Van data tot innovatie

In gesprek met Jeroen Oude Boerrigter en Gijs Cremers

Data & AI ontwikkelen zich in hoog tempo en veranderen fundamenteel hoe organisaties werken en beslissingen nemen. Waar data voorheen vooral werd gebruikt om achteraf te analyseren, verschuift de rol steeds meer naar voorspellen, sturen en automatiseren. Nieuwe technieken, zoals generatieve AI, maken inzichten bovendien sneller en toegankelijker dan ooit.

Voor verzekeraars is deze ontwikkeling extra relevant. Zij beschikken van oudsher over grote hoeveelheden data en werken al decennialang met modellen. Tegelijkertijd brengt de opkomst van AI nieuwe mogelijkheden en uitdagingen met zich mee: van gepersonaliseerde premiestelling en slimme procesautomatisering tot het ontwikkelen, toepassen, valideren en beheersen van steeds geavanceerdere modellen.

Maar hoe vertaal je deze ontwikkelingen naar de praktijk? En waar zit vandaag de grootste impact?

In dit interview delen Jeroen Oude Boerrigter en Gijs Cremers van Sprenkels hun visie hierop.

 

Wie zijn jullie en wat is jullie rol binnen het team verzekeraars?

Jeroen: “Ik ben senior consultant bij Sprenkels en werk zowel op actuarieel gebied als binnen investment consultancy. Mijn werk varieert van het ontwikkelen van nieuwe pensioenproducten tot opdrachten rond schadeverzekeringen en pricing. Die breedte maakt het interessant: je ziet hoe data en modellen in verschillende onderdelen van de verzekeraar een rol spelen.”

 

Gijs: “Ik ben partner bij Sprenkels en medeverantwoordelijk voor zowel het Verzekeraars- als het Data & AI-team. Daarnaast ben ik voorzitter van de AI Special Interest Group binnen Abelica, ons internationale netwerk. Daar richten we ons specifiek op hoe AI de sector verandert – bij klanten én binnen onze eigen rol als consultant.”

 

Hoe werken jullie met data en AI in de praktijk?

Gijs: “Voor ons begint dat altijd bij het vraagstuk van de klant: die wil bijvoorbeeld inzicht krijgen in zijn toekomstige financiële positie of zijn prijsstelling verbeteren. We gebruiken data-analyses en modellen om die vraag goed onderbouwd te beantwoorden. Dat doen we eigenlijk al jaren zo. Of je het nu econometrie, actuariaat, data science of AI noemt: in de kern draait het allemaal om statistiek en modelmatig denken. Dat passen we heel concreet toe, bijvoorbeeld door risico’s te kwantificeren, prognoses te maken of scenario’s door te rekenen.”

 

Jeroen: “De technieken op zich zijn niet nieuw, maar de toepassing verandert razendsnel. Predictive modelling gebruiken we al jaren, maar met moderne tooling en AI kun je modellen veel sneller ontwikkelen, testen en implementeren. Generatieve AI voegt daar iets belangrijks aan toe: het maakt inzichten toegankelijker, bijvoorbeeld door automatisch rapportages en analyses te genereren.”

 

De rol van data binnen verzekeraars is de afgelopen jaren sterk veranderd. Tijd om een aantal stellingen voor te leggen.

 

Stelling 1: “Veel verzekeraars halen nog lang niet het maximale uit hun beschikbare data.” 

Herkennen jullie dit beeld?

Jeroen: “Ja, al verschilt het per organisatie. Verzekeraars hebben veelal omvangrijke datasets, maar die zijn vaak versnipperd of lastig toegankelijk. Daardoor blijft een deel van de potentiële waarde liggen. Daarnaast is informatie die we nu relevant vinden voor predictive modelling in het verleden niet altijd structureel vastgelegd, waardoor consistente tijdreeksen vaak nog beperkt beschikbaar zijn.”

 

Gijs: “Intern is er veel beschikbaar, maar externe data – zoals gedragsdata of macro-economische variabelen – wordt nog relatief weinig benut. Tegelijkertijd komt er door AI juist veel méér data beschikbaar, bijvoorbeeld via Internet of Things en Telematics. Daar zit vaak extra voorspellende kracht.”

 

Stelling 2: “Voorspelmodellen zijn inmiddels commodity; de echte innovatie zit in de toepassing.”

Jeroen: “De basistechnieken zijn inmiddels breed beschikbaar. Het verschil zit in de manier waarop je modellen toepast en binnen processen integreert. Meer data maakt modellen niet alleen nauwkeuriger, maar ook persoonlijker. Afhankelijk van de wensen en de beschikbare data kun je richting een situatie gaan waarin het mogelijk is om heel accuraat de individuele risico’s van klanten te schatten (de zogenaamde gepersonaliseerde premiestelling).”

 

Gijs: “Minstens zo belangrijk is het besluitvormingsproces rondom het model. Uiteindelijk blijft een model een versimpeling van de werkelijkheid. Beslissers moeten begrijpen wat het model doet en waarom. Zonder dat vertrouwen wordt het model simpelweg niet gebruikt. Waar predictive modelling voorspelt wát er gebeurt, helpt generatieve AI om te begrijpen waaróm iets gebeurt.”

 

Van techneut naar allrounder

Stelling 3: “Generatieve AI gaat de rol van de data scientist fundamenteel veranderen.”

Wat verandert er concreet?

Gijs: “Het werk verschuift van zelf bouwen naar orkestreren. Dat is veel efficiënter. Binnen Sprenkels merken we dat we hierdoor tooling kunnen bouwen die een paar jaar geleden simpelweg te kostbaar was.”

 

Jeroen: “Klopt, het versnelt enorm. Analyse, documentatie en zelfs delen van het programmeerwerk gaan sneller. Daardoor kunnen processen, zoals het aanpassen van premies of het actualiseren van voorzieningen, efficiënter én beheersbaarder worden uitgevoerd. Teams hebben sneller inzicht in de impact van wijzigingen en kunnen beter onderbouwen hoe beslissingen tot stand zijn gekomen.”

 

Wordt het werk makkelijker of juist complexer?

Jeroen: “Allebei. Het wordt makkelijker om iets te maken, en AI helpt bovendien om beter te documenteren en te testen. Daardoor wordt het in veel gevallen ook beter mogelijk om de kwaliteit te beoordelen en meer ‘in control’ te zijn. Tegelijkertijd blijft het een uitdaging om scherp te blijven op wat er precies gebeurt: kunnen uitleggen hoe een model tot uitkomsten komt, zicht houden op de aannames en risico’s, en actief monitoren of het model blijft doen wat je verwacht – ook na implementatie. Begrijpen wat er onder de motorkap gebeurt blijft cruciaal – zeker richting toezichthouders.”

 

Gijs: “Precies. De lat verschuift van ‘kun je het bouwen?’ naar ‘kun je het valideren en uitleggen?’. Daarbij spelen ook ethische vragen een steeds grotere rol, zeker als je richting gepersonaliseerde premiestelling gaat.”

 

Van inzicht naar innovatie

Stelling 4: “Binnen 3 jaar is AI standaard onderdeel van verzekeringsprocessen.”

Welke toepassingen zien jullie nu al ontstaan?

Gijs: “Met name in rapportages, klantinteractie en interne kennisontsluiting. Veel verzekeraars beginnen klein, vaak aan de interne kant van de organisatie. Dat zijn logische eerste stappen.

 

Jeroen: “Dat klopt, al zie ik sommige verzekeraars ook wel tegen barrières aanlopen. Samenwerking is daarbij cruciaal: data, IT en business moeten samen optrekken en dat gebeurt nog niet overal optimaal. Er zijn vaak goede analyses, maar er ontbreekt een duidelijke eigenaar die zegt: we gaan dit ook echt toepassen.”

 

Welke toepassingen zien jullie in de toekomst?

Jeroen: “Automatisering via agentic AI gaat een grote rol spelen: AI die zelfstandig processen uitvoert. In claimsafhandeling zien we dat al terug. Tegelijkertijd verandert de relatie tussen klant en verzekeraar als gevolg van agentic AI. Dat zie je bijvoorbeeld terug in het toenemende aantal AI-gegenereerde klachtenbrieven die klanten sturen richting verzekeraars. Mogelijk laat de klant van de toekomst zijn verzekeringen door een AI-agent selecteren en afsluiten. Dat vraagt om producten die niet alleen voor mensen, maar ook voor AI begrijpelijk zijn.

Klanten verwachten bovendien een gepersonaliseerd product, met dekking op het moment dat zij dat nodig hebben (usage-based insurance). Die trend zie je nu al terug in de groei van embedded insurance, bijvoorbeeld aangeboden bij concerttickets en vakanties.”

 

Gijs: “We spraken al over gepersonaliseerde premiestelling. Wellicht gaan we naar een wereld waarbij verzekeraars die data veel gerichter inzetten voor preventie: van schade vergoeden naar schade voorkomen.

Tegelijkertijd zal niet elke verzekeraar daarin even ver gaan. Voor sommige partijen blijft juist het persoonlijk contact, een vaste verzekeringsmaatschappij en een kop koffie, een belangrijk onderscheidend vermogen.”

 

Wat moeten verzekeraars vandaag doen?

Jeroen: “Investeer in een stevig datafundament en zorg dat data en inzichten breed toegankelijk zijn. Zonder die basis blijf je achter. Wees daarbij ook terughoudend met het verwijderen van data die op dit moment niet direct nodig lijkt. Informatie die vandaag weinig waarde heeft, kan in de toekomst essentieel blijken.”

 

Gijs: “En verbind data, IT en business. Daar ontstaat de echte waarde – mits je ondernemend durft te zijn.”

 

Wilt u verder van gedachte wisselen?

Neem contact op met Jeroen Oude Boerrigter (Jeroen.Oude.Boerrigter@Sprenkels.nl) en Gijs Cremers (Gijs.Cremers@Sprenkels.nl).

 

Vervolg: Van data tot impact

De rol van Data & AI binnen verzekeraars ontwikkelt zich in hoog tempo: van analyseren naar voorspellen en steeds vaker ook naar sturen en automatiseren. Tegelijkertijd laat dit gesprek zien dat de echte uitdaging niet alleen in de techniek zit, maar juist in de toepassing en in het verbinden van data, IT en business.

In het volgende thema, ‘Van data tot impact’, gaan we hier verder op in. Daar zoomen we in op de praktische inzet van modellering en automatisering – en laten we zien hoe organisaties data daadwerkelijk vertalen naar concrete besluitvorming en betere processen.