Door Pierre Gérard, CEO en mede-oprichter, Scorechain

Toen Scorechain in 2015 in Luxemburg werd opgericht, was "blockchain-analyse" nog niet erkend als categorie. De eerste jaren werden besteed aan het uitleggen aan banken en toezichthouders waarom de transparantie van een openbaar grootboek een kans vertegenwoordigde in plaats van een dreiging. Een decennium later hecht dezelfde misvatting zich nu aan kunstmatige intelligentie (AI), en dit kost de sector kostbare tijd.

Twee verhalen domineren het huidige gesprek. Het eerste beweert dat AI compliance-teams al snel volledig zal vervangen. Het tweede stelt dat AI te onvoorspelbaar is om in de buurt van gereguleerde financiële activiteiten te worden vertrouwd. Geen van beide houdt stand bij nader inzien. Sinds 2015 heeft Scorechain meer dan 2.800 aanbieders van virtuele activa (VASP's) beoordeeld op risico, en in de afgelopen twee jaar heeft het bedrijf AI geïntegreerd waar het echte waarde toevoegt — als een aparte laag in plaats van iets dat direct is ingebed in de compliance-tools waar klanten op vertrouwen.

Het geluidsprobleem in naleving

Elke compliance-functionaris brengt hetzelfde probleem naar voren binnen de eerste vijf minuten van een gesprek: ruis. Een sanctiescreeningsysteem dat is afgestemd op het niveau dat een voorzichtige bank prefereert, kan fout-positieven opleveren met percentages rond de 95%. Transactiebewaking levert vergelijkbaar hoge percentages op. Het gevolg is dat opgeleide analisten — professionals die typologieën begrijpen en geldstromen kunnen interpreteren — het grootste deel van hun werkdag besteden aan het wegscreenen van meldingen die nooit een echt risico vormden: het verwijderen van naamsovereenkomsten bij veelvoorkomende achternamen, of het lezen van meerdere negatieve mediapublicaties die uiteindelijk over heel andere personen blijken te gaan. Elke negatieve-mediacontrole kost een analist doorgaans 10 tot 20 minuten. Dit is de dagelijkse realiteit van compliance-werk, en het is een belangrijke reden waarom bekwame professionals de sector verlaten. Brancheorganisaties zoals ACAMS hebben stijgende burn-out en uitstroom in anti-witwasfuncties aangemerkt als een structureel probleem, geen cyclisch.

Dit is waar automatisering haar waarde bewijst, zij het in een beperktere capaciteit dan de hype suggereert. Scorechain AI is ontworpen om de analist een samengevoegd rapport te leveren: de risicoscore van een wallet, de entiteitstypen waarmee het heeft interactie gehad, en de benoemde diensten en tegenpartijen waaraan het is blootgesteld. Dit vertegenwoordigt werk dat voorheen uren handmatig traceren over een grootboek vereiste. Cruciaal is dat het rapport geen beslissingen neemt. Het comprimeert het bewijs zodat de compliance-functionaris — degene die verantwoordelijk is voor het goedkeuren van de beslissing en het verdedigen ervan bij een toezichthouder — het in enkele minuten kan beoordelen en de definitieve beslissing kan nemen. Doelmatige automatisering verkleint de compliance-functie niet; ze verschuift de focus van repetitieve triage terug naar professioneel oordeel.

Waarom menselijke verantwoordelijkheid architectonisch is, niet tijdelijk

Dat onderscheid is belangrijk, want het alternatief brengt echt gevaar met zich mee. In een gereguleerde omgeving kan een model zich niet verantwoorden tegenover een toezichthouder. Zowel de Zesde Anti-witwasrichtlijn (AMLD6) als de Verordening inzake cryptomarkten (MiCA) vereisen dat instellingen hun beslissingen verklaren en erachter staan. MiCA, die vanaf medio 2024 in de Europese Unie van kracht begon te worden met bepalingen die gefaseerd worden ingevoerd tot en met 2025, legt enkele van de meest gedetailleerde operationele verplichtingen op die ooit op aanbieders van cryptodiensten van toepassing zijn geweest, waaronder eisen rond klachtenafhandeling, prudentiële waarborgen en monitoring van marktmisbruik. "Het algoritme markeerde het" is geen geldige verdediging tijdens een inspectie, en "het algoritme gaf het vrij" is nog erger. De enige verantwoorde ontwerpmethode is AI die fungeert als een ondersteunende laag bovenop betrouwbare gegevens, waarbij een benoemde compliance-functionaris zowel de besluitbevoegdheid als de daarbij behorende verantwoordelijkheid behoudt. Menselijk toezicht is geen tijdelijke maatregel die wordt uitgefaseerd naarmate modellen volwassen worden — het is de architectuur zelf.

De kwaliteit van een model wordt uiteindelijk bepaald door wat eronder zit. Dit is wat buitenstaanders vaak missen. Op zichzelf ziet een AI-systeem dat een blockchain leest slechts anonieme tekenreeksen die waarde overdragen aan andere anonieme tekenreeksen. Het kan niet identificeren dat een wallet drie sprongen stroomopwaarts toebehoort aan een gesanctioneerde beurs, of dat de tegenpartij die fondsen ontvangt een mixer is in plaats van een salarisverwerkingsdienst. Het leveren van die ontbrekende context is de kernfunctie van blockchain-analyse: identiteit en risicobeoordelingen koppelen aan ruwe on-chain activiteit, indirecte blootstelling traceren over meerdere sprongen in plaats van alleen het adres voor je te controleren, en dit scoren tegen meer dan een miljard datapunten en meer dan een miljoen crypto-entiteiten die Scorechain sinds 2015 heeft gelabeld.

Neem een concreet voorbeeld: een wallet lijkt bij eerste inspectie schoon, maar het traceren van de stromen onthult dat het grootste deel van het saldo twee sprongen terug afkomstig is van een adres dat gekoppeld is aan een ransomware-operator. Dat is een bevinding die geen model op basis van alleen ruwe ketendata zou kunnen bereiken, maar het is precies het type bevinding waarop een compliance-functionaris moet handelen. Door een model van die context te voorzien, kan het op solid ground redeneren. Het voeden met karige data levert zelfverzekerde onzin op — wat in naleving gevaarlijker is dan een eerlijke leegte, omdat het resulteert in het vrijgeven van transacties die gemarkeerd hadden moeten worden.

AI als marktparticipant, niet alleen compliance-tool

Een oprecht nieuwe ontwikkeling is dat AI niet langer uitsluitend een tool is die door compliance-teams wordt gebruikt; het wordt een participant in de markt die zij bewaken. Autonome agenten die betalingen initiëren binnen vooraf ingestelde limieten zijn overgegaan van demonstratie naar inzet, aangestuurd door echte infrastructuur: de x402-standaard van Coinbase voor machine-to-machine-betalingen, Visa's Trusted Agent Protocol, en de integratie van PayPal en OpenAI voor afrekenen. Software begint transacties uit te voeren met andere software, waarbij wordt afgerekend in cryptomunten in volumes die geen treasury-team handmatig zou kunnen verwerken. Dit komt op een moment waarop meer dan 50 rechtsgebieden al FATF Travel Rule-vereisten voor VASP's hebben aangenomen of voorgesteld, wat betekent dat de nalevingsperimeter voor het identificeren van tegenpartijen al uitbreidt voorbij wat handmatige processen aankunnen.

Dit roept een vraag op die de sector nog niet duidelijk heeft beantwoord: hoe pas je "Know Your Transaction"-principes toe op een tegenpartij die een stuk software is? De richting is in ieder geval duidelijk. Wanneer agenten onafhankelijk transacties uitvoeren, kunnen controles niet uitsluitend in de onboarding-fase zitten. Ze moeten naar de transactielaag zelf verplaatsen — realtime monitoring, snelheidslimieten, herkomstopsporing en het vermogen om in te grijpen terwijl fondsen nog in beweging zijn. De transparantie die jarenlang aan sceptici is verdedigd, blijkt het ene kenmerk te zijn dat autonome on-chain activiteit überhaupt controleerbaar maakt.

Bouwen aan autonome naleving

Scorechain heeft onlangs Scorechain MCP gelanceerd, dat zijn risicoscores en entiteitsinformatie beschikbaar maakt via het Model Context Protocol — een opkomende standaard die AI-agenten in staat stelt direct externe tools aan te roepen. De informatie bevindt zich binnen het Scorechain-platform, terwijl de AI erbuiten blijft en antwoorden opvraagt in plaats van te worden ingebed in de compliance-tool zelf. Het uitgangspunt is eenvoudig: een agent moet nooit blindelings transageren. Voordat een agent fondsen verplaatst of een tegenpartij goedkeurt, kan hij Scorechain raadplegen om te bepalen of een adres behoort tot een gesanctioneerde entiteit, een mixer, een bekende oplichting of een schoon privé-wallet, en daarbij een risicoscore terugkrijgen.

Dit is geen hypothetische capaciteit. Scorechain verwerkt momenteel meer dan 1,5 miljoen AML-controles per dag, waarbij een screening-oproep in ongeveer 235 milliseconden wordt geretourneerd — snel genoeg om binnen een live transactie te opereren zonder vertraging te veroorzaken. De dienst is beschikbaar daar waar agenten en workflows daadwerkelijk opereren: als een app binnen ChatGPT en Claude, en als een integratie op automatiseringsplatforms zoals n8n en Zapier. Een compliance-controle die in de flow is ingebed op het moment van de beslissing, is veel waardevoller dan een controle die wordt toegevoegd nadat de fondsen al zijn verplaatst.

De meest fundamentele controle van allemaal — of een adres op een sanctielijst voorkomt — zou niet achter een betaalmuur mogen zitten. Daarom biedt Scorechain een gratis sanctiescreening-API die elke ontwikkelaar, agent of workflow kan aanroepen. Screenen op sanctieblootstelling is niet waar een compliance-aanbieder waarde zou moeten halen; het vormt de basis waarop de hele markt zou moeten staan.

Risicointelligentie op assetniveau

Er ontstaat een verschuiving van de tweede orde waarmee tokenuitgevers en vermogensbeheerders pas beginnen worstelen. Wanneer waarde op machinesnelheid overgaat naar stablecoins en getokeniseerde activa, strekt het risico dat ertoe doet zich uit verder dan de afzonderlijke transactie naar het actief zelf: wie houdt het vast, hoe geconcentreerd dat eigenaarschap is, en hoeveel van de voorraad zich bevindt bij gesanctioneerde of anderszins hoogrisico-entiteiten. Dit is een fundamenteel andere vraag dan transactiebewaking, en het is de vraag die Digital Asset Intelligence van Scorechain is gebouwd te beantwoorden — door uitgevers en vermogensbeheerders een weergave op assetniveau van houders en blootstelling te bieden voordat ze munten slaan, vermelden of toewijzen. De urgentie groeit naarmate institutionele betrokkenheid bij getokeniseerde activa versnelt, met bedrijven zoals BlackRock die getokeniseerde schatkistfondsen lanceren op openbare blockchains en grote banken die afwikkelingsinfrastructuur pilots met stablecoins.

Europa is beter voorbereid op deze overgang dan algemeen wordt gedacht. MiCA en AMLD6 gaan al uit van continue monitoring en duidelijke verantwoordelijkheid in plaats van een eenmalige controle bij onboarding. Een regelgevingskader dat vereist dat activiteit verklaarbaar is, is precies wat nodig is wanneer software zelfstandig geld begint te verplaatsen.

AI is inderdaad bezig de crypto-naleving te transformeren. Het zal een aanzienlijke hoeveelheid saai werk wegnemen, wat een welkome ontwikkeling is. Wat het niet zal wegnemen is de behoefte aan oordeel, verantwoordelijkheid en verifieerbare gegevens. Zo mogelijk verhoogt het de standaard op alle drie. De teams die AI benaderen als een snellere analist — geworteld in betrouwbare on-chain intelligentie en stevig onder menselijke controle gehouden — zijn degenen die goed gepositioneerd zijn om effectief te blijven wanneer machines zelfstandig transacties gaan uitvoeren. Die toekomst is dichterbij dan de meeste mensen denken.