AI in verzekeringen? Eerst je data op orde

·
Luister naar dit artikel~4 min
AI in verzekeringen? Eerst je data op orde

Een nieuw rapport toont aan: AI in de verzekeringssector stuit op rommelige data. 82% verwacht een revolutie, maar slechts 14% heeft AI volledig geïntegreerd. De kloof tussen droom en daad is groot.

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 sector uit het VK en de VS. De resultaten zijn duidelijk: trage afwikkelingsprocessen en gefragmenteerde data vormen de grootste bottlenecks. En dat terwijl het transactievolume de komende twee jaar naar verwachting met zo'n 29% stijgt. De operationele kosten zullen waarschijnlijk evenredig meegroeien. ### Waar gaat het geld heen? De cijfers uit het onderzoek zijn behoorlijk confronterend. Ze laten zien waar de efficiëntie lekt: - 14% van de operationele budgetten wordt besteed aan het corrigeren van handmatige fouten. - 22% van de ondervraagden zegt dat de complexiteit van reconciliatie een belangrijke oorzaak is van kostenstijgingen. - Bijna de helft van de bedrijven heeft afwikkelingscycli van meer dan 60 dagen. Dat is geld dat letterlijk verdwijnt in systemen die niet met elkaar praten. Het rapport wijt dit aan een combinatie van handmatige verwerking, versnipperde datasystemen en de inherente complexiteit van moderne verzekeringsoperaties. Het gekke is: iedereen weet het, maar verandering komt traag op gang. ### De kloof tussen verwachting en realiteit Hier komt de pijnlijke paradox. Maar liefst 82% van de bedrijven verwacht dat AI de industrie gaat domineren. Toch heeft slechts 14% AI volledig geïntegreerd in hun operaties. Zes procent gebruikt helemaal geen AI. Er zit dus een enorme kloof tussen wat men hoopt en wat er daadwerkelijk gebeurt. Waarom lukt het niet? Volgens het rapport zijn er drie grote barrières: 1. Integratie met verouderde systemen 2. Gefragmenteerde data 3. Beperkte interne expertise Die gefragmenteerde data is een echte sluipmoordenaar. Het ondermijnt complete data governance frameworks. Bedrijven die werden ondervraagd, beheren gemiddeld 17 verschillende databronnen. Vooral na fusies en overnames wordt dit probleem alleen maar groter. > 'Elke vorm van automatisering, AI of deterministisch, geplaatst op een gefragmenteerde architectuur en een gebroken datalaag, schaalt niet goed zonder een stijging van de kosten,' stelt het rapport. ### Waar begin je dan? De auteurs zien wel degelijk licht aan de horizon. AI kan kosten positief beïnvloeden en de schaalbaarheid verbeteren. Het kan helpen bij het corrigeren van handmatige fouten en fouten in reconciliatieprocessen. Sterker nog: reconciliatieprocessen worden genoemd als een perfecte proeftuin voor AI. Het zijn afgebakende, regelgebaseerde domeinen waar automatisering snel positieve resultaten kan opleveren. Maar de basis moet wel goed zijn. Data-standaardisatie en goed governance gaan vooraf aan schaalbare automatisering. Pas daarna kan automatisering de reconciliatiekosten verlagen. AI kan de complexiteit van gefragmenteerde data en softwarelagen aanpakken waar regelgebaseerde automatisering, zoals RPA (robotic process automation), dat niet kan. ### De structurele uitdaging De kern van het probleem is structureel. Aan de ene kant heb je gestructureerde workflows zoals reconciliatieprocessen. Aan de andere kant heb je versnipperde databronnen die handmatig onderhouden moeten worden. Die tegenstelling creëert complexiteit die zich vertaalt in kosten en langere cyclustijden. Bedrijven die deze problemen op structureel niveau weten aan te pakken, zullen de prestatiekloof vergroten. Het rapport suggereert dat cloudgebaseerde AI-platforms, in plaats van in-house systemen, een deel van de oplossing kunnen zijn voor het structureren van gefragmenteerde databronnen. Het komt dus neer op een simpele waarheid: wil je AI effectief inzetten in de verzekeringssector, dan moet je eerst je datahuis op orde hebben. Zonder een solide fundament stort het hele bouwwerk in. En dat is een les die elke verzekeraar ter harte zou moeten nemen.