In de finan­ci­ë­le sec­tor wordt steeds meer gebruik­ge­maakt van nieu­we data-gedre­ven tech­nie­ken als machi­ne learning, pro­fi­ling en geau­to­ma­ti­seer­de besluit­vor­ming.

Som­mi­ge toe­pas­sin­gen van deze tech­nie­ken heb­ben rela­tief wei­nig impact. Zo gebruikt Dans­ke Bank machi­ne­learning­tech­nie­ken om te bepa­len hoe een klant het liefst bena­derd wil wor­den (per tele­foon, e-mail of brief). Meer impact­vol is het ech­ter al dat Dans­ke Bank deze tech­nie­ken ook gebruikt om te bepa­len, wan­neer wel­ke pro­duc­ten voor een klant rele­vant kun­nen zijn. Zo wordt machi­ne learning door Dans­ke Bank gebruikt om te ach­ter­ha­len wan­neer de klant van baan wis­selt en dus behoef­te zal heb­ben aan finan­ci­eel advies. Een vol­gend niveau bereikt het crowd­fun­ding­be­drijf Fun­ding Cir­cle dat mede afhan­ke­lijk van hoe de klant Fun­ding Cir­cle bena­dert (via welk medi­um en welk tijd­stip) het risi­co­ni­veau van een lening die ver­strekt wordt aan deze klant inschat en op basis van deze inschat­ting het ren­te­ni­veau van deze lening bepaalt.

In zijn arti­kel in het Tijd­schrift voor Con­su­men­ten­recht en han­dels­prak­tij­ken ver­kent HVG Law advo­caat Emanuel van Praag de diver­se juri­di­sche impli­ca­ties van en dis­cus­sie­pun­ten bij toe­pas­sing van machi­ne learning,profiling en/of geau­to­ma­ti­seer­de besluit­vor­ming bin­nen de finan­ci­ë­le sec­tor. Daar­mee beoogt het arti­kel een aan­zet te geven tot dis­cus­sie en rele­vant te zijn voor juris­ten in de finan­ci­ë­le sec­tor en weten­schap­pers, beleids­ma­kers en toe­zicht­hou­ders die zich op de finan­ci­ë­le sec­tor rich­ten.

Lees verder >>