Kunstmatige intelligentie, of AI, verwijst naar een geheel van algoritmen waarmee machines cognitieve functies kunnen uitvoeren die traditioneel met mensen worden geassocieerd, zoals analyseren, problemen oplossen en beslissingen nemen. Vandaag is AI een instrument met twee kanten: het is onmisbaar geworden in de financiële sector dankzij zijn vermogen om enorme hoeveelheden gegevens te verwerken, complexe processen te automatiseren en fraude op te sporen, maar biedt criminelen tegelijkertijd ongekende mogelijkheden die tot voor kort tot de wereld van sciencefiction leken te behoren. Van geavanceerde fraude tot grootschalige witwaspraktijken: AI verandert het landschap van financiële criminaliteit dan ook ingrijpend.
Alleen al in België noteerde het Febelfin-actieplan van juli 2026 tegen onlinefraude 93 miljoen euro die via phishing werd weggesluisd in 2025, tegenover ongeveer 49 miljoen in 2024, toen banken 75 procent van de frauduleuze overschrijvingen door phishing detecteerden, blokkeerden of terugvorderden. De nettoverliezen blijven ongeveer 0,004 procent van het totale transactievolume, maar de absolute bedragen blijven stijgen en autoriteiten hebben moeite om het tempo bij te houden. Dit roept een centrale vraag op: hoe verandert artificiële intelligentie de methoden van criminelen, welke antwoorden proberen autoriteiten en financiële instellingen te ontwikkelen en welke uitdagingen moeten nog worden aangepakt om opnieuw het overwicht te krijgen in deze technologische strijd, met haar aanzienlijke gevolgen?
Hoe faciliteert AI financiële criminaliteit?
De snelle opkomst van generatieve AI-tools, de democratisering van open-source modellen en grootschalige automatisering hebben cybercriminelen voorzien van een direct toegankelijk en bijzonder doeltreffend arsenaal. AI verandert fundamenteel de aard, snelheid en complexiteit van de risico’s.
Automatisering van fraude
AI-tools maken het inmiddels mogelijk om phishingcampagnes te automatiseren, overtuigende frauduleuze berichten te genereren en malware aan te passen om detectiesystemen te omzeilen. Criminelen kunnen daardoor tegelijkertijd steeds meer slachtoffers benaderen, met een hogere slaagkans dan bij traditionele methoden.
Deze automatisering gaat nog verder: sommige criminelen gebruiken AI om bots te creëren die 24 uur per dag en 7 dagen per week autonoom kunnen opereren om complexe financiële misdrijven uit te voeren, zoals marktmanipulatie en grootschalige fraude, met minimale menselijke tussenkomst.
Steeds geavanceerdere methoden
Generatieve AI maakt het mogelijk om uiterst realistische beelden, stemmen en video’s te creëren, waardoor fraudevormen zoals business e-mail compromise en identiteitsfraude steeds moeilijker te detecteren zijn.
De meest opvallende zaak blijft de deepfake-videoconferentie in Hongkong in 2024, waarbij een werknemer 200 miljoen Hongkong dollar, bijna 25 miljoen Amerikaanse dollar, overmaakte naar gesprekspartners die niet echt op het scherm stonden. De mechaniek van die zaak, en van synthetische identiteitsfraude, hebben we in een afzonderlijk artikel beschreven. Wat hier telt, is de verschuiving die ze markeert: financiële criminaliteit steunt voortaan evenzeer op AI-ondersteunde psychologische manipulatie als op technische intrusie.
Deze toenemende verfijning is ook zichtbaar bij synthetische identiteitsfraude. AI stelt criminelen in staat om gestolen of vervalste gegevens te combineren om geloofwaardige identiteiten te creëren, waarmee zij frauduleuze rekeningen kunnen openen en op grote schaal geld kunnen witwassen. In de Horizon Scan over AI en deepfakes van 22 december 2025 (enkel in het Engels beschikbaar) benadrukt de FATF dat AI- en deepfake-technologieën identiteitsverificatieprocedures kunnen ondermijnen en het op afstand openen en beheren van meerdere rekeningen kunnen vergemakkelijken. Criminelen gebruiken AI daarnaast om zwakke plekken in financiële systemen te identificeren, mazen in regelgeving op te sporen en detectie te ontwijken door legitieme transactiepatronen zo nauwkeurig mogelijk na te bootsen.
Versnelling en grootschalige verspreiding
Naast de toenemende verfijning verandert ook de schaal van de dreiging. Aanvallen kunnen nu duizenden slachtoffers tegelijkertijd treffen en zich in real time aanpassen aan de reacties van beveiligingssystemen. Deze versnelling wordt versterkt door de lagere drempel om AI te gebruiken: AI-tools zijn vaak open source en publiek toegankelijk en vereisen steeds minder technische kennis om voor criminele doeleinden te worden misbruikt.
De Europese Bankautoriteit heeft AI eveneens aangemerkt als een steeds belangrijkere factor achter fraude en financiële criminaliteit en wijst onder meer op het gebruik ervan om witwaspraktijken te automatiseren, documenten te vervalsen, deepfakes te genereren en detectie te ontwijken.
Personalisering en geavanceerde social engineering
Tot slot maakt AI een ongekend niveau van personalisering van aanvallen mogelijk. Door publiek beschikbare gegevens te analyseren, waaronder sociale media en verschillende databanken, kunnen criminelen uiterst gerichte berichten creëren, met een precisieniveau dat de kans op succesvolle fraude aanzienlijk verhoogt. AI wordt ook steeds vaker geïntegreerd in complianceprocessen om fraudedetectie, transactiemonitoring en de analyse van complexe financiële patronen te verbeteren.
Recente Belgische waarschuwingen tonen hoe deze technieken in de praktijk worden gecombineerd. In augustus 2026 waarschuwde de FSMA voor frauduleuze WhatsApp-groepen die zich voordeden als een erkende financiële instelling en een beleggingsregeling promootten die naar verluidt door AI werd aangedreven.
Hoe reageren de financiële sector en instellingen met behulp van AI op deze dreiging?
De financiële sector komt in actie
Als reactie op deze dreiging worden AI-gebaseerde detectietools steeds vaker ingezet om fraude te bestrijden, cyberbeveiliging en compliance te versterken en gebruikersactiviteiten te monitoren. Deze trend is al zichtbaar in de Europese bankensector. In zijn Supervision Newsletter van 20 november 2025 rapporteerde het bankentoezicht van de ECB een aanzienlijke toename van AI-toepassingen bij Europese banken tussen 2023 en 2024, onder meer voor fraudedetectie. Door gebruik te maken van machine learning stellen deze tools gedragsprofielen vast en identificeren ze afwijkingen, waardoor ongebruikelijk gedrag, gebeurtenissen of inhoud kan worden gedetecteerd op basis van enorme hoeveelheden gegevens, met een snelheid en detailniveau die handmatig moeilijk haalbaar zijn.
In de praktijk bieden AI-modellen vier belangrijke voordelen:
Ten eerste maakt detectie van transactionele anomalieën het mogelijk om ongebruikelijke bedragen, snelle reeksen van betalingen, overschrijvingen naar onbekende rekeningen of aankopen in atypische geografische gebieden te identificeren.
Ten tweede is geavanceerde gedragsanalyse een belangrijke pijler van deze aanpak geworden. Daarbij wordt de activiteit tijdens een banksessie vergeleken met het gebruikelijke gedrag van een klant om afwijkingen te identificeren en een risicoscore toe te kennen. Hierbij kan worden gekeken naar transactiegewoonten, natuurlijke taalverwerking toegepast op communicatie en zelfs gedragsbiometrie, zoals typepatronen en muisbewegingen.
Ten derde vormt realtime transactiemonitoring een belangrijke ontwikkeling: transacties kunnen binnen enkele honderden milliseconden worden geanalyseerd, waardoor ze preventief kunnen worden geblokkeerd voordat ze worden uitgevoerd.
Tot slot brengt netwerkanalyse, onder meer via Graph Neural Networks (GNN’s), de relaties tussen financiële entiteiten als geheel in kaart. Hierdoor kunnen patronen worden blootgelegd die op individueel niveau onzichtbaar blijven, zoals smurfing, layering of verborgen uiteindelijke begunstigden.
Het Europees Parlement heeft fraudedetectie, AML-controles, sanctiescreening en transactiemonitoring eveneens aangewezen als mogelijke toepassingen van AI in financiële diensten, terwijl het tegelijkertijd het belang benadrukt van datagovernance, testen, documentatie, uitlegbaarheid en menselijk toezicht.
Een institutionele reactie
AMLA is sinds 2025 operationeel en zal zijn capaciteiten geleidelijk uitbreiden totdat het naar verwachting in 2028 volledig rechtstreeks toezicht kan uitoefenen. Het doel is om op Europees niveau toezicht te centraliseren op financiële entiteiten die de hoogste risico's met zich meebrengen, ondersteund door verbeterde analysecapaciteiten. De verplichtingen die dat toezicht zullen voeden staan in de AML-verordening (verordening (EU) 2024/1624), die vanaf 10 juli 2027 van toepassing is. Voor België plaatste de wederzijdse evaluatie van de FATF van 16 december 2025 het land in enhanced follow-up, met Aanbeveling 15 over virtuele activa als non-compliant.
Tegelijkertijd classificeert de AI Act (verordening (EU) 2024/1689) AI-systemen volgens risiconiveau. Twee financiële toepassingen staan expliciet als hoogrisico in bijlage III: de beoordeling van de kredietwaardigheid en de kredietscore van natuurlijke personen (punt 5 b) en de risicobeoordeling en tarifering in levens- en gezondheidsverzekeringen (punt 5 c). De hoogrisicoverplichtingen voor deze autonome systemen zouden oorspronkelijk op 2 augustus 2026 ingaan; de Digital Omnibus over AI (verordening (EU) 2026/1744), gepubliceerd in het Publicatieblad van 24 juli 2026, heeft ze uitgesteld tot 2 december 2027. Eén reeks verplichtingen geldt al: de transparantievereisten van artikel 50, van toepassing sinds 2 augustus 2026, verplichten om de gebruiker te informeren wanneer die met een AI-systeem interageert en om door AI gegenereerde of gemanipuleerde inhoud, inclusief deepfakes, te labelen. Aanbieders van systemen die vóór die datum al op de markt waren, hebben tot 2 december 2026 om te voldoen aan de machineleesbare markeringsplicht van artikel 50, lid 2. Op internationaal niveau bestrijken de FATF-aanbevelingen nu expliciet virtuele activa (Aanbeveling 15) en digitale identificatie (Aanbeveling 10). Over AI zelf brengt de FATF Horizon Scan van december 2025 (enkel in het Engels) zowel de risico's van synthetische inhoud voor identiteitsverificatie als de opportuniteiten voor detectie in kaart.
Ook centrale banken, waaronder de Federal Reserve, de Europese Centrale Bank en de Bank of England, investeren in innovatielabs die zich richten op SupTech. Zij testen onder meer netwerkanalyse om verdachte geldstromen op systemisch niveau in kaart te brengen. Dit wordt aangevuld met een versterkte samenwerking met Financial Intelligence Units.
Welke structurele beperkingen houden deze reactie tegen?
Ondanks deze nieuwe instrumenten worden toezichthouders geconfronteerd met diepgewortelde beperkingen die hun vermogen beperken om gelijke tred te houden met bijzonder wendbare criminele actoren. De eerste betreft de traagheid van het juridische kader in vergelijking met technologische innovatie: het aannemen van nieuwe regelgeving kan jaren duren, terwijl criminele groepen hun methoden binnen enkele weken kunnen aanpassen. Het recht heeft daardoor structureel moeite om te anticiperen op technologieën die zich exponentieel ontwikkelen.
Deze traagheid wordt versterkt door beperkte middelen: overheidsinstanties beschikken over aanzienlijk kleinere budgetten en een beperktere pool van technologische expertise dan de private sector of de best gefinancierde criminele organisaties, terwijl de concurrentie om AI-specialisten bijzonder groot is. Institutionele silo’s vormen een derde belangrijke beperking. Zelfs binnen individuele staten stroomt informatie niet altijd efficiënt tussen fiscale, gerechtelijke, douane- en financiële autoriteiten, waardoor blinde vlekken ontstaan die criminelen kunnen uitbuiten. Tot slot worden deze interne moeilijkheden versterkt door onvoldoende internationale samenwerking, die moeite heeft om het transnationale karakter van deze nieuwe vormen van criminaliteit bij te houden.
Als reactie op deze beperkingen kunnen verschillende pistes helpen om de kloof met criminele actoren te verkleinen. De ontwikkeling van regulatory sandboxes kan het mogelijk maken om AI-gebaseerde complianceoplossingen in een gecontroleerde omgeving te testen zonder te wachten tot de regelgeving volledig is uitgewerkt. Het versterken van publiek-private samenwerkingen kan het delen van middelen en technische expertise vergemakkelijken, die momenteel grotendeels in de private sector geconcentreerd zijn. De oprichting van realtime informatie-uitwisselingsplatforms tussen fiscale, gerechtelijke en financiële autoriteiten kan institutionele silo’s verminderen. Tot slot kan een verdere harmonisering van internationale normen, naast de FATF-aanbevelingen, helpen om de mazen te dichten die door steeds meer transnationale vormen van financiële criminaliteit worden uitgebuit.
Voor compliancefuncties is detectie niet langer de enige prioriteit:
- verifieer identiteit tegen synthetische media: liveness- en injectieaanvalsdetectie, plus een terugbelverzoek via een kanaal dat de klant al kent bij elke betalingsopdracht van groot bedrag;
- test monitoringscenario's opnieuw tegen AI-gegenereerd gedrag in plaats van tegen historische patronen, en documenteer waarom een scenario werd herkalibreerd;
- inventariseer AI-use cases en classificeer ze tegen bijlage III vóór 2 december 2027, met een benoemde eigenaar per model;
- label door AI gegenereerde inhoud, zoals artikel 50 sinds 2 augustus 2026 vereist, en bewaar de audit trail, met dien verstande dat systemen die vóór die datum al op de markt waren tot 2 december 2026 hebben voor de markering van artikel 50, lid 2.
Dit artikel weerspiegelt de stand van het kader op 27 oktober 2026. AI verandert financiële criminaliteit fundamenteel door de snelheid, schaal en geloofwaardigheid van aanvallen te vergroten. Als reactie op deze dreiging komen instellingen in actie, maar hun reactie blijft structureel trager dan de technologie die zij proberen te reguleren. AI versnelt financiële criminaliteit daardoor via een schaareffect: in eerste instantie profiteren vooral degenen die de technologie het snelst kunnen inzetten, voordat de regelgeving kan volgen. In deze race, waarin AI zowel als wapen als schild dient, zal de beslissende strijd uiteindelijk eerder op het terrein van governance dan op dat van technologie zelf worden gevoerd?
