Op het evenement Meedoen Geld(t)?, in 2016 georganiseerd door het lectoraat Financial Inclusion and New Entrepreneurship (FINE) van De Haagse Hogeschool, is een boekje uitgedeeld met een algemeen overzicht van een aantal (nieuwe) vormen van financiering voor het midden- en kleinbedrijf en zelfstandigen in Nederland. De deelnemers stelden het op prijs om een breder overzicht te krijgen van de diverse – bestaande en opkomende – vormen van formele en informele maar ook alternatieve en nieuwe vormen van financiering voor het MKB, of voor de zelfstandige zonder of met personeel (ZZP/ ZMP) , en nietgeregistreerde ondernemende mensen. Studenten hebben regelmatig laten blijken dat zij zich willen oriënteren op de nieuwe, alternatieve vormen van financiering en de implicaties daarvan op bedrijven. Dit overzicht geeft hen maar ook docenten én (startende) ondernemers informatie over het bestaan, de mogelijkheden en werkwijze van verschillende bestaande en opkomende financieringsinstrumenten en spelers in de markt. Deze handleiding stelt de student in staat zich een beeld te vormen van de diverse financieringsmogelijkheden voor het MKB of voor de ZZP’er of ZMP’er. Kennis nemen van de verschillende vormen is de eerste stap naar het ontwikkelen van een systeem waarin de MKB’er of ZZP’er/ ZMP’er de juiste mix van financiering kan verkrijgen. Als de student later misschien zelf aan de slag wil gaan in een onderneming, heeft hij of zij baat bij een bredere kijk op financieringsmogelijkheden. En als de student komt te werken bij financiële dienstverleners of adviesbureaus is het belangrijk dat hij of zij goed in staat is om samenwerking met anderen te zoeken. Op die manier kunnen ondernemers de juiste mix van financiële diensten ontvangen. Het boek is mede gebaseerd op ons onderzoek in 2017 naar de ontwikkelingen bij de bestaande banken in Nederland, geleid door Richard van der Linde. Ook is dankbaar gebruikgemaakt van de uitkomsten van deelonderzoeken die zijn uitgevoerd door studenten aan de HHs over de geschiedenis van banken in Nederland (Fabian van Hagen) en hun dienstverlening (Zulikha Hesam).
De gedachte dat private banken seigniorage verdienen aan geldschepping klopt niet.
LINK
De HvA zou moeten inzetten op krimp van studentenaantallen, maar andere gebieden dan een groei moeten streven, vindt August Hans den Boef. De auteur beschrijft hoe hij in de jaren 70 de hogeschool heeft zien veranderen, de gebouwen verhuisden naar de periferie van de stad. Studenten werden klanten. Door groei in kwaliteit en aantal studenten moesten de hogescholen aan kwaliteit inboeten. De auteur beschrijft vervolgens waar de hogeschool zich wel op zou moeten richten.
Nieuwe digitale technieken, zoals big data en kunstmatige intelligentie, veroorzaken disruptie in diverse sectoren van de economie, bijvoorbeeld in de financiële sector. Omdat nieuwe toetreders zoals FinTechbedrijven een fundamenteel ander verdienmodel en bedrijfsvoering hanteren, vormt de disruptie ook een uitdaging voor hun toezichthouders en klanten. Enerzijds verwelkomen de toezichthouders en klanten de innovatie als de toetreders marktaandeel winnen van met name banken, anderzijds neemt het risico op marktincidenten in dat geval toe. Doorgaans krijgen de toetreders ruimte om te groeien. Toezichthouders lijken in een vroeg stadium van disruptie te vertrouwen op een vorm van zelfregulering, waarbij de toetreders zelf de hoofdrol krijgen in het voorkomen van marktincidenten door samen met hun toezichthouder en klanten standaarden te ontwikkelen die minimum kwaliteitseisen stellen aan een robuuste bedrijfsvoering (een belangrijk aandachtspunt van een centrale banken zoals de DNB) en toezien op een transparante en eerlijke klantbehandeling (belangrijk uitgangspunt voor toezichthouders als de AFM). In veel landen, waaronder ook in Nederland bevinden de FinTech-ondernemingen zich in het stadium van beginnende zelfregulering. De uitgangspunten van de toezichthouders zijn bekend; welke concrete veranderingen in de bedrijfsvoering van de FinTech bedrijven moeten doorvoeren om voldoende vertrouwen te verkrijgen van toezichthouders en klanten is echter nog niet duidelijk. Dit onderzoek richt op FinTech-ondernemingen die gespecialisserd zijn in het verschaffen van financiering aan het Nederlandse mkb. Uit gesprekken met deze toetreders, zelf mkb-bedrijven, blijkt dat zij worstelen met de wijze waarop zij standaarden moeten ontwikkelen. Wij richten ons derhalve op de volgende praktijkvraag: Wat moeten individuele non-bancaire mkb-financiers doen om samen met concullega’s standaarden te ontwikkelen om hun marktpositie te verbeteren? Deze standaarden zijn nodig zodat (potentiele) mkb-klanten een groter vertrouwen krijgen in de toetredende ondernemingen, een nieuwe deelsector die naast de banken ontstaat. Om de praktijkvraag te beantwoorden, ontwikkelen we kennis over de rol van mkb-ondernemingen en hun klanten in de ontwikkeling in regulering. Dit is vernieuwend.
Toepassingen gebaseerd op artificiële intelligentie (AI) worden steeds vaker ingezet voor het maken van keuzes en besluiten. Deze toepassingen worden echter ook steeds complexer. Het is in sommige gevallen niet of moeilijk na te gaan hoe een algoritme tot een besluit is gekomen. Wat de AI doet is als het ware ondoorzichtig. Dit geldt ook in de financiële sector, terwijl juist in deze sector vertrouwen een grote rol speelt. Daarom is het belangrijk dat bijvoorbeeld klanten en toezichthouders in de financiële sector een passende uitleg krijgen hoe een op AI gebaseerd besluit tot stand gekomen is. Bijvoorbeeld waarom een lening niet is toegekend of waarom een transactie is aangemerkt als mogelijk frauduleus. Uitlegbare AI (in het Engels Explainable AI ofwel XAI) is het onderzoeksveld dat streeft naar het inzichtelijk maken van ondoorzichtige AI. Dat start volgens ons met het in beeld krijgen wat voor soort uitleg in welke situatie voor welk type stakeholder vereist is bij toepassing van AI. Verder is het de vraag welke vormen van AI zich goed lenen voor uitleg, en welke XAI-oplossing het beste geschikt is om een uitleg te kunnen genereren. Wij hebben XAI gedefinieerd als een set van methoden en technieken om een stakeholder een passende uitleg te kunnen geven over het functioneren en/of de resultaten van een AI-oplossing op een zodanig manier dat die uitleg begrijpelijk is voor en tegemoet komt aan de zorgen van die stakeholder. Doel Het doel van het project is om in samenwerking met organisaties in de financiële sector praktijkgericht onderzoek te doen naar uitlegbaarheid en daarbij de randvoorwaarden van uitlegbaarheid in beeld te brengen. Dit bestaat enerzijds uit het helder krijgen van de stakeholders en welke uitleg zij verwachten en anderzijds hoe die uitleg het beste tot stand kan worden gebracht. Organisaties waarmee wordt samengewerkt zijn onder andere financiële dienstverleners en toezichthouders. Resultaten Raamwerk voor uitlegbare AI met type stakeholders en soorten uitleg voor de financiële sector. Dit raamwerk is uiteengezet in het whitepaper: XAI in the financial sector 'a conceptual framework for explainable AI'. De Hogeschool Utrecht heeft meegewerkt aan een verkennend onderzoek naar uitlegbaarheid bij AI met DNB, de AFM, de Nederlandse Vereniging van Banken en drie Nederlandse grootbanken. In dit onderzoek is het raamwerk van de Hogeschool Utrecht toegepast. Bekijk de resultaten van het onderzoek. Op basis van dit onderzoek is een paper ingediend en geaccepteerd op de 33e Benelux Conference on Artificial Intelligence. De Hogeschool Utrecht heeft samen met consortiumpartners Floryn, Researchable en de Volksbank in een eenjarig project onderzoek gedaan naar aspecten die een rol spelen bij het implementeren van explainable AI. Als resultaat van dit onderzoek is een checklist gepubliceerd en een whitepaper waarin deze checklist uitgebreid wordt toegelicht. Daarnaast is een paper ingediend bij de HHAI2023 conferentie. Meer informatie over dit project is op deze pagina te vinden. Een subsidieaanvraag voor een tweejarig RAAK-mkb project is gehonoreerd. Dit project, FIN-X geheten, heeft tot doel hulpmiddelen te ontwikkelen die interne gebruikers van AI-toepassingen meer en beter inzicht geven in de werking en uitkomsten ervan. Meer informatie over dit project is op de volgende pagina te vinden. In samenwerking met de Copenhagen Business School en het Verbond van Verzekeraars heeft de Hogeschool Utrecht in 2023 onderzoek gedaan naar de rol van explainable AI bij fraudedetectie van schadeclaims bij verzekeraars. De resultaten van het onderzoek zijn vastgelegd in dit Whitepaper. De belangrijkste conclusie uit het onderzoek is dat de implementatie van AI bij fraudedetectie een businesstransformatie is met veel ethische en organisatorische overwegingen. De uitlegbaarheid van het AI-systeem wordt als cruciaal gezien, zowel vanuit ethisch oogpunt (als onderdeel van het transparantiebeginsel), als vanuit praktisch oogpunt (als middel om vertrouwen en acceptatie te winnen van interne belanghebbenden, en voor een goede samenwerking tussen mens en machine). De praktische implementatie van explainable AI is nog steeds een punt van discussie en onderzoek in de sector. Looptijd 01 juni 2020 - 31 maart 2025 Aanpak Vanuit de Hogeschool Utrecht streven we naar praktijkgericht onderzoek en steken daarom het onderzoek naar XAI in op het niveau van use-cases. We willen per use-case in kaart brengen welke stakeholders behoefte hebben aan welke uitleg. Door deze aanpak kunnen we gericht vanuit de praktijk de link met de literatuur leggen en nieuwe inzichten rapporteren. Een voorbeeld van een use-case die wordt onderzocht is kredietverlening aan consumenten (consumptief krediet). Uiteindelijk werken we toe naar een raamwerk met bijbehorende principes en richtlijnen voor XAI toegespitst op de gehele financiële sector.” veranderen in: “Voorbeelden van use-cases die worden onderzocht zijn kredietverlening, klantacceptatie en fraudedetectie bij claimafhandeling. Uiteindelijk werken we toe naar tools voor XAI toegespitst op de gehele financiële sector. Financiële dienstverleners of andere partijen in het financiële ecosysteem die geïnteresseerd zijn in samenwerking met ons worden van harte uitgenodigd contact met ons op te nemen. Download het whitepaper whitepaper: XAI in the financial sector Gerelateerd project Dit project is gekoppeld aan het KIEM project Uitlegbare AI in de Financiële Sector, dat de opzet kan zijn voor een aanvraag voor vervolgonderzoek om uiteindelijk te komen tot een aanpak en hulpmiddelen voor uitlegbare AI.
