Staat AI hoog op de agenda, terwijl een belangrijk deel van je organisatie draait op systemen met een lange staat van dienst? Dan kan de vraag ontstaan hoe ver je eerst moet gaan met het moderniseren van je legacy-landschap. Kun je al verantwoord investeren in AI, of loop je het risico dubbel werk te doen wanneer delen van dat landschap later alsnog worden vervangen?

Voor verzekeraars is de polisadministratie daarbij vooral het transactionele fundament: het systeem registreert en ondersteunt de kernprocessen, maar is niet vanzelf de plek waar je nieuwe AI-waarde creëert. Die ontstaat door data en functionaliteit uit verschillende systemen gecontroleerd te ontsluiten en met andere oplossingen te benutten. Je hoeft dus niet eerst alles te vervangen, maar moet wel gericht bepalen welke basis nodig is om AI veilig en schaalbaar in te zetten.

Legacy-modernisatie betekent niet automatisch vervangen

Veel verzekeraars werken met een polisadministratie of een ander kernsysteem dat al tientallen jaren meegaat. Die systemen hebben een lange staat van dienst, bevatten waardevolle data en zijn in de loop der jaren verder uitgebreid en aangepast. Je polisadministratie is destijds niet ontworpen met AI-agents, realtime datastromen en moderne cloudtechnologie in gedachten. Maar dat betekent nog niet dat het systeem zijn werk niet meer doet.

Veel specialistische verzekeringssystemen ondersteunen processen die in tientallen jaren zijn opgebouwd. Ze bevatten polisgegevens, schadehistorie, klantinformatie en regels die essentieel zijn voor de dagelijkse operatie van je organisatie. Juist de samenhang tussen die onderdelen bepaalt hoe makkelijk je data en functionaliteit kunt inzetten voor nieuwe toepassingen.

Alles in één keer vervangen (‘rip-and-replace’) is dan niet alleen kostbaar, maar brengt ook risico’s met zich mee. Je raakt mogelijk waardevolle bedrijfskennis kwijt, moet complexe processen opnieuw inrichten en het vraagt veel van je organisatie. Intussen moet je gewoon klanten blijven bedienen.

Moderniseren hoeft daarom geen ‘big bang’ te zijn. Stel jezelf de vraag: welke onderdelen moeten we écht vervangen en waar kunnen we slimmer voortbouwen op wat er al staat?

Je hoeft je bestaande systemen niet te vervangen of alle data naar één nieuwe applicatie te verhuizen voordat je AI kunt inzetten. Wel moet de juiste informatie beschikbaar en bruikbaar zijn op het moment dat een AI-toepassing die nodig heeft. Een modern data- en integratieplatform vormt daarvoor de basis. Het verbindt applicaties, maakt data uit verschillende bronnen beschikbaar en zorgt ervoor dat die informatie ook op andere plekken in de organisatie kan worden verwerkt en hergebruikt.

Daarboven of daarnaast komt de agentic layer. Die maakt gebruik van de data en functionaliteit die via je bestaande IT-landschap beschikbaar zijn en maakt het mogelijk om AI-agents daadwerkelijk taken te laten uitvoeren. De agentic layer vervangt je data- en integratieplatform dus niet, maar bouwt erop voort.

Stel bijvoorbeeld dat een medewerker voor een klantvraag informatie nodig heeft uit de polisadministratie, CRM en andere bedrijfsapplicaties. Nu betekent dat misschien nog meerdere applicaties openen, informatie opzoeken en handmatig combineren. Een AI-agent kan die informatie bij elkaar brengen, samenvatten en een vervolgstap voorbereiden.

Binnen het Microsoft-ecosysteem kunnen oplossingen als Dynamics 365, Dataverse en Copilot Studio daarbij een rol spelen. HSO helpt verzekeraars om die bestaande systemen, data en nieuwe AI-mogelijkheden zo met elkaar te verbinden dat je niet eerst je hele landschap hoeft te vervangen.

De systemen eronder blijven dus gewoon bestaan. Je voegt een nieuwe laag toe waarmee je hun data en functionaliteit slimmer kunt benutten en bepaalt vervolgens stap voor stap welke onderdelen op termijn wel of niet aan vervanging toe zijn.

Juist bij verzekeraars zijn die vragen belangrijk, want je werkt met gevoelige persoonlijke, financiële en soms medische gegevens. Data governance, security en compliance met wet- en regelgeving, zoals de AVG en de GPIB van de Nederlandse Bank, zijn daarom geen onderdelen die je na een succesvolle pilot nog even snel toevoegt. Ze horen vanaf het begin in het ontwerp.

Hetzelfde geldt voor je cloudstrategie. Wil je AI op termijn breder inzetten, dan moet je infrastructuur voldoende schaalbaar zijn en moeten applicaties, data, identiteit en security goed op elkaar aansluiten. Anders krijg je misschien een succesvolle proof of concept, maar lukt het vervolgens niet om die veilig op te schalen naar tientallen processen, teams of agents.