Van handmatig naar autonoom: het heroverwegen van automatisering in de verzekeringen in de GenAI-tijdperk

Verzekeraars hebben lang de voordelen van automatisering begrepen: het stroomlijnen van workflows, het verbeteren van de klantenservice en het vrijmaken van agenten van saaie taken.

Terwijl sommige digitaal georiënteerde verzekeraars streven naar volledige automatisering, blijven de meeste verzekeraars slechts gedeeltelijk geautomatiseerd, vastzitten met tools die niet aan moderne eisen kunnen voldoen. Deze traditionele verzekeraars werken nog steeds aan fundamentale uitdagingen zoals datasilo’s, verouderde workflows en beperkte AI-literatuur, waardoor het moeilijk is om automatisering te schalen zonder de complexiteit en kosten te laten toenemen.

GenAI herdefinieert wat het betekent om te automatiseren, waardoor beslissingsintelligentie mogelijk wordt in gebieden zoals onderwriting, claims, servicing en meer.

Om de volle belofte van automatisering te realiseren, moeten verzekeraars een gefaseerde aanpak voor AI-adoptie volgen om verantwoordelijk te schalen, vorderingen bij te houden, investeringen te prioriteren en risico’s te beheren. Naarmate de rol van GenAI in de verzekeringen blijft uitbreiden, is dit wat verzekeraars moeten weten.

Traditionele automatisering komt tekort

Historisch gezien was automatisering in de verzekeringen synoniem met regelgebaseerde systemen en robotische procesautomatisering (RPA), beiden effectief voor repetitieve taken, maar tekortschieten wanneer afwijkingen of nuance rijke besluitvorming optreden. Maar met stijgende claimskosten, intensiverende regelgevingscontrole en klanten die nu snelle, hyperpersoonlijke ervaringen verwachten, eist de huidige markt meer.

AI-gedreven automatisering helpt bij het prioriteren van dergelijke eisen.

GenAI heeft het potentieel om onderwriting, predictieve risicobeoordeling en personalisatie te verbeteren in de hele verzekeringenwaardeketen. Maar adoptie is slechts het begin – zonder een duidelijke strategie voor implementatie, lopen verzekeraars het risico om inefficiënt te automatiseren, onbewust compliance-risico’s te triggeren en de volle voordelen van GenAI mis te lopen.

De vijf niveaus van verzekeringenautomatisering

Geïnspireerd door het vijfniveau-classificatiesysteem voor autonome rijcapaciteiten, gebruiken verzekeraars hun eigen automatiseringsvolwassenheidsmodel om de vooruitgang van hun automatisering beter te beoordelen.

• Niveau 0 (Handmatig): Gemeenschappelijk in legacy-omgevingen en onder kleine mutualistische aanbieders, doen niveau 0-verzekeraars alles nog met de hand – handmatige gegevensinvoer, spreadsheets en papieren formulieren domineren de operaties.
• Niveau 1 (Basis): Op het meest basale automatiseringsniveau worden taken zoals offertegeneratie of STP (straight-through processing) voor eenvoudige polissen gedeeltelijk geautomatiseerd, maar mensen controleren nog steeds de hoofdstroom van de operaties.
• Niveau 2 (Opkomend): Hier drijft automatisering de meeste workflows, maar er is nog steeds een verwachting dat mensen zullen ingrijpen voor randgevallen, waar ongebruikelijke claimsvoorwaarden of andere ongebruikelijke situaties een rol spelen.
• Niveau 3 (Geavanceerd): Op niveau 3 kan de volledige polislevenscyclus worden geautomatiseerd voor standaardlijnen zoals auto- of woonverzekeringen, met menselijke invoer alleen vereist voor meer afwijkende verzekeringssituaties. Geautomatiseerde claimsuitkering en vernieuwingsaanvragen zijn kenmerken van dit niveau.
• Niveau 4 (Volledige automatisering): Niveau 4-verzekeraars gebruiken GenAI-hulpmiddelen en Machine Learning (ML)-modellen om de hele eind-tot-eind-levenscyclus te beheren, van de eerste klantinteracties tot de definitieve uitkering, met mensen die alleen strategisch toezicht houden. Lemonade kan bijvoorbeeld huurdersclaims in minder dan twee seconden verwerken zonder menselijke beoordeling, waarmee succesvolle totale automatisering wordt gedemonstreerd.

Elk niveau is een goed startpunt, maar voor moderne verzekeraars met concurrerende aspiraties moet volledige automatisering het doel zijn.

Om dit te bereiken, hebben verzekeraars keurig georganiseerde gegevens, AI-governance- en compliance-kaders en auditable besluitvormingsprocessen nodig om ethische zorgen, AI-hallucinaties of vooroordelen aan te pakken. Het trainen van personeel om samen te werken met AI – correcte prompts, uitvoer controleren en randgevallen leiden – is net zo belangrijk als de technologie zelf.

Automatisering drijft waarde

Wat betekent het praktisch om AI-gedreven automatisering te bereiken voor verzekeraars?

Bij claimsverwerking versnelt GenAI de triage en de eerste melding van verlies (FNOL) -beoordeling – zozeer dat 76% van de verzekeraars al GenAI-mogelijkheden in hun claimsworkflows hebben geïmplementeerd of van plan zijn om ze te integreren.

Deze capaciteit is bijzonder strategisch in het geval van fraudeopsporing, vanwege de unieke mogelijkheid van AI om abnormale patronen te identificeren die door traditionele modellen kunnen worden gemist. Mastercard heeft bijvoorbeeld al succesvol GenAI-gedreven fraudeopsporingsmaatregelen geïmplementeerd, waardoor de snelheid en nauwkeurigheid waarmee ze handelaren kunnen waarschuwen voor fraude risico’s, verdubbelt en valse positieven van frauduleuze transacties met tot 200% worden verminderd. Insurtechs leggen GenAI ook over fraude databases heen om claims in real-time te cross-refereren.

Onderwriting wordt ook verbeterd door AI-gedreven besluitvormingsondersteunende hulpmiddelen, die submission-risico’s in real-time kunnen oppervlakken en onmiddellijk volgende stappen kunnen aanbevelen. Veel bedrijven testen GenAI-hulpmiddelen die submission-gegevens analyseren en voorlopige beoordelingen genereren, waardoor de tijd die onderwriters besteden aan lage-waarde taken, wordt verminderd.

Tenslotte verbetert GenAI de klantenservice in elk enkel verzekeringencontactpunt, waardoor de servicewaarde en -snelheid met AI-gepowered virtuele agenten en GenAI-chatbots worden verhoogd.

De AI-roadmap: start klein, schaal strategisch

Automatisering in de verzekeringen is geen binaire schakelaar, noch zal het de “snelle overwinningen” opleveren die veel verzekeraars verwachten. GenAI is de motor, maar verzekeraars met hun zicht op automatisering moeten de reis met opzet besturen – een niveau-gerichte roadmap tekenen, strategisch schalen en vorderingen over tijd bijhouden. Door de volwassenheid te meten en AI te koppelen aan menselijke oordeel, kunnen verzekeraars met vertrouwen automatiseren, waardoor ze zichzelf positioneren om de toekomst van intelligente verzekeringen te besturen.

Het gaat niet alleen om gemak. Het gaat erom om de vaak moeilijke momenten waarop mensen naar hun verzekeraars kijken, gemakkelijker te maken dan ooit tevoren.