CIBC Mellon beheert $3,5 biljoen aan activa in een markt waar een enkele dag honderden miljoenen kan kosten. Hier is hoe het bedrijf AI gebruikt om ervoor te zorgen dat het altijd de eerste is die er aankomt.

Op 18 februari 2021 lanceerde de eerste Bitcoin-ETF in Noord-Amerika in Canada en haalde meer dan $500 miljoen op in de eerste week. De volgende dag lanceerde een tweede Bitcoin-ETF op dezelfde beurs. De tweede haalde, volgens Mal Cullen, CEO van CIBC Mellon, $35 miljoen op. Hoewel het een soortgelijk product was in dezelfde markt, gelanceerd slechts een dag uit elkaar, was er een groot verschil in de cijfers die ze elk ophaalden.

Die contrast is het soort ding dat Cullens wereld definieert. CIBC Mellon is een van de grootste vermogensbeheerders in Canada, verantwoordelijk voor het beheer van $3,5 biljoen aan activa. In dat soort omgeving kan een enkele dag vertraging echte kosten met zich meebrengen – soms honderden miljoenen.

“Wat is de waarde van één dag in uw bedrijf?” vroeg Cullen het publiek op Appian World 2026 in Orlando vorige maand. “In ons bedrijf kan het enorm zijn.”

Dat is nu de aanleiding voor een van de meest significante AI-implementaties in de Canadese financiële dienstverlening, en de lessen die daaruit voortkomen gaan verder dan kapitaalmarkten.

Het probleem met 30 jaar proces

CIBC Mellon is al 30 jaar actief. Het is een joint venture tussen BNY – die meer dan $59 biljoen aan activa wereldwijd beheert – en CIBC, een van de grootste banken in Canada. Die afkomst brengt enorme schaal en institutionele geloofwaardigheid met zich mee. Het brengt ook complexiteit met zich mee.

“Er is maar één ding beter dan eigendom door een bank,” zei Cullen met een gemeten glimlach, “en dat is eigendom door twee banken. Twee banken betekent twee compliance-teams, twee risicoteams en twee meningen over bijna alles.”

Ernstig worden over AI voor CIBC Mellon betekende dat ze de neiging om snel te handelen moesten weerstaan. Voordat één enkel instrument werd geïmplementeerd, ging het bedrijf terug naar de basis. Het team kaarte elke workflow, identificeerde waar de capaciteit werd beperkt, waar het risico het hoogst was en waar handmatig werk werd geconcentreerd. Wat ze vonden, verbaasde hen.

“De mensen die het werk deden, waren niet het probleem,” merkte Cullen op. “Het was hoe het werk tussen teams stroomde, dat de beperkingen veroorzaakte.” Met andere woorden, de technologie zou nooit kunnen fiksen wat het proces had gebroken.

Van assemblagelijnen naar AI

De eerste grote implementatie betrof fondsboekhouding – een proces dat CIBC Mellon op enorme schaal uitvoert. Het bedrijf produceert ongeveer 350.000 fondswaarderingen per maand, elk met strikte deadlines en nauwkeurigheidsvereisten.

Jaar in, jaar uit, verliep het proces verticaal: één accountant was eigenaar van een dossier van begin tot eind. Het was een proces gebouwd op individuele expertise, wat betekende dat het ook was gebouwd op individuele beperkingen en bijna onmogelijk was om op te schalen. Het bedrijf ontwierp het opnieuw horizontaal, waarbij het werk werd verdeeld over gespecialiseerde teams. Maar dat creëerde een nieuw probleem – overdrachten tussen teams werden een bron van wrijving en vertraging. Supervisors hadden geen zicht op de stand van het werk zonder te vragen.

Een fondsboekhouder met meer dan tien jaar ervaring, die het proces beter kende dan wie dan ook in het gebouw, gebruikte Appians AI-automatiseringsplatform om een “controle-toren” te bouwen – een workflowsysteem dat elk team een real-time overzicht geeft van de stand van het werk, automatiserend de overdrachten die vertragingen veroorzaakten.

Het resultaat was een efficiëntiegain van 34% op één enkel proces. Bij 350.000 waarderingen per maand, vermeerderd dat zich snel.

“Hij vertelde me dat hij alles had ontworpen wat hij niet leuk vond aan zijn werk,” zei Cullen. “Wanneer je mensen krijgt die het proces begrijpen om er aan te werken, automatiseren ze niet de handmatige dingen die er eerder waren. Ze herschikken het proces en maken het beter.”

Het ETF-probleem

Het tweede voorbeeld gaat terug naar dat Bitcoin-ETF-verhaal. Wanneer een ETF lanceert of rendementen uitkeert aan eenhedenhouders, is het een complex web van tegenpartijen – de fondsbeheerder, de custodian, de beurs, de market maker en de transfer agent. Elke partij moet worden geïnformeerd. Elke partij heeft een rol. Een fonds een dag eerder uitbrengen, vereist dat alle partijen in sync bewegen.

Een ETF-productexpert bij CIBC Mellon bouwde een workflow op Appian die transparantie biedt over alle tegenpartijen op één plek – veranderend van een gefragmenteerd, e-mailzwaar proces naar iets geautomatiseerd en controleerbaar.

Drie weken voor Appian World, demonstreerde CIBC Mellon de applicatie aan Canadas grootste ETF-aanbieders op een klantgebruikersgroep in Toronto. “De kamer werd stiller,” herinnerde Cullen zich. “Mensen leunden naar voren. Een van onze grootste klanten zei tegen zijn collega’s: Dat heeft me een aanzienlijk deel van de tijd in mijn dag bespaard.”

De governance-vraag

Geen van deze ontwikkelingen gebeurden snel, en Cullen is duidelijk over waarom. CIBC Mellon gebruikt AI nog niet in iets wat klantgericht is. Elke AI-implementatie tot nu toe is intern – beperkt tot gedefinieerde workflows, controleerbaar en beoordeeld door mensen voordat enig resultaat een klant beïnvloedt.

“We kunnen alleen zo snel gaan met AI als het comfortniveau van onze klanten,” zei hij. “We hebben er bewust voor gekozen om AI niet in te bedden in iets wat klantgericht is, omdat we niet denken dat de governance daarvoor aanwezig is.”

De cijfers uit de bredere markt bevestigen wat Cullen al wist. Volgens een nieuwe studie van Harvard Business Review Analytic Services, gesponsord door Appian en uitgebracht op de conferentie, zijn 92% van de organisaties het erover eens dat AI-agents regelgebaseerde beveiligingshekken nodig hebben om veilig te opereren – maar minder dan de helft heeft ze daadwerkelijk gedefinieerd. CIBC Mellon is een van de organisaties die ervoor hebben gekozen om de basis te bouwen voordat ze de implementatie opschalen.

Binnen de organisatie, vormt die voorzichtigheid de manier waarop het bedrijf zijn mensen voorbereidt. Het bedrijf heeft 100 medewerkers aangewezen uit ongeveer 2.000 als AI-kampioenen. Deze kampioenen krijgen vroegtijdige toegang tot instrumenten, tijd om use cases te bouwen en een mandaat om applicaties in zandbakken te testen voordat iets naar productie gaat. Ze organiseren wekelijks interne sessies genaamd “Artificially Speaking”, waarbij ze bedrijven zoals Snowflake en Microsoft uitnodigen om te delen wat werkt en wat niet.

Cullen heeft dit patroon eerder zien gebeuren. Twintig jaar geleden had hij gesprekken met CTO’s die zeiden dat cloud een modegril was en nooit zou worden vertrouwd met gevoelige gegevens. Toen kwam hybride cloud op, waardoor organisaties een middelweg kregen – de efficiëntie van cloud-infrastructuur zonder het verlies van controle. Hij verwacht hetzelfde met AI.

“Ik denk dat je hybride AI zult zien,” zei hij. “Beperkt, gereguleerd, maar in beweging.”

Wat de rest van de markt kan leren

Het verhaal van CIBC Mellon is geen verhaal over een technologische doorbraak. Het is een verhaal over organisatorische discipline toegepast op een krachtig instrument. Meet voordat je bouwt, zet de mensen die het proces het beste kennen het dichtst bij het probleem en reguleer voordat je opschalt.

Die lessen zijn van toepassing verder dan vermogensbeheer. In een markt waar slechts 16% van de organisaties meldt dat ze waardevolle resultaten behalen met AI, zijn de organisaties die echte resultaten behalen, degene die governance als een functie behandelen, niet als een beperking.

“Begin niet met de technologie,” zei Cullen tegen het publiek op Appian World. “Meet alles eerst.”

In een industrie waar één dag het verschil kan maken tussen $500 miljoen en $35 miljoen, blijkt die soort geduld een competitief voordeel te zijn.