Maarten Kramer trad ruim 3 jaar geleden aan als eerste Chief Data Officer van a.s.r.. Wat hem vooral aantrok is de uitdaging om de organisatie en de data bij elkaar te brengen. „Elke grote organisatie neemt veel beslissingen op onderbuikgevoel”, vertelt hij. „Als je je data op orde hebt, kun je die beslissingen veel beter onderbouwen. Zowel naar je medewerkers als naar je klanten. Zo ontstaat meer vertrouwen: een groot goed voor verzekeraars.”
Vanuit de beheersing van die ‘defensieve’ kant kreeg Kramer ook steeds meer ruimte voor de offensieve kant: Hoe haal je meer waarde uit je data? „Die ontwikkeling viel voor mij samen met de doorbraak van ChatGPT”, vertelt hij. „Sindsdien praat iedereen over AI, maar beginnen weinig mensen spontaan over datakwaliteit. Maar juist doordat we die kwaliteit goed op orde hebben, konden we sneller succesvol gaan experimenteren met AI.”
Experiment met letselschade
Hoe kies je de meest kansrijke case, en zet je die keuze snel om in een pilot?
„Wij hebben direct een eigen multidisciplinair team opgezet, en veel aandacht besteed aan het selecteren van een externe specialist, in dit geval de Amsterdamse AI consultant Rewire. We zochten nadrukkelijk naar een echte business partner, die niet alleen ‘even een rapportje produceert’, maar echt ownership pakt en doorgaat tot er een concreet resultaat staat. Natuurlijk mét een heldere visie op onze business én een aantal realistische doelen.”
„Omdat leren voor ons in eerste instantie centraal stond, wilden we geen lange trajecten vooraf uittekenen, maar binnen drie maanden een sterk proof of concept neerzetten. Samen met de experts van Rewire formuleerden we het idee om een AI-agent in te zetten om meer waarde te halen uit de enorme hoeveelheid data waarover a.s.r. beschikt. We zoomden daarbij specifiek in op de miljoenen documenten in al onze letselschadedossiers.”
Waarom kozen jullie specifiek voor een experiment met letselschadezaken?
„Letselschade is een kernproces voor verzekeraars. Er gebeurt iets ingrijpends in iemands leven, met grote financiële impact. Tegelijk is het een echt expertisevak, waarbij we vanwege de grote hoeveelheid werk ook met externe capaciteit werken. Daar zat dus enorme potentie. Daarbij benadruk ik direct dat ‘meer efficiëntie’ niet ons belangrijkste doel is. Dat is de optimale ondersteuning voor onze experts, en betere dienstverlening voor onze cliënten.”
„We zijn ooit van papier naar pdf’s gegaan, maar dankzij GenAI kunnen we die documenten daadwerkelijk lezen en structureren. Letselschadezaken hebben vaak een lange looptijd, met veel correspondentie, rapportages en andere communicatie. Dat resulteert in dikke dossiers waarin een expert zich bij elke ontwikkeling opnieuw in moet verdiepen. Als die expert ‘in één oogopslag’ ziet wat er in een dossier speelt, levert dat direct grote winst.”
“Behandel een AI-agent als een nieuwe medewerker, en begin bij de sollicitatie”
Maarten Kramer a.s.r.
Wat zijn de belangrijkste stappen voor het aan het werk zetten van die AI-agent?
„Behandel een AI-agent als een nieuwe medewerker, en begin bij de sollicitatie. In dit geval was dat een test om te kijken of de agent die hoeveelheid data überhaupt kon verwerken. Daarna werd de agent een starter die we stap voor stap moesten opleiden. Je geeft instructies, en laat je experts doorlopend feedback geven. Door dat proces zorg je direct ook dat de kennis in de hoofden van je medewerkers stukje bij beetje wordt ‘gecodificeerd’.”
„Elke afdeling werkt met regels en afspraken die iedereen normaal vindt en impliciet toepast, maar die nergens specifiek zijn vastgelegd. Zonder die kennis is het voor een AI-systeem heel lastig om zelfstandig naar concrete doelen toe te werken. Heel simpel voorbeeld: in het begin constateerde de agent op basis van communicatie van de tegenpartij dat a.s.r. aansprakelijk was. Maar natuurlijk moet a.s.r. zelf bepalen of de cliënt aansprakelijk is. Dat moet je dus heel expliciet vastleggen in de aansturing van de agent.”
Belangrijkste inzichten
Welke belangrijke of opmerkelijke inzichten leverden deze testfase jou op?
„Bijvoorbeeld dat één enkele agent te veel instructies moest verwerken om alle aspecten van een dossier goed te kunnen beoordelen. Dan wordt het onbeheersbaar en gaat de kwaliteit omlaag. Daarom zijn we gaan opsplitsen naar expertise. Zo kwamen we uit op drie inhoudelijke agents, die elk vanuit een eigen blik hetzelfde dossier lezen: één juridisch, één medisch, en één die de gezinssituatie beoordeelt. Daarboven zit een overkoepelende agent die hun bevindingen samenbrengt tot één overzichtelijk verhaal voor onze medewerkers.”
„Om die medewerkers mee te krijgen, is vertrouwen minstens zo belangrijk als techniek. Daarom krijgen de agents bijvoorbeeld alleen de casusdata, en niet de persoonsgegevens. Net als mensen maken AI-modellen fouten. Daarom ligt de uiteindelijke beslissing altijd bij onze experts. We zorgen bovendien dat medewerkers makkelijk kunnen controleren welke informatie door collega’s is gecontroleerd. Juist door die transparantie en volledige betrokkenheid vanaf dag één bouw je het vertrouwen op dat succesvolle adoptie vereist.”
“Alle 120 medewerkers op de letselschadeafdeling werken nu dagelijks met hun nieuwe digitale collega’s. Ik heb nog geen concrete cijfers, maar het gevoel op de werkvloer is zeer positief”
Maarten Kramer a.s.r.
De pilot is nu succesvol afgesloten, kun je al concrete resultaten delen?
„Alle 120 medewerkers op de letselschadeafdeling werken nu dagelijks met hun nieuwe digitale collega’s. Ik heb nog geen concrete cijfers, maar het gevoel op de werkvloer is zeer positief. Voor mij staat vast dat we onze medewerkers hiermee een zeer waardevolle steun in de rug geven, die zeker positieve impact zal hebben op de snelheid en de kwaliteit waarmee ze hun werk verrichten. Hier gaan onze klanten in de toekomst ongetwijfeld ook op meerdere manieren van profiteren.”
„Ik ben zelf vooral heel enthousiast over de vele nieuwe inzichten die binnen bereik komen nu alle informatie zo goed is gestructureerd. Dat opent de weg naar waardevolle financiële analyses, bijvoorbeeld om de schadelast beter te beheersen of preciezer te bepalen welke bedragen a.s.r. moet reserveren. Samenvattend maakt dit ons proces transparanter, zodat we vergelijkbare zaken naast elkaar kunnen leggen en scherper gaan zien wat de beste aanpak is. En dat is natuurlijk niet alleen in ons belang, maar ook in dat van onze klanten.”
Profiel Maarten Kramer
Maarten Kramer is ruim drie jaar Chief Data Officer van a.s.r. Hij werkte daarvoor al langere tijd binnen de verzekeraar, in uiteenlopende rollen bij onder meer de zorgverzekeraar, klantbediening en IT. Die brede achtergrond in het verzekeringsbedrijf typeert zijn aanpak: de rol van CDO is vooral een organisatievraagstuk, waarbij het vooral aankomt op het verbinden van mensen.
In zijn functie is Kramer verantwoordelijk voor zowel data governance en datamanagement als voor AI, inclusief de bijbehorende strategie en roadmap. Daarmee opereert hij op het snijvlak van business, IT en risk.
Zijn drijfveer is consistent: van onderbuikgevoel naar onderbouwde besluitvorming, met datakwaliteit als fundament en vertrouwen als voorwaarde. Naast zijn werk bij a.s.r. deelt hij zijn praktijkervaring rond data, transformatie en stakeholdermanagement onder meer als gastdocent in een CDO-masterclass.
Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in:
