ING ziet steeds meer mogelijkheden voor XBRL-technologie
Een hackathon met serieuze bijvangst
Binnen ING Nederland wordt al jarenlang gebruik gemaakt van XBRL-technologie. Tijdens een interne hackathon van ING Wholesale bank, de internationale zakelijke tak van ING, experimenteerden Marco Ordogh en Daphne Hogeterp met XBRL voor KYC (Know Your Customer). Met succes!
Tijdens de jaarlijkse Experiment Days, drie dagen waarin ING‑medewerkers vrijuit mogen experimenteren met IT-vraagstukken, startten Marco Ordogh en Daphne Hogeterp samen met zes collega’s uit zowel Nederland als Polen een project rond Know Your Customer (KYC). IT-lead John Müller schetst het decor van de hackathon: ‘De Experiment Days zijn dagen waarin mensen met ideeën in teams werken met collega’s buiten hun gewone kring, waarbij ze technologieën verkennen waar je normaal niet aan toekomt. Het is een heel goede manier is om drie dagen een leuke tijd te hebben, en daarbij leveren de meeste projecten ook nog eens serieuze inzichten op.’
Wat hield het project van Marco en Daphne precies in? Marco: ‘In het dagelijks werk draait KYC nog vaak om dikke dossiers, losse documenten en menselijk oordeel. Voor elke klant die wij beoordelen, doorlopen we een proces om te kijken in hoeverre we daar zaken mee kunnen, mogen en willen doen. Daar gaat een behoorlijke papierstroom aan vooraf, vaak bestaande uit pdf’s en andersoortige documenten. Wij wisten al dat met name Real Estate binnen ING veel gebruik maakt van XBRL. Taxateurs leveren waardebepalingen van vastgoed in XBRL aan en die gaan direct het systeem in zonder dat een mens elk rapport hoeft door te nemen. Ook jaarcijfers worden binnen ING Business Banking en ING Real Estate gebuikt. Daarom was de vraag van ons hackathon‑team: zou je de jaarcijfers ook deels kunnen gebruiken voor KYC?’
Python en Copilot
Het team pakte de opdracht pragmatisch aan en probeerde XBRL voor KYC-doeleinden tijdens de hackathon op meerdere manieren uit. Daphne: ‘Door middel van Python de data uitlezen en zelf de xbrl-datapunten in de code linken aan de vragen die deze data nodig hebben. Dat werkte verbazingwekkend goed. Daarna hebben we op een geautomatiseerde manier de datapunten die in het XBRL-bestand stonden gelinkt aan de bijbehorende taxonomie in een Excel-bestand. Dit Excel-bestand werd vervolgens aan Copilot gegeven samen met de vragenlijst om de vragen te beantwoorden. Een eenvoudige manier, maar leuk om mee te experimenteren’, vertelt Daphne.
De echte test kwam daarna. Marco licht toe wat de werkwijze was. ‘Basis van deze laatste methode was de hele KYC‑taxonomie. Dit vanuit de gedachte dat Copilot misschien wel beperkt van nut is voor de toekomst, maar dat als je je datapunten scherp definieert, de verschillende AI‑agents er wel mee uit de voeten moeten kunnen.’ De waarde van XBRL werd direct zichtbaar toen het team naar een concrete KYC‑vraag keek: werkt een klant in een sector waar ING geen zaken meer wil doen, bijvoorbeeld rond uranium? ’Uit de mapping kwam iets simpels maar krachtigs naar boven: gebruik de SBI‑code van de Kamer van Koophandel, die in alle XBRL‑documenten zit, en laat een systeem alleen checken of die code op een blacklist of whitelist staat. Daardoor heb je geen mens meer nodig die een heel pdf doorleest die eigen interpretatie erop loslaat’, zegt Daphne. ‘De check wordt zo een ja/nee‑vraag, volledig automatiseerbaar!’
Kwaliteit, rekenkracht en duurzaamheid
Is het nut van XBRL voor KYC-toepassingen binnen ING na dit driedaagse al bewezen? Of zijn er nog veel vragen om te beantwoorden? John benadrukt vooral de duurzaamheidskant: ‘In de eerste plaats is de kwaliteit van de data gewoon goed. Daarnaast kost computer power verschrikkelijk veel geld. Er is een enorme rekenkracht nodig voor documentanalyse en grote AI‑modellen. Daarom zie je ook al die datacenters uit de grond komen. Je zou de huidige werkwijze kunnen vereenvoudigen door met XBRL grote hoeveelheden datapunten uit documenten te halen. De dure techniek, reserveren we dan voor de moeilijke gevallen, zeg maar de exotische zaken. Voor grote AI-modellen is veel stroom nodig, dus hoe minder je verbruikt, des te beter dat is voor het milieu. Dat past bij ING’s doelen om zo sustainable mogelijk te werken.’
Voor het team zelf smaakt de ervaring met XBRL ook naar meer. Daphne legt uit: ‘Wat ik het mooiste vind aan XBRL, is de structuur. De informatie die je ophaalt van bijvoorbeeld een Kamer van Koophandel‑document, is gestructureerd. En als je XBRL‑documenten van data vendors ophaalt, kun je ze in principe zo processen naar je applicatie zonder dat daar mensen te pas komen. Met XBRL kun je in principe geen fouten maken.’ Marco vult aan: ‘Ik zeg dat we het zeker een kans moeten geven. Ik moet eerlijk zeggen: ik heb binnen XBRL eigenlijk nog niks gevonden waarvan je zegt: nu twijfel ik. Het is gewoon altijd goed. En het mooie is: als de gebruikte taxonomie geen XBRL-term heeft voor een bepaald gegeven, dan kun je dat van een andere taxonomie gebruiken die dat wel heeft. Mocht dat geen uitkomst bieden omdat het erg specifiek is, dan kun je zelfs nog een uitbreiding op een bestaande taxonomie maken. En als het er niet is, verzin je het zelf. Als je dingen op het terrein van taxonomie zelf verzint, geef je het weer terug aan de hele wereld. Beter kan toch niet?’
Proof of concept
Het team werkt momenteel aan een proof of concept om documenten op te halen, datapunten uit deze documenten te halen en XBRL naast de bestaande agent‑aanpak te leggen. Ook hier is de insteek pragmatisch: daar waar XBRL beter is, wordt de XBRL-route gevolgd en daar waar de traditionele wijze of het werken met een agent effectiever is, wordt daarvoor gekozen. En soms zal worden gekozen voor een combinatie van de verschillende technologieën. Ook de Poolse collega’s vonden het een mooi experiment dat veel inzicht gaf in de mogelijkheden van XBRL. De vraag of XBRL van grotere waarde kan zijn voor ING dan is nu, met name alleen binnen ING Nederland, een maand na de hackathon, geen theoretische discussie meer, maar een praktische vervolgstap richting datagedreven, duurzame KYC‑processen.
