Verzekeren rust op twee handelingen: een risico inschatten voor je het dekt, en snel en correct vergoeden wanneer het zich voordoet. AI raakt aan beide. De markt voor AI in de verzekering wordt geraamd op 26,3 miljard dollar in 2026 en zou 114,5 miljard kunnen bereiken in 2031 (Mordor Intelligence). Voor een verzekeraar, een makelaar of een Belgisch bedrijf dat zijn eigen risico's beheert, is de vraag niet langer of AI de acceptatie en de schadeafhandeling binnenkomt, maar waar ze echt waarde schept, en waar ze regelgevend risico toevoegt.
De waardeketen van de verzekering is een reeks data-intensieve stappen: distribueren, accepteren, tariferen, contracten beheren, schade afhandelen, fraude opsporen. Elke stap mengt vrije tekst, documenten, foto's en historieken, precies wat AI goed verwerkt. Daarom rollen verzekeraars AI uit over het hele traject, en niet op één punt.
AI structureert de dossiers, haalt de gegevens uit documenten en bereidt een offerte voor, onder controle van de actuaris en de acceptant.
snellere offerteDossiers sorteren, schade inschatten op foto's, brieven opstellen, complexe gevallen detecteren die escalatie vereisen.
snellere afhandelingVerdachte patronen en georganiseerde netwerken opsporen die vaste regels laten passeren.
vermeden verliezenSpraak- en gespreksagenten doorlopend beschikbaar, antwoorden over waarborgen en opvolging van dossiers.
doorlopend bereikbaarHet is bij de schade dat de gepubliceerde resultaten het meest concreet zijn. De Britse verzekeraar Aviva rolde meer dan 80 AI-modellen uit in zijn schadedomein. Volgens McKinsey verkortte dat de beoordelingstijd van de aansprakelijkheid bij complexe gevallen met 23 dagen, verbeterde het de nauwkeurigheid van de toewijzing van dossiers aan de juiste teams met 30 % en deed het de klachten van klanten met 65 % dalen. Aviva liet zijn investeerders weten dat de transformatie van enkel zijn autoschade meer dan 60 miljoen pond (82 miljoen dollar) bespaarde in 2024.
McKinsey stelt vast dat het hertekenen van een volledig domein, en niet het opstapelen van losse use cases, het gros van de waarde oplevert: 10 tot 15 % premiegroei, 20 tot 40 % minder kosten om een nieuwe klant te onboarden en 3 tot 5 % meer nauwkeurigheid bij de schade. Verzekeraars die zich beperken tot het naast elkaar zetten van proofs of concept blijven volgens het bureau in een « pilotvagevuur »: de demo werkt, de waarde volgt niet.
Bij de acceptatie leest AI dossiers, haalt er de nuttige informatie uit en bereidt een offerte voor in uren in plaats van dagen. De winst is reëel, maar de tarifering raakt rechtstreeks de klant: een slecht gekalibreerd model kan onverantwoorde of zelfs discriminerende prijsverschillen produceren. Net dat houdt de Europese toezichthouder in de gaten.
Snelheid van offerte, consistentie van beslissingen, het vermogen om ongestructureerde data (rapporten, foto's, historieken) te benutten die een mens niet op schaal kan lezen.
Verklaarbaarheid van het tarief, geen bias op gevoelige variabelen, menselijk toezicht op weigeringen en grensgevallen, traceerbaarheid voor de audit en de ombudsman.
Fraude is een van de meest directe argumenten voor AI. De Coalition Against Insurance Fraud schat dat ze de Amerikaanse economie 308,6 miljard dollar per jaar kost, alle takken samen. In Europa schat Insurance Europe dat fraude, opgespoord en niet-opgespoord, tot 10 % van de schade-uitgaven uitmaakt. Vaste regels laten nieuwe fraude en georganiseerde netwerken passeren; AI-modellen pikken zwakke signalen en verbanden tussen dossiers op die het menselijk oog niet op grote schaal ziet.
Een fraudedetectiemodel blijft een hulp bij de beslissing, geen rechter. Een vals positief is een eerlijke klant die ten onrechte beschuldigd wordt; een ondoorzichtige score is een beslissing die onverdedigbaar is voor een ombudsman of een rechtbank. De regel: de mens beslist over de gesignaleerde dossiers, het model is gedocumenteerd en de betrokkene kan een uitleg krijgen. Zonder dat creëert de tool juridisch risico in plaats van het te verminderen.
De adoptie versnelt. In de jaarlijkse enquête van Conning bij Amerikaanse verzekeringsbestuurders verklaart 90 % generatieve AI te evalueren en is 55 % al in vroege of volledige adoptie, een aandeel dat in één jaar bijna verdubbeld is. De meest vermelde toepassingen zijn de operaties en de schadeafhandeling. De dynamiek is duidelijk, maar ze zegt niets over de gevangen waarde: uitrollen is niet industrialiseren, en een geslaagde pilot blijft ver van een getransformeerd domein.
De verzekering is een van de weinige sectoren waar de Europese classificatie expliciet is. Bijlage III van de EU AI Act viseert de AI-systemen die gebruikt worden voor risicobeoordeling en tarifering in de levens- en ziekteverzekering: die zijn hoog risico. Dat activeert zware verplichtingen: gedocumenteerd risicobeheersysteem, datagovernance, menselijk toezicht, logging, transparantie. De schadeverzekering, zoals auto en woning, valt niet onder dit precieze punt, maar de AVG geldt wel voor elk persoonsgegeven.
De verplichtingen voor de hoogrisicosystemen van bijlage III werden uitgesteld tot 2 december 2027 door de « Digital Omnibus » (politiek akkoord van 7 mei 2026, bevestigd door het Europees Parlement op 16 juni 2026). Dat uitstel schaft de verplichting niet af: het geeft tijd om de documentatie en het toezicht voor te bereiden. Het komt bovenop de AVG, die vandaag al geldt voor elk gegeven over gezondheid of schade.
AI is een hefboom voor kosten en service, op voorwaarde dat je een heel domein transformeert (schade of acceptatie) in plaats van tools naast elkaar te zetten. De conformiteit leven en ziekte bereid je nu voor, niet op de vervaldag.
Die winst aan de kant van de verzekeraar kan zich vertalen in kortere vergoedingstermijnen en beter afgestemde tarieven. Maar een geautomatiseerde beslissing die u aanbelangt (weigering, tarief, schade) moet verklaarbaar en betwistbaar blijven.
Verzekeringsdata behoren tot de meest gevoelige die er zijn: gezondheid, vermogen, schade, soms gerechtelijke gegevens. Die stromen toevertrouwen aan een model veronderstelt dat je weet waar ze verwerkt worden en wie er toegang toe heeft. Een uitrol conform de AVG en de EU AI Act, op een infrastructuur die je beheerst, blijft eenvoudiger te besturen dan een ondoorzichtige dienst op afstand, zeker wanneer de toezichthouder rekenschap kan vragen.
Schade of acceptatie: een perimeter waar de data bestaat en waar de winst meetbaar is. Versnippering in proofs of concept zonder gevolg vermijden.
Welke persoonsgegevens, welke gezondheidsgegevens? Valt het geval onder hoog risico (leven, ziekte)? Documenteren voor je uitrolt.
Weigering, gesignaleerde fraude, grensgevallen: AI bereidt voor, de mens beslist. Verklaarbaarheid en beroepsrecht vanaf het ontwerp ingebouwd.
Termijnen, nauwkeurigheid, kost per dossier, tevredenheid. Van pilot naar productie met bedrijfsindicatoren, niet met een demonstratie.
Molderez Consult helpt verzekeraars, makelaars en Belgische bedrijven AI uit te rollen op acceptatie, schade en fraude: keuze van het domein, conformiteit met de AVG en de EU AI Act, menselijk toezicht en governance, op een beheerste infrastructuur.
Praten over mijn use case