AI in verzekeringen: eerst data op orde, dan pas resultaat

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 hun eigen datahuishouding in de weg staat. De studie 'Insurance Operations & Financial Transformation 2026' is gebaseerd op een enquête onder 250 managers in het Verenigd Koninkrijk en de Verenigde Staten. De resultaten? Een duidelijke boodschap: zonder geordende data blijft AI een dure belofte. ### De harde cijfers over inefficiëntie De managers gaven aan dat hun bedrijven worstelen met hardnekkige, structurele problemen. Het zijn niet zomaar kleine kwesties, maar fundamentele lekken in het proces: - 14% van de operationele budgetten gaat op aan het corrigeren van handmatige fouten. - 22% van de ondervraagden zegt dat de complexiteit van reconciliatie (afstemming) een belangrijke oorzaak is van stijgende kosten. - Ongeveer 22% koppelt inefficiënties aan governance- en auditrisico's. - Bijna de helft van de bedrijven hanteert afwikkelingscycli van meer dan 60 dagen. Stel je voor: je betaalt elke maand een aanzienlijk bedrag alleen maar om je eigen fouten recht te zetten. Dat voelt toch alsof je geld weggooit? En dat terwijl het transactievolume de komende twee jaar naar verwachting met zo'n 29% stijgt. De operationele lasten zullen waarschijnlijk evenredig toenemen, vooral door die combinatie van handmatig werk, versnipperde datasystemen en de inherente complexiteit van verzekeringstransacties. ### De kloof tussen verwachting en realiteit van AI Hier wordt het echt interessant. Er is een enorme kloof tussen wat men hoopt en wat er daadwerkelijk gebeurt. De kop van het rapport: 82% van de bedrijven verwacht dat AI de sector zal domineren. Maar kijk je naar de praktijk, dan heeft slechts 14% van de bedrijven AI volledig geïntegreerd in hun operaties. Zes procent gebruikt helemaal geen AI. Dat is toch een wereld van verschil? Het is alsof iedereen praat over een geweldige nieuwe auto, maar bijna niemand de sleutels heeft of weet hoe hij moet rijden. De verwachtingen zijn hooggespannen, maar de implementatie blijft achter. ### Wat houdt de adoptie van AI tegen? Het rapport wijst drie grote barrières aan: 1. **Integratie van verouderde systemen:** Oude software die niet met nieuwe praat. 2. **Versnipperde data:** Informatie die over 17 verschillende bronnen verspreid staat, gemiddeld genomen. 3. **Beperkte interne expertise:** Simpelweg niet genoeg mensen die het snappen en kunnen toepassen. Die gefragmenteerde data is een echte sluipmoordenaar. Het ondermijnt complete data governance-kaders en maakt alles halfslachtig. Na fusies en overnames wordt dit probleem alleen maar groter. De auteurs noemen deze complexe 'data-estates' de belangrijkste reden waarom AI-implementaties stagneren. ### Waar begin je dan wel? De auteurs zien wel degelijk licht aan het einde van de tunnel. AI kan kosten positief beïnvloeden en de schaalbaarheid verbeteren. Het kan helpen bij het oplossen van die handmatige fouten en fouten in afstemmingsprocessen. Hun advies? Begin met reconciliatie. Dat is een afgebakend, op regels gebaseerd domein waar automatisering snel positieve resultaten kan opleveren. Het is een perfecte proeftuin. Maar let op: elke vorm van automatisering, of het nu AI of deterministisch is, zal niet goed schalen op een versnipperde architectuur. De kosten zullen alleen maar oplopen. De oplossing? Het rapport suggereert dat cloudgebaseerde AI-platforms, in plaats van in-house systemen, een antwoord kunnen zijn om die versnipperde databronnen te structureren. ### Het echte structurele probleem De kern van de zaak is deze tegenstelling: aan de ene kant heb je gestructureerde workflows zoals reconciliatie, en aan de andere kant heb je uiteenlopende databronnen die handmatig onderhouden moeten worden. Die combinatie creëert complexiteit die je direct terugziet in kosten en doorlooptijden. Het gekke is: bijna iedereen is zich hiervan bewust, maar het verandert niet. > "Bedrijven die deze problemen op structureel niveau succesvol aanpakken, zullen de prestatiekloof vergroten," stellen de auteurs. Eerst moet je je data standaardiseren en goed beheren. Dat is de basis. Pas daarna komt schaalbare automatisering. En uiteindelijk zal die automatisering de reconciliatiekosten verlagen. AI kan de complexiteit van gefragmenteerde data en softwarelagen aanpakken op een manier waarop op regels gebaseerde automatisering, zoals RPA (Robotic Process Automation), dat niet kan. De boodschap is helder: ruim eerst je data-kamer op, dan pas haal je de nieuwe, slimme meubels binnen.