AI in de verzekeren gaat het ons binnenkort echt helpen?
Tussen de beloften van consultants en de nuchterheid van economen
De verzekeringssector lijkt gemaakt voor kunstmatige intelligentie. Het is een bedrijfstak die volledig draait om data, risicoanalyse en administratieve processen. Als AI ergens haar belofte moet waarmaken, dan is het hier. Consultants schetsen kostenbesparingen van tientallen procenten, terwijl toonaangevende economen waarschuwen voor overspannen verwachtingen. Wie heeft er gelijk? En belangrijker: wat betekent dat voor de keuzes die bestuurders van verzekeraars nu moeten maken?
Eerst terug naar de basis: wat is productiviteit?
Productiviteit meet hoeveel werk er wordt verzet per uur dat iemand werkt. Dat klinkt als een academisch begrip maar het is de kern van de hele AI-discussie. Een technologie die medewerkers hier en daar een paar minuten bespaart, is iets fundamenteel anders dan een technologie die de output per gewerkt uur structureel verhoogt. De vraag is dus niet óf AI handig is, want dat is ze. De vraag is of ze de productiviteit van een organisatie werkelijk verandert.
De belofte: een sector die op data draait
Verzekeraars beschikken over enorme hoeveelheden ongestructureerde data: polisvoorwaarden, medische dossiers, schadefoto's, klantgesprekken. Precies het materiaal waar moderne AI goed mee overweg kan. De toepassingen liggen voor het oprapen. Eenvoudige schades, zoals een autoruit of stormschade op een foto, kunnen binnen seconden worden beoordeeld en uitgekeerd. Risico's kunnen nauwkeuriger worden ingeschat op basis van real-time gegevens, van rijgedrag via telematica tot gezondheidsdata via wearables. En algoritmes herkennen afwijkende patronen in claimgedrag sneller en accurater dan menselijke controleurs.
McKinsey becijferde recent dat AI de operationele kosten voor klantacceptatie met twintig tot veertig procent kan verlagen en dat de doorlooptijd van schadeafhandeling drastisch kan worden verkort. Op papier is de verzekeringswereld daarmee een van de sectoren met de grootste AI-kansen: een pure informatie-industrie, zonder fabrieken of fysieke logistiek die de transformatie afremmen.
De tegenstem: waarom Acemoglu tot voorzichtigheid maant
Tegenover dat optimisme staat de nuchtere rekensom van MIT-econoom en Nobelprijswinnaar Daron Acemoglu. Zijn analyse: AI voegt de komende tien jaar hooguit zo'n 1,6 procent toe aan het bbp, met een productiviteitswinst van nog geen procent. En dat is over het hele decennium, niet per jaar. Zijn kernargument is dat slechts circa vijf procent van alle taken op dit moment kosteneffectief te automatiseren is. Voor de overige taken is AI óf technisch nog niet goed genoeg, óf simpelweg duurder dan de mens die het werk nu doet.
Acemoglu waarschuwt vooral voor wat hij "so-so technology" noemt: automatisering die net goed genoeg is om een mens te vervangen maar niet goed genoeg om iets wezenlijk beters te leveren. Een chatbot die het callcenter ontlast maar klanten frustreert. Een samenvatting van een klantgesprek die een medewerker een paar minuten scheelt maar het verdienmodel onberoerd laat. Het levert wel kostenreductie op maar geen groei. En precies dat patroon drukt de macrocijfers.
Hebben we dit niet eerder gezien?
Bij elke technologische revolutie klonk hetzelfde refrein: nu wordt álles anders. Toch verliep de verandering telkens trager dan gedacht, omdat organisaties de nieuwe technologie eerst in hun oude wereld probeerden in te passen. Neem de stoommachine. Toen die werd geïntroduceerd, bleef men hoogbouwfabrieken neerzetten aan de rivier. Zo had men het immers altijd gedaan in de tijd van de watermolen: het water leverde de kracht, en via assen en drijfriemen werd die kracht verticaal door het gebouw verdeeld. Pas toen ondernemers hun fabrieken ontwierpen rond de mogelijkheden van de nieuwe krachtbron, kwam de echte productiviteitswinst los.
En telkens gebeurde daarna iets opmerkelijks: de economie groeide en er waren uiteindelijk méér mensen nodig om al het werk te verzetten, niet minder. Nieuwe technologie schiep nieuwe taken, nieuwe producten en nieuwe markten die niemand vooraf had voorspeld. Er is weinig reden om aan te nemen dat het dit keer fundamenteel anders loopt, al zet de publieke opinie zich momenteel merkbaar af tegen AI. En zoals zo vaak geldt: c'est le ton qui fait la musique. Hoe organisaties het gesprek over AI voeren, als bedreiging voor banen of juist als gereedschap voor beter werk, bepaalt in hoge mate het draagvlak.
De Nederlandse praktijk: veelbelovend maar weerbarstig
Hoe staat het er in Nederland concreet voor? Het rapport State of the Insurers 2026 van KPMG, dat Achmea, a.s.r., Athora en Nationale-Nederlanden onder de loep nam, is ontnuchterend. AI wordt inmiddels breed ingezet bij schadeverwerking, acceptatie en klantcontact maar het opschalen van pilots naar aantoonbare bedrijfswaarde blijft een worsteling. De conclusie van KPMG is bijna letterlijk de les van Acemoglu: AI levert pas echt productiviteitswinst op als verzekeraars naast de technologie ook hun processen, vaardigheden, rollen en manieren van werken vernieuwen.
De oorzaken zijn herkenbaar. Veel organisaties zien AI als nóg een laag bovenop bestaande, vaak gedateerde processen. De impact blijft dan beperkt en de complexiteit neemt juist toe. Grote verzekeraars worstelen bovendien met decennia-oude legacysystemen en versnipperde data. AI is nu eenmaal zo goed als de data waarop ze draait.
Daar komt de regelgeving bij. Onder de Europese AI Act gelden systemen voor risicobeoordeling en prijsstelling bij levens- en ziektekostenverzekeringen als hoog-risico, met strenge eisen aan transparantie, datakwaliteit en menselijk toezicht. De Nederlandsche Bank kijkt kritisch mee. Een ondoorzichtig algoritme dat groepen consumenten uitsluit of onverklaarbaar hogere premies rekent, betekent niet alleen boeterisico maar vooral reputatieschade, juist in een sector die op vertrouwen drijft.
De echte vraag: wie herontwerpt, wint
Betekent dit alles dat AI de verzekeringswereld voorlopig weinig gaat brengen? Nee. Het bepaalt wél waar de winst vandaan moet komen. Zolang AI puur wordt ingezet om efficiënter handjes te vervangen binnen bestaande processen, blijft de opbrengst steken op het niveau dat Acemoglu voorspelt. De werkelijke kansen ontstaan waar organisaties hun operationele processen, workflows en governance opnieuw ontwerpen, met AI als integraal onderdeel van een fris model in plaats van als extra laag erbovenop.
Daarbij hoort een ongemakkelijke waarheid voor de bestuurskamer: de radicaalste ideeën komen zelden van boven. Ze komen van de mensen die het werk dagelijks doen. Laat hen niet AI loslaten op bestaande processen maar geef hun het mandaat om die processen te herdefiniëren, zodat het werk mét AI wezenlijk beter wordt. De schadebehandelaar weet als geen ander welke stappen in het proces eigenlijk nergens toe dienen; de acceptant ziet dagelijks waar het model tekortschiet.
En dan de vraag die elke raad van bestuur zichzelf moet stellen: komen we in beweging door visionair leiderschap, of pas door concurrentie? Wie wacht tot een uitdager de markt binnenkomt, bijvoorbeeld een insurtech zonder legacy of een buitenlandse partij met een radicaal goedkoper bedrijfsmodel, herontwerpt zijn processen onder druk en tegen hogere kosten. Wie nu begint, doet het op eigen voorwaarden.
Conclusie: ja, maar niet vanzelf
Gaat AI ons binnenkort helpen? De theoretische kansen zijn in de verzekeringssector groter dan in vrijwel elke andere bedrijfstak. Het is een informatie-industrie pur sang. Maar de sector illustreert vooralsnog vooral de stelling van Acemoglu: automatisering van bestaande taken levert bescheiden winst op, en de macrocijfers zullen voorlopig niemand omverblazen.
De verzekeraars die het verschil gaan maken, zetten AI in als aanvulling op menselijke expertise: actuarissen, acceptanten en schade-experts die dankzij AI inzichten krijgen die ze eerder nooit hadden, en daardoor betere beslissingen nemen. De geschiedenis leert dat technologische revoluties uiteindelijk meer werk en meer welvaart opleveren. Dat geldt echter alleen voor wie de moed heeft zijn organisatie opnieuw uit te vinden in plaats van de oude te automatiseren.
Bronnen
D. Acemoglu, The Simple Macroeconomics of AI (MIT, 2024) · KPMG, State of the Insurers 2026 (juli 2026) · McKinsey, How AI will reshape the economics of insurance (2026) · Europese AI Act (Annex III) en DNB, AI bij verzekeraars: kansen en risico's.