AI in verzekeringsacceptatie: use cases, data en regelgeving

Niet op korte termijn, maar het vak verandert. Het BLS verwacht dat de werkgelegenheid voor underwriters van 2025 tot 2035 met 4% daalt, omdat geautomatiseerde underwritingsoftware het mogelijk maakt aanvragen met minder mensen te verwerken, maar rekent nog steeds op zo'n 6.800 vacatures per jaar. 81% van de door Accenture ondervraagde leidinggevenden in underwriting verwacht dat AI nieuwe functies creëert. Het werk verschuift van gegevens overtypen en documenten najagen naar het beoordelen van complexe risico's.

Vooral rond de beslissing: aanvragen lezen, data uit ACORD-formulieren en schadeoverzichten extraheren, ontbrekende informatie opvragen, risico's verrijken met externe data en samenvattingen voor referrals voorbereiden. In de NAIC-enquête van 2022–23 onder grote Amerikaanse woonverzekeraars gebruikte 47% geavanceerde AI- of machine-learningmodellen bij underwriting.

Een AI-agent die zelfstandig meerdere stappen doorloopt: hij leest een nieuwe aanvraag, toetst die aan de richtlijnen, vraagt ontbrekende documenten op bij de tussenpersoon, haalt externe data op en bereidt een aanbeveling voor. De underwriter beoordeelt het dossier en neemt de beslissing, en elke stap van de agent wordt vastgelegd.

Alleen als ze kunnen zien waarom. Capgemini stelde vast dat slechts 43% van de underwriters geautomatiseerde aanbevelingen vertrouwt en regelmatig overneemt, met complexiteit en twijfels over data-integriteit als redenen. Vertrouwen ontstaat door bij elk geëxtraheerd veld het brondocument en bij elke aanbeveling de onderbouwing te tonen, en de nauwkeurigheid te meten aan uw eigen eerdere beslissingen.

Houd een overzicht bij van modellen en hun doel, documenteer databronnen, test op oneerlijke discriminatie, leg beslissingen vast met hun invoer en beoordelaar, en houd het senior management verantwoordelijk. Dat sluit aan op het programma voor AI-systemen uit het NAIC Model Bulletin en geeft u de documentatie die toezichthouders kunnen opvragen. Bij kredietacceptatie vereist Regulation B bovendien specifieke redenen in elk afwijzingsbericht.

Dezelfde ideeën toegepast op kredietverlening: inkomens- en vermogensdocumenten verifiëren, voorwaarden afhandelen en de specifieke redenen genereren die Regulation B in afwijzingsberichten vereist.

Toegang tot de plek waar aanvragen binnenkomen (de underwriting-inbox of het portaal voor tussenpersonen), de documenten zelf (ACORD-aanvragen, waardeoverzichten, schadeoverzichten, financiële stukken), het polisadministratiesysteem en de tariferingsengine, eventuele externe data waarvoor u een licentie hebt en uw acceptatierichtlijnen. De assistent bereidt het dossier voor in de werkomgeving van de underwriter, en de underwriter keurt het daar goed.

We beginnen meestal met een proof of concept van 4 weken voor één stap, zoals aanvraagintake of documentextractie, op basis van uw echte aanvragen. Dat kost doorgaans $15K. Een productieoplossing die is geïntegreerd met uw polisadministratie-, tariferings- en documentsystemen begint bij $60K, afhankelijk van data, integraties en beveiligingseisen.