad. Maar je kunt heus wel iets doen. Een mens heeft ook bias.

[:murb:]

AI (lees: een LLM) is niet hetzelfde als een 'ouderwets' deterministisch algoritme, daar zit een belangrijk verschil. Zolang de regels transparant zijn is er niet zoveel mis met een algoritme. Maar met AI zijn de signalen waarop iets wordt goed- of afgekeurd snel ambigu.

[Reactie gewijzigd door :murb: op 8 juni 2026 15:43]

[Powerblast]

Een van de kritieken op LM’s is juist dat ze niet deterministisch reageren. Dus dat lijkt mij alvast dus geen verbetering. Wil je objectiviteit, dan heb alles behalve een LM nodig lijkt mij, maar een gewoon algoritme dat altijd hetzelfde resultaat geeft (zodra het bugvrij is).

[walteij]

Maar wie zegt dat de ING een (L)LM gaat gebruiken als AI oplossing?
LLM is AI, maar AI is niet exclusief een LLM.

Toegegeven, de kans dat het een LLM is, is aanwezig, maar de kans is groter dat ze juist wel een iets meer deterministische AI gaan gebruiken voor de eerste beoordeling. En dan is het vooral hopen op een logisch en gestructureerd algoritme dat alleen is gebaseerd op financiële data en niet kijkt naar naam/kleur/afkomst/wijk etc....

[Powerblast]

Die vraag kun je inderdaad stellen . De verwoording AI wordt te pas en te onpas gebruikt tegenwoordig, naar mijn mening omdat het hip klinkt. Terwijl een deel van de toepassingen niet meer zijn dan een slim algoritme zoals vroeger.

[PolarBear]

Een LLM kan wél determenistisch reageren, als je de temperature op 0 zet.

[stlgamer]

Dat is helaas niet helemaal waar. Door floating point operations, hardware invloeden, batching etc. krijg je nog steeds verschillende antwoorden, zeker als een gesprek langer wordt kan dit best een groot verschil opleveren.

[TwiekertBOB]

Ik begrijp niet goed waarom.

Je kunt agents gewoon opdracht geven om aan de hand van credit checks, lening overzichten etc. een beoordeling te maken.

De Agent levert dan een rapport op een geeft een score. De uiteindelijke beoordeling gebeurt dan door een medewerker (maar dat kan mogelijk tzt ook worden gedaan door een agent).

[walteij]

Ik vind "geeft een score" alleen onvoldoende om de hypotheek op te beoordelen. De belastingdienst heeft zoiets ook gedaan, waarbij er op basis van enkele gegevens een cijfer/score kwam, die blind werd gevolgd, met alle gevolgen van dien.

Er moet juist een compleet en duidelijk rapport komen op basis van de cijfers. Dus simpelweg:

• Inkomen
• Schulden/Leningen
• Lasten
• Gewenste hypotheek
• Maximale hypotheek
• Gezinssamenstelling (ja, kinderen zijn nu eenmaal duur)
• Looptijd hypotheek
• Rentevaste periode
• Hoogte van de rente

En dat allemaal een score krijgen, met een uitleg per score, zodat de persoon het rapport kan doornemen en op basis daarvan het eindadvies kan geven.

[TwiekertBOB]

Helemaal mee eens. Daarom benoemde ik ook dat het resultaat een rapport is. Dat rapport zal ongetwijfeld een soort van score hebben, maar het gaat om de onderbouwing, dat door een medewerker gecontroleerd moet worden.

[Gamebuster]

Mijn regel is toch wel: Gebruik AI niet om mensen te keuren of dingen die direct gevolgen hebben voor mensen: Solicaties, hypotheken, toeslagen, etc. Ook niet als onderliggend hulpje, want juist daar kunnen de fouten insluipen.

Hah! Het bedrijfsleven past je regel niet toe hoor.

[Dlsruptor]

Nou liever dat het 20 keer goed gaat en 1x fout en dat je die fout menselijk oplost toch?

[jpsch]

Hoe weet je dat het 20x goed gaat en 1x fout en dat je die fout herstelt door mensen in te zetten? De meeste mensen gaat vertrouwen op software en rapportages. De rekenfout in de Pentium is ook pas aan het licht gekomen door menselijke eigenwijsheid.

[Dlsruptor]

Ik spuw geen feiten. Ik breng een hypothese op basis van deze context.

De gedachte is: Een bedrijf bespaart veel meer kostte dan om deze taak volledig door AI te laten doen en de uitschieters door mensen te laten oplossen.

Dat AI deze taak kan, dat lijkt mij vanzelf sprekend.... als jij 100 hypotheek aanvragen doet en een mens doet dit ook en hij heeft 99x dezelfde uitkomst, dan lijkt mij het wel een betrouwbaar resultaat.


Ik heb geen verstand van een Pentium rekenfout. Maar ook daarbij is het resultaat naar mijn mening het belangrijks. Als daaruit blijkt dat het goed gaat, wat boeit het dan wat erachter gebeurd.

[mailis]

Hoewel de wetgeving qua timing en requirements iets aangepast gaat worden, lijkt mij dit toch een goed voorbeeld waarvoor de EU AI Act is bedacht. Aangezien het "ING AI-model" nu een hypotheek voor je gaat beoordelen, wat grote impact kan hebben op de aanvrager. ING (en eigenlijk iedere andere partij die zelf iets ontwikkelt) moet binnenkort dus goed gaan uitleggen hoe zo'n model werkt, hoe ze tot een eigen / 3rd party model zijn gekomen, etc. Zeker als hier beslissingen op worden gebaseerd.

[darkdeathrip]

Eens met t principe, maar "ook niet als onderliggend hulpje" gaat in de praktijk niet werken denk ik. dat hek is allang gevallen. zinniger om te eisen dat t transparant en controleerbaar is dan om t te verbieden. en je punt over de overheid: kredietbeoordeling is high-risk onder de AI Act, dus oversight + logging + bias-testing zijn straks verplicht. alleen de transparantie naar de personen toe (waarom afgewezen) is niet goed uitgewerkt.

[Jasphur]

Gelukkig worden de vangrails waarop agents gecontroleerd/gecorrigeerd/geobserveerd kunnen worden steeds beter. Een overzichtje

[Reactie gewijzigd door Jasphur op 8 juni 2026 15:01]

[Riku_kauppa]

Mensen weten niet meer waar AI begint en algoritmes de zaak vraag zijn. AI modewoord, tegenwoordig koop je een broodrooster met AI, knettergek! en iedereen (lees margeteers) houden zich daar aan vast, net zoals "green" of footprint, denken die gasten echt dat de bevolking dom is? O ja wat van meer Proteïne? Priet praat. Schijnt te werken, anders doen ze het niet.

[divvid]

wel wat kort door de bocht, zo is op basis van 'mensen' (AI was er nog niet op die schaal in 2004) een hypotheek geweigerd waarvan zelfs de hypotheek adviseur zoiets had van 'hoe dan'?

Criteria zijn ook soms willekeurig weet ik uit mijn omgeving. Zo hanteerde de ene bank een oude 100% WAO uitkering als zeer betrouwbaar inkomen (tot voor jetten dan), waar de ander dat juist als risico zag. Probeer dat maar eens in te schatten als consument. Staat echt niet op de website.

[kr4t0s]

Die boot is al lang vertrokken, alles wordt al zo gedaan of is er hard op naar op weg. Op zich hoeft het geen probleem te zijn alleen moet je ten alle tijden de mogelijkheid hebben dat een mens het kan controleren. AI moet geen black-box worden die iets uitspuugt en dat dan de waarheid is.

[Dubbeldrank]

Als ze nu niet zoveel personeel op straat hadden gezet en vestigingen gesloten om de winst te maximaliseren, dan hadden ze meer beoordelaars in dienst gehad. En hoeven de klanten voor een vrij belangrijke investering niet eerst te dealen met AI, maar met iemand die daadwerkelijk ook verstand heeft van zaken en afwijkende vragen goed kan beantwoorden. Banken willen steeds minder met de klanten waar ze hun bestaansrecht aan ontlenen omgaan.

[kodak]

Alleen hoef je geen ai te accepteren en dus geen gebruik te maken van deze bank. De markt voor hypotheken is groot, omdat er veel te verdienen is voor aanbieders. Het probleem gaat eerder zijn dat een bank als ING, of welke anderen aanbieder dan ook, je geen keuze laat om niet van ai afhankelijk te zijn. Daarom is het ook zo belangrijk dat de toezichthouders de harde eisen over o duidelijkheid en risico's bij financiële diensten controleren en afdwing. In plaats van liever slechts vanaf afstand te waarschuwen en dan de financiële dienstverleners hun gang te laten gaan.

[thegve]

Het is een tool die hun medewerkers ondersteund (ongetwijfeld "in eerste instantie"). Een aanvraag leggen naast een set regels die zij hanteren voor acceptatie kan een computer prima.

Een verzoek tot afwijken van die opgestelde regels moet je dan bij een mens kunnen neerleggen eventueel. Net als eventueel een empathisch overkomende adviseur die je met veel emotie en begrip kan vertellen dat je hypotheekaanvraag is afgewezen, maar dat er misschien wel ergens een goedkoper huis te koop is.

[batteries4ever]

Begrijpelijk dat een bank dit doet, maar wel griezelig:
Ben je geboren in de maanden Maart tot Mei, dan is kans op goedkeuring 10% hoger. Begint je achternaam met Z,S of H, dan is je score 15% lager, eindigt je BSN op een 2? : vergeet het dan maar!
AI modellen kunnen zulke (waan)ideeën opbouwen als conclusie van de feed data. Duidelijk nonsense, maar daar gaat die bankmedewerker dus nooit achter komen... want uitleg bij het resultaat van de toetsing geeft het AI model waarschijnlijk niet.

[Reactie gewijzigd door batteries4ever op 8 juni 2026 15:59]

[harakiri576]

Dit z.g.n overfitting is dan ook heel bekend en makkelijk te voorkomen. Bijvoorbeeld, door training data genereren met de bestaande data, maar met random geboortedatums, of met random BSN. Dan heb je geen zulke bias.

Ook zou het heel verwarrend zijn als BSN als input voor een machine learning model was gebruikt. Ik zie er namelijk geen enige invloed op het uitkomst, dus is er dan ook geen reden om te doen. En in deze wereld van GDPR, doet dat niemand.

[batteries4ever]

Als je het weet kan je het wellicht voorkomen. Het moeilijke is dat je niet weet wat het model allemaal stiekum als parameters van. Met jouw trainingsdata kan je de eenvoudige voorbeelden als voor komen, maar stel dat het systeem je eruit gooit als je EN in Maart geboren bent EN je achternaam met een Z begint EN je BSN op een 2 eindigt wordt het al een stuk moeilijker testen ... en je moet er maar opkomen. Ik weet niet wat als input gebruikt wordt, wellicht wordt de volledige klantdata, incl. BSN gebruikt onder het motto "zoek het maar uit". Uiteindelijk is vrijwel alle input, ook b.v. geboortemaand, informatie en heeft wellicht wat invloed op de kredietwaardigheid...
Het eeuwige probleem is dat die systemen slecht uit kunnen leggen waarom de ene applicatie beter is dan de andere en AI hallucineren is gewoon een ding. Gooi je alle data "die het niet kan zijn" eruit dan houd je weinig meer over dan een spreadsheet.

[bwerg]

Overfitting is één probleem, dat in de praktijk wel tegen te gaan is met genoeg data en wat slimme keuzes.

Een groter probleem is dat zo'n model zomaar discriminerende redeneringen kan maken. Dat Achmed is vaker niet kredietwaardig is dan Frederik, bij verder gelijke parameters, bijvoorbeeld. En dat is illegaal. Men vergeet bij het trainen van een AI-model vaak dat sommige redeneringen helemaal niet toegestaan zijn in het nemen van beslissingen.

Ik hoop dan ook dat de ING daarover heeft nagedacht. Bijvoorbeeld door input sanitation, namen kun je er bjivoorbeeld uit strippen.

[Reactie gewijzigd door bwerg op 8 juni 2026 19:52]

[abaart]

De vraag is natuurlijk, of Mohammed Yousef Ali met behulp van AI ook even makkelijk zijn hypotheek toegewezen gaat krijgen als Jan Lodewijk Diederik van Buffelen.

Bij mijn volgende hypotheekaanvraag zal ik in ieder geval goed nadenken over de vormgeving van mijn prompt-injection attack

[demianmonteverd]

Het soort praktijken waar jij nu naartoe schrijft past totaal niet meer bij onze tijd/samenleving en al helemaal niet bij een bank die internationaal moet opereren. Verder is er ook wetgeving en moraliteit.

[abaart]

Natuurlijk past dat ook niet meer. Maar welke biases er in het gebruikte LLM model zitten, niemand die het weet.

[demianmonteverd]

Dat kun je altijd testen. Maar als je punt is dat dit opgelost moet worden in de trainingsdata, dan ben ik het met je eens dat het daar het beste kan worden aangepakt.

[The-Source]

Als zij Moslim zijn dan willen ze op basis van geloof helemaal geen hypotheek. Dat heeft te maken met het betalen van rente of zoiets. Daarvoor bestaat wel "Halal Hypotheek" maar dat is geen ING product

[Finraziel]

Oef, wachten op het volgende schandaal als blijkt dat de medewerkers van ING natuurlijk toch te veel gaan leunen op het 'advies' van de AI en dat die AI toch bepaalde zaken mee lijkt te wegen waar we als maatschappij niet van gediend zijn...

[Zwarte_os]

Dat is wel een behoorlijk risico dat een medewerker nu krijgt. Er zal vanaf boven ervan uitgegaan worden dat in de regel de computer gelijk heeft. Dus dan moet een medewerker stevig in de schoenen staan om daar een weerwoord op te hebben.

[RogerWilco2]

Ja, over een paar jaar blijkt het model alle aanvragen met "Mohammed" een slechte score te hebben gegeven.

[B0MBACI]

Prima toch als AI de eerste analyse doet en aandachtspunten meegeeft aan de adviseur die dan een oordeel velt.

[iqcgubon]

"Oeps, je had natuurlijk gelijk! Bedankt om me op deze fout te wijzen. Deze klant had helemaal niet zo'n zware lening mogen krijgen."

Zeer onwenselijk.

[thegve]

Voor het goed- of afkeuren zijn ongetwijfelde bepaalde normen opgesteld, met een beetje geluk ook geautomatiseerd / in software. Dus wat de AI moet doen is de input parsen naar variabelen, en die variabelen meegeven aan een functie/formule die de beoordeling doet.

Via kennissen die vergelijkbaar werk doen of deden, maar dan niet in de hypotheekwereld, weet ik dat daar af en toe wat onverwachte 'variabelen' bij zitten, waar hij naar kan zoeken, als de bestaande automatisering dat al niet doet.

[Mit-46]

Voor leningen doen ze dit al jaren, maar toen heette het nog geen A.I. en anders werd het niet expliciet zo benoemd/genoemd.

Wanneer je in de app een lening wilt aanvragen wordt het beoordeeld door de software en krijg je binnen enkele seconden antwoord.
Wanneer je besluit dan ook echt de lening af te sluiten krijg je uiteindelijk de papieren toegestuurd door een mens.

Dit gaan ze nu ook voor hypotheken doen begrijp ik hieruit, maar nu noemen we het A.I.

[Reactie gewijzigd door Mit-46 op 8 juni 2026 15:29]

[Jorah_Newstone]

Precies, een kredietscore berekenen doen ze ook al jaren, vroeger nog met de hand, nu geautomatiseerd. Ieder algoritme moet tegenwoordig de tag AI krijgen lijkt het wel. Terwijl een slim algoritme gewoon goed in elkaar is gezet, het leert niet. Het voert gewoon uit. Hetzelfde hier, we gooien wat hypotheek data van de klant in het systeem. Algoritme kijkt naar parameters of het goed of niet goed is. Je krijgt een antwoord, tada.

[Rogers]

Fijn wordt je prive data in een AI model gegooid.

Bij sollicitaties schijnt "machine sais no" al problematisch te zijn, krijgen we het dadelijk ook voor hypotheken.

[Bender]

Je prive data is toch al bekend bij ING, anders kunnen ze je hypotheekaanvraag niet beoordelen..

[japie06]

En dan nog, het zou privacy-technisch gezien een voordeel zijn als alleen AI model je gegevens inzien, in plaats van een mens toch. Een AI model kan die gegevens gewoon weer 'vergeten'. Bij een mens is dat toch lastiger om af te dwingen.

[Rogers]

Ik bedoel dan meer de kans dat het ergens anders terecht komt, als ze hun model gebouwd hebben op bijv. ChatGPT. Er worden nu haastig overal AI toepassingen uitgerold zonder rekening te houden waar de data die ze er instoppen blijft.

[Bender]

Ze gebruiken geen Amerikaanse ai-dienst, dat zou tegen de wetgeving zijn.

Het is aannemelijk dat ze helemaal geen publieke dienst gebruiken, maar dat ze hun eigen gehoste model gebruiken. Volledig afgesloten van de buitenwereld.