AI in verzekeringen? Eerst je data op orde

Sophie Jansen · 2026-03-18

Je hoort het overal: AI gaat de verzekeringswereld revolutioneren. Maar een nieuw rapport van Autorek, een aanbieder van AI-oplossingen, schetst een ander beeld. Het blijkt dat veel verzekeraars nog lang niet klaar zijn voor kunstmatige intelligentie. De grootste boosdoener? Rommelige data. Het rapport 'Insurance Operations & Financial Transformation 2026' is gebaseerd op een enquête onder 250 managers in de UK en VS. De resultaten zijn helder: trage processen en gefragmenteerde data vormen de grootste bottlenecks. En dat terwijl de transactievolumes de komende twee jaar met zo'n 29% zullen stijgen. De operationele kosten lopen daardoor alleen maar verder op. ### Waar gaat het geld naartoe? De cijfers uit het onderzoek zijn behoorlijk confronterend. Ze laten zien waar de efficiëntie lekt: - 14% van de operationele budgetten gaat op aan het corrigeren van handmatige fouten. - 22% van de managers ziet de complexiteit van reconciliatie (afstemming) als een belangrijke kostenpost. - Ongeveer 22% koppelt inefficiënties aan governance- en auditrisico's. - Bijna de helft van de bedrijven heeft afwikkelingscycli van meer dan 60 dagen. Dat is een behoorlijke last. En het ergste is: iedereen weet het, maar verandering komt moeizaam op gang. Het rapport stelt dat dit komt door een combinatie van handmatige verwerking, versnipperde datasystemen en de inherente complexiteit van verzekeringstransacties. ### De kloof tussen verwachting en realiteit Hier wordt het interessant. Maar ook een beetje pijnlijk. Want er gaapt een enorme kloof tussen wat men hoopt van AI en wat er daadwerkelijk gebeurt. Laten we even kijken naar de feiten. Maar liefst 82% van de verzekeraars verwacht dat AI de industrie gaat domineren. Een hoopvol geluid. Maar slechts 14% heeft AI volledig geïntegreerd in de bedrijfsvoering. En 6% gebruikt helemaal geen AI. Dat is een gigantisch verschil tussen droom en daad. ### Wat houdt AI tegen? Waarom lukt het dan niet? Het rapport wijst drie hoofdbarrières aan: 1. **Integratie van legacy-systemen:** Oude systemen die niet met elkaar praten. 2. **Gefragmenteerde data:** Informatie staat overal en nergens, in allerlei formaten. 3. **Beperkte interne expertise:** Er zijn simpelweg niet genoeg mensen die het snappen en kunnen implementeren. Die gefragmenteerde data is een echte sluipmoordenaar. Het ondermijnt complete data governance-kaders. Bedrijven in het onderzoek beheren gemiddeld 17 verschillende databronnen. Stel je voor! En na een fusie of overname wordt die chaos alleen maar groter. Het is alsof je een puzzel probeert te leggen waarvan de stukjes in 17 verschillende dozen zitten. > "Elke vorm van automatisering, AI of niet, die op een gefragmenteerde architectuur wordt geplaatst, schaalt niet goed zonder dat de kosten exploderen." ### Waar begin je dan? Het rapport geeft een praktisch advies: begin bij reconciliatieprocessen. Waarom? Omdat het afgebakende, regelgestuurde domeinen zijn. Perfect voor automatisering waar je snel resultaat ziet. AI kan hier de complexiteit van versnipperde data en softwarelagen aanpakken waar traditionele RPA (Robotic Process Automation) tekortschiet. De echte winst? AI kan helpen die 17 datadozen te structureren. En de suggestie is om te kijken naar cloudgebaseerde AI-platforms, in plaats van alles in-house op te tuigen. Dat kan de schaalbaarheid en kostenbeheersing ten goede komen. ### Het gaat om de structuur De kern van het probleem is structureel. Aan de ene kant heb je gestructureerde workflows zoals reconciliatie. Aan de andere kant heb je losse databronnen die handmatig onderhouden moeten worden. Die tegenstelling creëert complexiteit die je terugziet in kosten en doorlooptijden. Bedrijven die dit op structureel niveau weten op te lossen, zullen een grotere voorsprong krijgen. De boodschap is duidelijk: standaardisatie en goed beheer van data gaan vooraf aan schaalbare automatisering. En uiteindelijk zal die automatisering de reconciliatiekosten verlagen. Dus, voor je denkt aan de nieuwste AI-tool, is het verstandig om eerst in de spiegel te kijken. Is je datahuis op orde? Zo niet, dan blijft AI een dure gadget in plaats van een transformatieve kracht. De basis moet eerst goed zijn, de rest volgt dan vanzelf.