Het testproces in de hypotheekketen vraagt om specialistische testberichten. Deze berichten bevatten concrete scenarioʼs in het hypotheekproces en moeten voldoen aan strikte validatieregels. Dat betekent dat een testbericht niet alleen inhoudelijk logisch moet zijn, maar ook technisch exact moet passen binnen vastgestelde structuren en controles.
In de praktijk gaat het bijvoorbeeld om het aanpassen van bedragen, looptijden of kenmerken binnen een bestaand bericht, of het samenstellen van een nieuwe variant voor een specifieke testsituatie.
Elke wijziging moet correct zijn: een veld mag niet ontbreken, waarden moeten toegestaan zijn en combinaties moeten betekenisvol blijven binnen het proces. Juist dat maakt het opstellen en aanpassen van testberichten tijdrovend en foutgevoelig. De gezamenlijke vraag van HDN en Avisi was daarom heel gericht: kan AI helpen om dit precisiewerk te versnellen, zonder concessies te doen aan controle en betrouwbaarheid?
Om die vraag te beantwoorden is gekozen voor een proof-of-concept (PoC). Het doel was nadrukkelijk niet om een volledig geautomatiseerde oplossing te bouwen, maar om onder gecontroleerde omstandigheden te onderzoeken waar AI waarde kan toevoegen en welke aanvullende waarborgen nodig zijn.
Binnen de PoC is gewerkt vanuit bestaande standaarden en voorbeeldberichten die in het testproces worden gebruikt. AI werd ingezet om testberichten te wijzigen of deels te genereren, met als expliciet uitgangspunt dat elke gegenereerde wijziging moet voldoen aan de bestaande validaties en controles. Deze randvoorwaarden vormden vanaf het begin een vast onderdeel van de opzet.
De PoC richtte zich op drie kernvragen:
Kan AI testberichten genereren die voldoen aan bestaande standaarden en controles?
Wat zegt de kwaliteit van die output over de betrouwbaarheid en inzetbaarheid ervan?
Welke aanvullende validaties en waarborgen zijn noodzakelijk om AI-ondersteuning veilig toe te passen?
Rond AI bestaat vaak de verwachting dat complexe vraagstukken grotendeels automatisch en foutloos kunnen worden opgelost. De PoC liet zien dat dit in de praktijk genuanceerder ligt. AI is in deze context vooral sterk in het bepalen waar de aanpassingen nodig zijn op basis van scenarioʼs in natuurlijke taal. Een voorbeeld daarvan is het aanpassen van het hypotheekbedrag dat al in voorbeeldbericht aanwezig is. Dat levert direct tijdwinst op voor degene die nu veel handmatig werk verricht.
Tegelijkertijd werd zichtbaar waar de grens ligt. In situaties waarin nieuwe combinaties of minder gangbare scenarioʼs nodig zijn, bleek AI niet altijd consistent foutloze output te leveren. Dat is relevant in een domein waar veel regels technisch te valideren zijn, maar waar niet alles automatisch te testen is. Sommige keuzes vereisen interpretatie en domeinkennis: klopt dit bericht niet alleen qua structuur, maar ook qua betekenis binnen het hypotheekproces?
Een belangrijk inzicht uit de PoC was daarom dat verantwoorde inzet niet ontstaat door AI meer autonomie te geven, maar door te kiezen voor een human-in-the-loop-aanpak. Daarbij wordt AI bewust gepositioneerd als assistent binnen een gecontroleerde workflow, waarbij menselijke beoordeling een vast onderdeel blijft. In deze casus betekent dat:
AI doet voorstellen voor aanpassingen of nieuwe varianten
Bestaande validaties en expliciete controles blijven leidend
Een gebruiker behoudt regie om output te beoordelen en waar nodig bij te sturen
Zo vergroot AI de efficiëntie van het testproces, zonder een autonome beslissende rol te krijgen. Juist die combinatie maakt het mogelijk om AI toe te passen binnen een kritieke ketenomgeving als die van HDN.
De samenwerking tussen HDN en Avisi werd gekenmerkt door inhoudelijk meedenken, het stellen van de juiste vragen en een gedeeld besef van verantwoordelijkheid binnen de hypotheekketen. Niet vanuit technologie-obsessie, maar vanuit het doel van HDN en de context van de hypotheekketen.
De PoC bood ruimte om te experimenteren en te leren, zonder druk op bestaande processen. Juist die opzet maakte het mogelijk om gezamenlijk scherp te krijgen waar AI vandaag waarde kan toevoegen en welke randvoorwaarden nodig zijn voor verantwoorde vervolgstappen. Zoals Jeroen Vis, IT Lead bij Avisi, het verwoordt: “Juist omdat het doel helder was en de proof-of-conceptvorm ruimte gaf om te experimenteren, konden we doelgericht verkennen wat werkt en wat niet. Dat maakt het makkelijker om nieuwe technologie te verkennen én om iedereen daarin mee te nemen.”
HDN kijkt met een positief gevoel terug op de samenwerking met Avisi. “Bij HDN kijken we continu hoe technologie de hypotheekketen kan verbeteren. De samenwerking met Avisi heeft ons concreet inzicht gegeven in waar AI wél en geen waarde toevoegt. AI is daarbij geen doel op zich, maar een middel om processen efficiënter en betrouwbaarder te maken. Juist door dit in een proof of concept te onderzoeken, zien wij hoe wij dit kunnen realiseren, zonder de keten onnodig complexer te maken.”, aldus Mary-Lou Holla (Product Owner Standaard & Certificeren bij HDN).
De inzichten uit dit traject bieden aanleiding voor een vervolgtraject. HDN en Avisi verkennen momenteel samen hoe volgende stappen kunnen worden gezet om deze proof of concept verder uit te bouwen richting een oplossing die in gebruik genomen kan worden.