Thought leaders

De due diligence‑vraag die nog niemand stelt

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Zolang banken al rekeningen openen, is compliance gebaseerd op één veronderstelling: dat er een echt, identificeerbaar persoon achter elke rekening staat. Verifieer dat de persoon bij de onboarding bestaat en dat alles daaronder het vertrouwen erft. Die veronderstelling slijt nu vanuit twee richtingen tegelijk. AI‑agenten handelen nu namens mensen, en synthetische identiteiten worden gepresenteerd als mensen die nooit hebben bestaan. Het bevestigen dat er een echte mens achter een rekening staat en dat die mens de intentie heeft die de rekening vertoont, is nog nooit zo moeilijk geweest.

Regulators hebben dit opgemerkt, hoewel ze ongelijkmatig bewegen en nog geen aparte categorie voor agenten hebben gecreëerd. Twee rechtsgebieden laten het bereik zien.

Two Regulators, Two Directions

Het duidelijkste signaal komt uit Europa. De AI-wet van de Europese Unie treedt in haar meest ingrijpende handhavingsfase op 2 augustus 2026, wanneer de volledige reeks verplichtingen voor hoogrisicosystemen en de transparantieregels van artikel 50 van kracht worden, naast de handhavingsbevoegdheden van de Commissie, die leveranciers van de meest geavanceerde algemene AI‑modellen kunnen beboeten tot 3 % van de wereldwijde omzet of 15 miljoen euro, afhankelijk van wat hoger is. De wet definieert geen AI‑agent als een eigen juridische categorie. Dat hoeft niet. Elk systeem dat invoer ontvangt, verwerkt en actie onderneemt, kwalificeert al als een AI‑systeem volgens de bestaande tekst, en een agent die een hoogrisicofunctie uitvoert in kredietverlening, verzekeringen of identiteitsverificatie erft dezelfde verplichtingen als een door een mens bediend systeem.

Singapore koos de tegenovergestelde benadering. Op 22 januari 2026, tijdens het World Economic Forum, bracht het Ministerie van Digitale Ontwikkeling en Informatie het Model AI Governance Framework voor Agentic AI naar voren, het eerste governance‑model dat specifiek is gebouwd rond autonome systemen in plaats van aangepast van algemene AI‑regels. Het is vrijwillig, maar het schetst hoe een formeel kader eruitziet: het niveau van autonomie van een agent wordt beoordeeld, een menselijke verantwoordingsstructuur wordt eraan toegewezen, en het risico wordt door ontwerp begrensd in plaats van achteraf ontdekt — twee toezichthouders die vanuit tegenovergestelde uiteinden van het regelboek op hetzelfde probleem convergeren. De een rekent de bestaande wetten uit om agenten te omvatten. De ander schrijft nieuwe regels voor een categorie die niet bestond toen de oude werden opgesteld.

Who Answers for the Agent

Onder beide benaderingen ligt een vraag die compliance‑teams nog niet helder hebben kunnen beantwoorden: wanneer een agent handelt, wie is er aansprakelijk? Juridische analyse van Baker McKenzie, gepubliceerd op 1 juli 2026, concludeert dat rechtbanken en toezichthouders momenteel tot een antwoord komen, althans voor nu. De aansprakelijkheid ligt bij de mensen en entiteiten achter de agent, niet bij de agent zelf, en een uitvoeringsorder uit juni 2026 van de VS die het Ministerie van Justitie opdraagt prioriteit te geven aan handhaving tegen AI‑ondersteund hacken, versterkt dit principe. Dat antwoord is bruikbaar als juridisch uitgangspunt. Het is echter op zichzelf geen operationeel antwoord.

Het weten dat uiteindelijk een mens aansprakelijk is, vertelt een compliance‑officier niet welke mens, op het moment dat een transactie wordt afgerond. Het vertelt niet of de entiteit achter een agent eenmalig bij de onboarding is geverifieerd of continu terwijl de permissies van de agent wijzigen. Regels voor uiteindelijk belanghebbende eigendom werden opgesteld om de vraag “wie bezit dit” te beantwoorden, grotendeels als een eenmalige vraag. Agentische activiteit stelt een voortdurende vraag: wie stuurt dit momenteel aan, en kan dat antwoord veranderen zonder dat iemand het wordt verteld?

The Compliance Function’s Actual Job

De meeste compliance‑functies kunnen die keten momenteel niet van begin tot eind volgen, en de hulpmiddelen om dit te doen worden nog ontwikkeld in plaats van kant‑en‑klaar aangekocht. Een raamwerk voor adaptief AML‑programmadesign betoogt dat starre, uniforme screeningsregels die identiek op elke klant en jurisdictie worden toegepast, niet kunnen bijhouden met risico’s die zich zo snel veranderen, en dat configureerbare screeningprofielen, afgestemd op het daadwerkelijke risico in plaats van een vast regelboek, de enige structuur zijn die flexibel genoeg is. Dezelfde logica strekt zich vanzelfsprekend uit tot agentische activiteit. Een screeningprogramma dat zich niet kan aanpassen aan een nieuwe categorie van principaal, is niet in staat om die te reguleren.

Het beheer van de agenten zelf volgt dezelfde logica. Recente richtlijnen voor het geven van AI‑tools toegang tot risicosignaaldata pleiten voor permissie‑gebaseerde, gelogde verbindingen die de bestaande rolgebaseerde toegangscontroles overnemen. Daardoor dragen de acties van een agent dezelfde audit‑trail als die van een menselijke analist, in plaats van een ongetraceerde omweg. Dat is een kleinschalige versie van het exacte probleem waar toezichthouders nu rond draaien op het niveau van het gehele financiële systeem: de acties van een agent moeten in realtime toerekenbaar zijn aan de verantwoordelijke partij erachter, in plaats van achteraf te worden gereconstrueerd.

Formalizing What Already Exists

Hoe de industrie het ook noemt, Know Your Agent is een afzonderlijke discipline, geen onderdeel van de klant‑ en bedrijfs‑due‑diligence‑compliance‑teams die al bestaan. De richting van ontwikkeling is nauwelijks betwijfeld: de handhavingsfase van de AI‑wet, het governance‑kader van Singapore en de opkomende juridische consensus over aansprakelijkheid wijzen allemaal naar hetzelfde einddoel, formele regels voor wie of wat mag handelen, en onder wiens autoriteit.

De enige echte vraag is timing: of financiële instellingen die discipline vóór de verplichting opzetten of zich daarna haasten om het samen te stellen. Toezichthouders belonen het laatste zelden. En het moeilijkere probleem ligt onder de regels, in beide gevallen: de klant voor de instelling is niet langer betrouwbaar een persoon, en geen stroomlijning van papierwerk maakt de mens achter een rekening makkelijker te vertrouwen.

Tamás Kádár is de CEO en mede-oprichter van SEON, een toonaangevende fraudepreventie- en AML-bedrijf. Hij lanceerde SEON in 2017 nadat hij fraudeproblemen had ondervonden bij zijn eigen crypto-uitwisseling. Met expertise in fintech, AI en cybersecurity bouwde hij een platform dat enterprise-grade tools levert voor bedrijven van alle maten. Onder zijn leiderschap heeft SEON wereldwijde erkenning verkregen. Als contributor voor de Forbes Technology Council en HackerNoon pleit Kádár voor de democratisering van real-time fraudepreventie.