Aanleiding
De afgelopen jaren heeft DNB via verschillende onderzoeken aandacht besteed aan de toepassing van AI door verzekeraars, zoals de DNB/AFM verkenning ‘AI in de verzekeringssector’ (2018) en het ‘DNB Themaonderzoek Insurtech’ (2019-2020). Uit deze onderzoeken bleek dat de inzet van geavanceerde data-analyses en AI naar verwachting steeds verder toeneemt. Daarom heeft DNB in 2021 opnieuw met verzekeraars gesproken over AI, deze keer met een kleine selectie van zes middelgrote en grote verzekeraars. In dit nieuwsbericht geven we een korte terugblik op deze gesprekken. Gezien de relatief kleine selectie van verzekeraars, geven de uitkomsten niet per definitie een totaalbeeld van de sector en moeten deze met enige voorzichtigheid geïnterpreteerd worden. De begrippen ‘AI’ en ‘geavanceerde data-analyse’ zijn niet eenvoudig af te bakenen en worden beide gebruikt om de ontwikkelingen te beschrijven.
Toename data-analyses
Uit de gesprekken blijkt dat verzekeraars steeds intensiever gebruik maken van (geavanceerde) data-analyses en AI. De verzekeringssector is één van de industrieën die van oudsher veel gebruik maakt van data, met name op het actuariële domein ten behoeve van de premiestelling en het inschatten van adequate voorzieningen. In álle onderdelen van de waardeketen (bijv. acceptatie, claimbehandeling, klantcontact) blijkt de toepassing van data-analyses toe te nemen. Bij schade- en zorgverzekeraars is dit zichtbaar in de gehele waardeketen. Bij levensverzekeraars ligt de focus met name op het automatiseren en optimaliseren van operationele processen, ten behoeve van kostenefficiëntie. De toepassing van geavanceerde data-analyses wordt vooral als nuttig gezien als het schaalbaar en herhaalbaar is.
Voorbeelden
Veelgenoemde voorbeelden in de gesprekken zijn het detecteren van afwijkende claims (fraudedetectie), e-mailroutering naar juiste postvakken, robo advice en chatbots en het analyseren van teksten van klanten m.b.v. text mining. Daarnaast wordt aangegeven dat de frequentie van bestaande analyses, bijv. het modelleren van de risicopremie, de laatste jaren fors omhoog is gegaan. Internet of Things-toepassingen (IoT) worden momenteel niet breed en op grote schaal ingezet, wel zijn er enkele toepassingen en pilots. De mogelijkheden worden met name in de preventie gezien.
Menselijke tussenkomst
In de gesprekken zijn geen voorbeelden naar voren gekomen van volledig geautomatiseerde beslissingen op basis van AI-algoritmes, zonder enige tussenkomst van een mens. Verzekeraars lijken terughoudend te zijn met de inzet van ‘black-box’ modellen. De vele toepassingen van geavanceerde data-analyses en AI worden met name ingezet ter ondersteuning aan en ter advisering in het maken van beslissingen. Verzekeraars vinden de menselijke tussenkomst belangrijk, en hierbij wordt door verzekeraars ook verwezen naar het Ethisch Kader van het Verbond van Verzekeraars. Een veelgenoemd voorbeeld is het detecteren van afwijkende claims (mogelijke fraude). De verzekeraars geven aan dat afwijkende claims, gedetecteerd via een algoritme, altijd door een mens worden beoordeeld.
Solidariteit
Verzekeraars verwachten dat geavanceerde data-analyses steeds meer en steeds vaker worden toegepast. Geavanceerde data-analyses en AI maken het mogelijk om de premiestelling steeds verder te verfijnen. Hierdoor kan geavanceerde risicoselectie ontstaan wat mogelijk zou kunnen leiden tot onverzekerbaarheid. Verzekeraars hebben zorgen geuit over de risico’s indien steeds verdergaande premiedifferentiatie plaatsvindt en de mogelijke impact daarvan op solidariteit. De AFM heeft aandacht voor dit onderwerp, we verwijzen naar de AFM Verkenning over ‘Gepersonaliseerde premies en voorwaarden’ (2021).