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 schetst een ander, realistischer beeld. Het blijkt dat de meeste verzekeraars nog lang niet klaar zijn voor kunstmatige intelligentie. Waarom? Omdat hun eigen data een rommeltje is. Het rapport 'Insurance Operations & Financial Transformation 2026' van Autorek, gebaseerd op een enquête onder 250 managers in het VK en de VS, laat zien dat interne processen vaak vastlopen. Dit vertraagt niet alleen de efficiëntie, maar blokkeert ook de effectieve inzet van AI. Denk aan trage afwikkelingsprocessen en gefragmenteerde data. Het is alsof je een raceauto wilt bouwen, maar je hebt alleen losse onderdelen zonder handleiding. ### De harde cijfers over inefficiëntie De bevindingen zijn confronterend. Bedrijven in de sector kampen met hardnekkige, structurele problemen: - 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 kostenstijgingen. - Ongeveer 22% koppelt inefficiënties aan governance- en auditrisico's. - Bijna de helft van de bedrijven heeft afwikkelingscycli van meer dan 60 dagen. En het wordt erger. Het transactievolume zal naar verwachting de komende twee jaar met zo'n 29% stijgen. Dat betekent dat de operationele lasten (OPEX) waarschijnlijk evenredig zullen toenemen. De oorzaak? Een combinatie van handmatige verwerking, versnipperde datasystemen en de inherente complexiteit van moderne verzekeringsoperaties. Het gekke is: dit is al langer bekend, maar er verandert weinig. ### De kloof tussen verwachting en realiteit Hier wordt het interessant. Er gaapt een enorme kloof tussen wat men hoopt van AI en wat er daadwerkelijk gebeurt. De kopcijfer: 82% van de bedrijven verwacht dat AI de sector zal domineren. Maar slechts 14% heeft AI volledig geïntegreerd in hun operaties. Zes procent gebruikt helemaal geen AI. Dat is een enorm verschil tussen droom en daad. ### Wat houdt AI tegen in de verzekeringssector? Het rapport wijst drie hoofdproblemen aan: 1. Integratie met verouderde systemen (legacy systems). 2. Gefragmenteerde data, overal en nergens. 3. Beperkte interne expertise. Die gefragmenteerde data is een echte sluipmoordenaar. Het ondermijnt complete data governance-kaders, waardoor die ook maar half werk zijn. De gemiddelde onderzochte firma beheert 17 verschillende databronnen. Voor de meeste is dat een groot probleem, dat na fusies of overnames alleen maar erger wordt. > "Elke vorm van automatisering, AI of deterministisch, geplaatst op een gefragmenteerde architectuur en een gebroken datalaag, schaalt waarschijnlijk niet goed zonder dat de kosten stijgen," stelt het rapport. ### Waar begin je dan wel? De auteurs zien wel degelijk lichtpuntjes. AI kan kosten positief beïnvloeden en de schaalbaarheid verbeteren. Het kan helpen bij het oplossen van handmatige fouten en fouten in reconciliatieprocessen. Zij adviseren besluitvormers om juist díe reconciliatieprocessen als eerste proeftuin voor AI te gebruiken. Het is een afgebakend, regelgebonden domein waar automatisering snel positieve resultaten kan opleveren. De echte oplossing ligt in de structuur. De tegenstelling tussen gestructureerde workflows (zoals reconciliatie) en versnipperde databronnen die handmatig onderhouden moeten worden, creëert complexiteit die zich vertaalt in kosten en langere cyclustijden. Dit speelt terwijl bijna iedereen het probleem kent. Bedrijven die deze problemen op structureel niveau aanpakken, zullen een grotere prestatiekloof creëren met de rest. Data-standaardisatie en goed governance gaan vooraf aan schaalbare automatisering. Uiteindelijk zal die automatisering de reconciliatiekosten verlagen. AI kan de complexiteit van gefragmenteerde data en softwarelagen aanpakken waar op regels gebaseerde automatisering, zoals RPA (Robotic Process Automation), tekortschiet. De suggestie? Cloudgebaseerde AI-platforms, in plaats van in-house oplossingen, kunnen hier een antwoord zijn. Het begint allemaal bij opgeruimde data. Zonder dat fundament blijft AI een dure gadget in plaats van een transformatieve kracht.