Acht strategische prioriteiten voor verzekeraars richting 2027
Van AI-ambitie naar aantoonbare waarde.
Verzekeraars staan voor een complexe opgave. Klanten verwachten persoonlijkere dienstverlening. Toezichthouders stellen hogere eisen aan transparantie en beheersing. Tegelijkertijd groeit de druk om efficiënter te werken, sneller te innoveren en meer waarde te halen uit beschikbare data. AI speelt daarin een steeds grotere rol. Maar organisaties die de meeste waarde realiseren, investeren niet alleen in technologie. Zij moderniseren hun platform, versterken hun datafundament, organiseren governance en helpen medewerkers nieuwe manieren van werken te omarmen.
De vraag richting 2027 is daarom niet hoeveel AI-pilots een verzekeraar kan starten. De vraag is: welke strategische keuzes bepalen jouw concurrentiekracht?
Lees de acht strategische prioriteiten en bepaal je keuze voor 2027.
AI & Agentic Transformation
AI verschuift van ondersteuning bij losse taken naar deelname aan complete bedrijfsprocessen. Niet de hoeveelheid pilots bepaalt wie vooroploopt, maar de mate waarin verzekeraars de samenwerking tussen mens, technologie en besluitvorming opnieuw organiseren rond aantoonbare bedrijfswaarde.
AI verschuift van experiment naar uitvoering. Agents kunnen informatie verzamelen, controles uitvoeren, voorstellen voorbereiden en acties doorzetten binnen acceptatie, polisbeheer, claims en klantservice. De strategische keuze is niet welke agent je bouwt, maar welk proces aantoonbaar beter moet worden. Dat vraagt om een operating model waarin vooraf duidelijk is wat een agent zelfstandig mag doen, wanneer menselijke beoordeling nodig is en wie verantwoordelijk blijft.
De vraag verschuift van: waar kunnen we AI testen? Naar: welk bedrijfsproces willen we fundamenteel verbeteren?
BCG verwacht dat het aandeel van AI-agents in de totale AI-waarde groeit van circa 17% in 2025 naar 29% in 2028. Een derde van de AI-koplopers gebruikt al agents, tegenover 12% van de organisaties die nog bezig zijn met opschalen.
Welk proces heeft voldoende volume, waarde en meetbaarheid om als eerste opnieuw te ontwerpen rond mens en AI?
Technologie alleen levert geen transformatie op. Medewerkers moeten begrijpen hoe AI werkt, wanneer zij op een uitkomst kunnen vertrouwen en wanneer menselijke controle noodzakelijk blijft. Leidinggevenden moeten rollen, verantwoordelijkheden en werkprocessen opnieuw inrichten. Organisaties die adoptie vanaf het begin onderdeel maken van de transformatie, vergroten de kans dat AI daadwerkelijk wordt gebruikt en leidt tot betere beslissingen, hogere productiviteit en blijvende verandering.
Zonder nieuwe vaardigheden en ander gedrag blijft AI een beschikbare tool in plaats van een nieuwe manier van werken.
McKinsey stelt dat change management ongeveer de helft van de inspanning kan vertegenwoordigen die nodig is om financiële en niet-financiële impact uit AI-transformaties te realiseren. McKinsey adviseert als vuistregel om voor iedere dollar aan ontwikkeling ten minste nog een dollar te plannen voor adoptie en opschaling.
Welke rollen, vaardigheden en verantwoordelijkheden veranderen wanneer AI onderdeel wordt van het dagelijkse werk?
Platform, Data & Modernisering
AI levert alleen duurzame waarde wanneer agents, data, processen en applicaties veilig kunnen samenwerken. Platformstrategie, datafundament en modernisering worden daarom steeds meer één bestuurlijke agenda. Niet alles hoeft te worden vervangen, maar alles wat met AI samenwerkt moet wel betrouwbaar, toegankelijk en beheersbaar zijn.
AI-agents moeten informatie uit meerdere systemen kunnen gebruiken en binnen vastgestelde kaders acties kunnen uitvoeren. Daarvoor is een agentic layer nodig: een orkestrerende laag die agents verbindt met data, processen, identiteit, beveiliging en bestaande applicaties. Deze laag vervangt polis-, schade- of financiële systemen niet. Het maakt de data en proceslogica uit deze systemen veilig bruikbaar en voorkomt dat voor iedere nieuwe agent opnieuw losse koppelingen en controles nodig zijn.
Zonder nieuwe vaardigheden en ander gedrag blijft AI een beschikbare tool in plaats van een nieuwe manier van werken.
McKinsey beschrijft een modulaire en flexibele technologiestructuur met herbruikbare multi-agentsystemen als een onderscheidend kenmerk van verzekeraars die AI willen opschalen. Daarbij noemt McKinsey een agentic AI mesh: een architectuur waarmee meerdere agents veilig kunnen samenwerken over verschillende systemen, tools en modellen.
Hoe vinden agents betrouwbare informatie, hoe verdelen zij taken en hoe worden toegang, logging en menselijke goedkeuring centraal geregeld?
AI kan alleen betrouwbare uitkomsten leveren wanneer duidelijk is welke data actueel, bruikbaar en toegestaan is. Bij veel verzekeraars staat informatie verspreid over polis-, schade-, declaratie-, CRM- en financiële systemen. De prioriteit is niet om alles naar één omgeving te kopiëren, maar om definities, eigenaarschap, kwaliteit, toegang en herkomst te organiseren. Zo wordt data aantoonbaar bruikbaar voor besluitvorming, analyses en AI-agents.
Wanneer AI wordt opgeschaald, schalen problemen met verouderde, inconsistente of verkeerd gebruikte data mee.
DNB noemt het kennisniveau binnen organisaties en de kwaliteit en infrastructuur van data als belangrijke obstakels voor de ontwikkeling en implementatie van AI bij verzekeraars. DNB benadrukt ook dat voldoende datakwaliteit en een goed ingerichte IT-infrastructuur essentieel zijn voor verantwoord AI-gebruik.
Welke data is noodzakelijk voor de belangrijkste bedrijfsprocessen, welke bron is leidend en wie is verantwoordelijk voor de kwaliteit?
Veel verzekeraars zijn afhankelijk van specialistische kernsystemen die cruciale processen ondersteunen, maar vernieuwing vertragen. Volledige vervanging is niet altijd nodig of verantwoord. Met goede integraties, cloudvoorzieningen en een agentic layer kunnen bestaande data en processen gefaseerd beschikbaar worden gemaakt voor nieuwe toepassingen. Zo vermindert de afhankelijkheid van maatwerk en schaarse systeemkennis, terwijl continuïteit behouden blijft en bestaande technologie haar waarde niet direct verliest.
Innovatie hoeft niet te wachten op de afronding van een meerjarig vervangingsprogramma.
Modernisering vraagt niet om één standaardroute. Per applicatie of waardestroom is een bewuste keuze nodig tussen behouden, ontsluiten, standaardiseren, moderniseren en vervangen.
Welke onderdelen van het landschap moeten stabiel blijven, welke moeten toegankelijker worden en waar is vervanging aantoonbaar noodzakelijk?
Klant & Service
AI verandert niet alleen interne processen, maar ook wat klanten van hun verzekeraar verwachten. Zij willen snel, persoonlijk en consistent worden geholpen, ongeacht het kanaal. Daarvoor moeten klantdata, serviceprocessen en medewerkers vanuit dezelfde actuele context werken.
Een integraal klantbeeld krijgt pas waarde wanneer het helpt om een betere beslissing te nemen of een klant sneller te ondersteunen. Door gegevens over producten, interacties, voorkeuren en relevante gebeurtenissen samen te brengen, kunnen verzekeraars consistenter communiceren en gerichter handelen. AI kan patronen herkennen en vervolgstappen voorstellen, maar alleen wanneer de herkomst (data provenance), toestemming en het toegestane gebruik van de onderliggende data helder zijn geregeld.
Het doel is niet zoveel mogelijk klantdata verzamelen, maar de juiste context beschikbaar maken op het moment dat een beslissing wordt genomen.
McKinsey ziet dat AI de verwachtingen van klanten verandert. Klanten verwachten hogere nauwkeurigheid en betrouwbaarheid, mensachtige digitale interacties, hyperpersoonlijke communicatie en dienstverlening die beter aansluit op hun situatie.
Welke klantmomenten, beslissingen of serviceprocessen worden aantoonbaar beter met een completer en actueler klantbeeld?
In een intelligente serviceorganisatie ondersteunt AI de medewerker voor, tijdens en na ieder klantcontact. AI kan informatie verzamelen, gesprekken samenvatten, relevante kennis voorstellen en vervolgacties voorbereiden. Door dit deel te automatiseren kunnen eenvoudige vragen sneller worden opgelost, waardoor medewerkers meer ruimte krijgen voor situaties die persoonlijke aandacht, beoordeling of empathie vragen. Zo kunnen productiviteit, consistentie en klantbeleving tegelijkertijd verbeteren.
Service wordt sterker wanneer medewerkers minder tijd kwijt zijn aan zoeken, samenvatten en schakelen tussen systemen.
DNB constateert dat AI-toepassingen in de Nederlandse verzekeringssector vooral worden ingezet om interne bedrijfsprocessen efficiënter te maken en de klantervaring te verbeteren.
Waar kan AI de medewerker ondersteunen zonder dat persoonlijk contact, zorgvuldigheid of eindverantwoordelijkheid verloren gaat?
Governance & Vertrouwen
Governance is niet het sluitstuk van AI-innovatie. Zodra AI toegang krijgt tot klantgegevens, processen of beslissingen, moeten eigenaarschap, toezicht, logging en escalatie vanaf het ontwerp zijn geregeld. Dat beschermt klanten en de organisatie, maar maakt verantwoord opschalen vooral mogelijk.
Verzekeraars moeten niet alleen aantonen dat een AI-toepassing technisch werkt. Zij moeten ook kunnen uitleggen hoe een uitkomst tot stand komt, welke data is gebruikt, wie eigenaar is en wanneer menselijk ingrijpen verplicht is. Dat vraagt om besluitrechten, documentatie en continue monitoring gedurende de volledige levenscyclus. Ook externe modellen, leveranciers en agents horen binnen hetzelfde kader. Data provenance en governance verbinden zo innovatie, risicobeheersing en vertrouwen.
Zonder aantoonbare beheersing blijft iedere succesvolle AI-pilot moeilijk schaalbaar.
Iets meer dan 70% van de door DNB onderzochte verzekeraars gaf aan in de AI-governance rekening te houden met relevante EIOPA-principes. DNB constateerde tegelijkertijd dat stappen en besluiten niet altijd volledig worden vastgelegd en dat monitoring na ingebruikname niet altijd voldoende is ingericht.
Kunnen we per AI-toepassing aantonen wie verantwoordelijk is, welke data is gebruikt, wat wordt gemonitord en wanneer ingrijpen noodzakelijk is?
De vraag die ertoe doet.
Van acht prioriteiten naar een samenhangende agenda
De acht prioriteiten staan niet los van elkaar. Een agent levert geen betrouwbare waarde zonder goede data. Data wordt niet bruikbaar zonder integratie en eigenaarschap. Een modern platform leidt niet tot verandering wanneer medewerkers niet anders gaan werken. En geen van deze ontwikkelingen kan verantwoord opschalen zonder vertrouwen en heldere governance.
De centrale vraag voor directies is daarom niet: Welke AI-toepassing moeten we als eerste implementeren?
Maar:
Welke bedrijfsuitkomst willen we verbeteren, en welke combinatie van processen, mensen, data, platform en governance is daarvoor nodig?
Acht vragen voor de directietafel
Welk bedrijfsproces willen we aantoonbaar verbeteren met mens en AI?
Welke rollen, vaardigheden en verantwoordelijkheden veranderen?
Hoe zorgen we dat agents veilig kunnen samenwerken met bestaande systemen?
Welke informatie is leidend, betrouwbaar en toegestaan voor gebruik door AI?
Wat behouden, ontsluiten, standaardiseren, moderniseren of vervangen we?
Welke klantbeslissing of welk klantmoment willen we verbeteren?
Waar versterkt AI de medewerker zonder de menselijke maat te verliezen?
Kunnen we iedere AI-uitkomst, verantwoordelijkheid en beheersmaatregel aantonen?
Haal meer waarde uit AI, data en bestaande systemen
Ontdek ook welke uitdagingen verzekeraars vandaag de dag hebben en waar je kunt beginnen.
Haal meer waarde uit AI, data en bestaande systemen
Technologie ontwikkelt snel, maar echte vooruitgang vraagt om meer dan wéér een nieuwe AI-toepassing. De grootste winst behaal je wanneer data, processen, systemen en mensen goed met elkaar samenwerken.
Leg je belangrijkste prioriteit aan ons voor. Samen onderzoeken we welke combinatie van mensen, processen, data en technologie nodig is om vooruitgang te boeken.
