AI en machine learning (ML) veranderen met grote snelheid onze manier van werken en vinden steeds meer toepassingen in de financiële en verzekeringssector. Kredietbeoordeling, fraudedetectie en beleggingsadviezen zijn slechts enkele financiële gebieden waar ML-aangedreven modellen al worden gebruikt. Dergelijke modellen vinden ook hun weg naar de verzekeringssector.

Zo kunnen (persoonlijke) data in combinatie met geavanceerde modellen leiden tot een betere inschatting van risico’s en vervolgens exacter prijzen van verzekeringspremies. Ook kan een gedeelte van de klantinteractie en declaratieafhandeling overgenomen worden door AI-gedreven automatisering. Echter, deze ontwikkelingen komen met de nodige risico’s1. Uitlegbaarheid en ethiek zijn terugkerende thema’s die extra aandacht vereisen.

Aan de ene kant kunnen verzekeraars het zich niet veroorloven om deze nieuwe modellen en technieken niet te gebruiken, aan de andere kant bestaat het gevaar dat een wildgroei van toepassingen en implementaties binnen het hele verzekeringsbedrijf, zonder passende controle en/of beleid, meer nieuwe risico’s introduceert die niet (tijdig) worden onderkend.