De verzekeringssector is uitgegroeid tot de sector waarin in de Verenigde Staten het meest gebruik wordt gemaakt van kunstmatige intelligentie<\/strong> aan de hand van de maatstaf die het belangrijkst is: de frequentie waarmee geautomatiseerde beslissingen individuele consumenten raken.<\/p>\nElke acceptatieworkflow, tariefbepalingsmodule, model voor de afhandeling van schadeclaims en systeem voor fraudedetectie wordt op grote schaal ingezet en levert resultaten op die bepalen of consumenten worden gedekt, tegen welke prijs en onder welke voorwaarden. De risicobeheerprogramma\u2019s die deze beslissingen sturen, hebben echter geen gelijke tred gehouden, met als gevolg dat verzekeraars in toenemende mate te maken krijgen met ingrijpende gevolgen voor de gehele onderneming, terwijl de wettelijke deadlines voor AI-naleving snel naderen.
\nTot voor kort was AI-beheer in de verzekeringssector een kwestie van risicobeheer tussen compliance-teams en juridische afdelingen, maar dat is inmiddels niet meer het geval.
\nEr zijn nu drie afzonderlijke regelgevingskaders die namens de vervoerders een antwoord bieden op de vraag naar het toezicht, en de meeste vervoerders zijn nog niet klaar voor een van deze kaders.<\/p>\n
Drie regelgevingstermijnen bepalen de naleving van de AI-voorschriften<\/h2>\n
De eerste klok tikt weg.
\nDe regelgeving inzake technologie voor geautomatiseerde besluitvorming (ADMT) in Californi\u00eb<\/strong>, dat deel uitmaakt van het algemene privacykader van de staat, op 1 januari 2027 van kracht worden.<\/strong> Op grond van de ADMT moeten organisaties, waaronder verzekeringsmaatschappijen, consumenten het recht bieden om zich af te melden, zorgen voor een degelijke menselijke toetsing en gedocumenteerde risicobeoordelingen verstrekken voor elk geautomatiseerd systeem dat wezenlijke invloed uitoefent op belangrijke beslissingen van consumenten.<\/p>\nVoor verzekeraars gelden de regels voor alle segmenten van de particuliere en zakelijke verzekeringsmarkt. Ze zijn ook van toepassing op regelengines en scoringsmodellen, en niet alleen op systemen voor machine learning. Belangrijk is dat er handhavingsverplichtingen aan verbonden zijn met daadwerkelijke regelgevende gevolgen. De California Privacy Protection Agency (CalPrivacy), die bevoegd is voor de handhaving, kan boetes opleggen van maximaal $7.500 per overtreding, berekend per consument. CalPrivacy heeft al laten zien dat het sancties zal opleggen in plaats van waarschuwingen te geven, met een groeiend aantal handhavingsmaatregelen die beginnen bij honderdduizenden en oplopen tot tientallen miljoenen dollars.<\/p>\n
De tweede klok slaat eerder. Het AI-modelbulletin van de National Association of Insurance Commissioners<\/strong>, nu aangenomen door 25 staten<\/strong>, verplicht vervoerders tot het opstellen van een schriftelijk AI-beheersprogramma dat betrekking heeft op de ontwikkeling, aanschaf, het testen, de monitoring en het toezicht op AI-systemen. De eerste inspectieronde gaat in het vierde kwartaal van start, nog voordat de handhaving door de ADMT van start gaat.<\/p>\nDe derde klok heeft al geslagen. Circulaire nr. 7 van het New York Department of Financial Services (NYDFS), uitgegeven in 2024<\/strong>, verplicht verzekeraars die in New York actief zijn om een schriftelijk AI-beheerprogramma te hanteren waarbij de verantwoordelijkheid op bestuursniveau ligt. Verzekeraars die in New York actief zijn zonder een schriftelijk AI-beheerprogramma, voldoen nu al niet aan de voorschriften.<\/p>\nDeze nalevingsprogramma\u2019s hebben gemeenschappelijke infrastructuurvereisten: een gedocumenteerd overzicht van geautomatiseerde besluitvorming, een model en data-toewijzing, mechanismen ter bescherming van consumentenrechten, bewijsmateriaal voor risicobeoordeling, toezichtsprogramma\u2019s voor leveranciers en schriftelijk vastgelegde beleidsregels inzake governance. Vervoerders die elk kader als een op zichzelf staande nalevingsverplichting beschouwen, bouwen overbodige kosten in hun bedrijfsvoering in en cre\u00ebren structurele hiaten in hun governance, waardoor de kans groot is dat er kostbare herwerkzaamheden nodig zijn naarmate meer staten zich bij deze beweging aansluiten.<\/p>\n
De reikwijdte is groter dan de meeste vervoerders in kaart hebben gebracht<\/h2>\n
De gevaarlijkste misvatting op het gebied van AI-governance in de verzekeringssector is dat deze kaders uitsluitend gericht zijn op AI en machine learning. Dat is echter niet het geval.<\/p>\n
Elk geautomatiseerd systeem dat een wezenlijke invloed heeft op een belangrijke beslissing van een consument valt onder de ADMT<\/strong>. Hieronder valt bijvoorbeeld een 15 jaar geleden ontwikkelde regelsysteem, indien dit van invloed is op de prijsstelling, de toelatingscriteria of de dekkingsvoorwaarden. Ook vallen hieronder fraudebeoordelingsmodellen en workflows voor de afhandeling van schadeclaims, evenals een groot aantal essenti\u00eble besluitvormingsprocessen binnen de gehele onderneming. Het gaat niet om de technologie zelf, maar om de vraag of het besluit een aanzienlijke invloed heeft op het leven van de consument.<\/p>\nHet NAIC-kader breidt deze vereiste verder uit en heeft niet alleen betrekking op de systemen, maar ook op de leveranciers en de data-relaties die daarachter schuilgaan. NYDFS gaat nog een stap verder: verzekeraars moeten zowel hun interne modellen als de externe data-partijen die worden gebruikt om die modellen te voeden, onder controle houden. Voor schadeverzekeraars die op gebruik gebaseerde verzekeringsprogramma\u2019s uitvoeren op basis van telematica en gedragsgegevens van derden (data), is dit van groot belang. Het kader is van toepassing op de data-toeleveringsketen, niet alleen op het beslissingssysteem.<\/p>\n
Verzekeraars die dit werk hebben uitgevoerd, constateren steevast meer risico\u2019s op het gebied van naleving dan zij hadden verwacht: verouderde regelengines die dateren van v\u00f3\u00f3r het ontstaan van enig formeel AI-programma, modellen van derden die in kernplatforms zijn ge\u00efntegreerd, en workflows die al jarenlang de uitkomsten voor consumenten sturen zonder ooit formeel als beslissingssystemen te zijn aangemerkt.<\/p>\n
De meesten hebben deze oefening nog niet gedaan en dat is precies wat de examinatoren komen controleren.<\/p>\n
De trend op het gebied van staatswetgeving zet zich onverminderd voort<\/h2>\n
De wet SB 21-169 van Colorado, die sinds 2023 van kracht is, schrijft voor dat levensverzekeraars maatregelen ter waarborging van de eerlijkheid van algoritmen moeten documenteren en jaarlijks een verklaring moeten indienen bij de verzekeringscommissaris van de staat. Destijds beschouwde de verzekeringssector dit als een specifiek voor Colorado geldende nalevingsverplichting. Dat was echter niet het geval. Het was de norm.<\/p>\n
Het ADMT-kader van Californi\u00eb heeft dezelfde logica uitgebreid naar geautomatiseerde beslissingen in alle verzekeringsbranches, waarbij consumentenrechten, verklaarbaarheid en verantwoordingsplicht aan de orde komen. In New York gelden sinds begin 2024 vergelijkbare vereisten. Illinois, Maryland en Connecticut werken aan soortgelijke kaders. Het NAIC-bulletin is inmiddels in 25 staten van kracht en blijft zich uitbreiden.<\/p>\n
De gevaarlijkste misvatting in AI-beheer in de verzekeringssector<\/strong> is dat deze kaders uitsluitend gericht zijn op AI en machine learning. Verzekeraars die elke ontwikkeling als een op zichzelf staande gebeurtenis hebben beschouwd, hebben per staat losse aanpassingsprogramma\u2019s opgezet. Verzekeraars die het patroon herkennen, ontwikkelen ge\u00efntegreerde programma\u2019s die zijn ontworpen om aan nieuwe vereisten te voldoen naarmate meer staten maatregelen nemen, zonder dat er telkens opnieuw een volledig programma hoeft te worden opgezet. Het verschil zit niet alleen in de kosten, maar ook in de snelheid waarmee men kan concurreren. Wanneer de volgende staat maatregelen neemt, hoeft \u00e9\u00e9n vervoerder slechts aanpassingen door te voeren, terwijl anderen helemaal opnieuw moeten beginnen.<\/p>\nHet verschil zit niet alleen in de kosten, maar ook in de snelheid waarmee men kan concurreren.<\/p><\/blockquote>\n
Wat er nodig is om klaar te zijn voor implementatie<\/h2>\n
Het doel van AI-governance in de verzekeringssector is niet naleving omwille van de naleving zelf. Het gaat om het vermogen om geautomatiseerde besluitvormingsmogelijkheden op grote schaal in te zetten, met het vertrouwen dat deze mogelijkheden kunnen worden toegelicht, verdedigd en aangepast wanneer toezichthouders, consumenten of bedrijfsomstandigheden dit vereisen. Verzekeraars die deze infrastructuur nu opbouwen, beperken zich niet tot het beheersen van hun risico\u2019s op het gebied van regelgeving. Zij leggen de operationele basis voor concurrentievoordeel in een markt waarin AI een centrale rol speelt.<\/p>\n
Dit zijn de vereisten voor die infrastructuur:<\/p>\n
\n- Een gedocumenteerd register van elke geautomatiseerde beslissing<\/strong> ingedeeld volgens de toepassingscriteria van ADMT, NAIC en NYDFS. Niet alleen AI-systemen, maar ook regelengines, scoringsmodellen en profileringstools.<\/li>\n
- Een volledig overzicht van de data die ten grondslag ligt aan die beslissingen<\/strong>, met inbegrip van externe bronnen en bijdragen van externe leveranciers.<\/li>\n
- Kennisgevingen aan consumenten en opt-out-procedures die in de praktijk goed functioneren<\/strong>, niet als beleidsverklaringen, maar als mechanismen die de uitkomsten van beslissingen be\u00efnvloeden.<\/li>\n
- Beoordelingsprocessen waarbij beoordelaars daadwerkelijk de bevoegdheid hebben om beslissingen terzijde te schuiven<\/strong> en hun motivering zodanig vastleggen dat deze voor toezichthouders toegankelijk is.<\/li>\n
- Formele risicobeoordelingen voor elk systeem voor materi\u00eble besluitvorming:<\/strong> gedocumenteerd bewijs dat de vervoerder de risico\u2019s die zijn geautomatiseerde systemen met zich meebrengen, heeft beoordeeld, begrepen en onder controle heeft.<\/li>\n<\/ul>\n
Dit is geen nieuwe bestuursleer. Toezichthouders in diverse rechtsgebieden hebben dit al in de wet vastgelegd. Vervoerders zullen hierop worden beoordeeld wanneer de inspecteurs langskomen.<\/p>\n
De termijn om te bouwen loopt ten einde<\/h2>\n
De NAIC-inspectiecyclus gaat dit najaar van start.<\/p>\n
De handhaving van de ADMT-regeling gaat op 1 januari van start.<\/strong> Beide liggen niet ver in de toekomst en vereisen functieoverschrijdende co\u00f6rdinatie tussen data, de afdelingen Technologie, Juridische Zaken, Verzekering en Schadeafhandeling. Verzekeraars die de tweede helft van 2026 ingaan zonder een schriftelijk AIS-programma, zonder een ADMT-gereedheidsbeoordeling en zonder een AI-governancekader dat voldoet aan de NYDFS-voorschriften, bereiden zich niet voor op een inspectie, maar bevinden zich reeds in de inspectiekamer.<\/p>\nHet goede nieuws is dat de infrastructuur die voor alle drie de kaders nodig is, gemeenschappelijke elementen bevat.<\/strong> Een ge\u00efntegreerd programma, dat eenmalig wordt ontwikkeld en ontworpen is om tegelijkertijd aan de vereisten van ADMT, NAIC en NYDFS te voldoen, kost minder en leidt tot een beter verdedigbare governance dan drie parallelle compliance-werkprocessen. Verzekeraars die dit programma nu opzetten, zullen structurele voordelen genieten op het gebied van voorbereiding op inspecties, implementatiesnelheid en het beheer van relaties met toezichthouders, die hun concurrenten die later in actie komen niet snel zullen kunnen evenaren.<\/p>\nVervoerders die wachten op een geschikter moment om van start te gaan, interpreteren hun agenda verkeerd.<\/p>\n
De geautomatiseerde besluitvormingsprocessen zijn in werking. De kaders zijn van kracht. Elke maand zonder een AI-governanceprogramma vormt een regelgevingsachterstand, en het aflossingsschema staat vast.<\/p>","protected":false},"excerpt":{"rendered":"
Nu AI zich ontwikkelt van conversatiegerichte chatbots naar autonome, agentgebaseerde workflows, zijn bijscholings- en implementatiediensten voor ondernemingen de fundamentele drijfveer geworden achter AI-transformatie en organisatorische schaalbaarheid. Eenvoudige prompt-engineering is uitgegroeid tot een veelzijdige discipline die specificatie, context-engineering, low-code-orkestratie en procesherontwerp omvat. Organisaties die de implementatie van AI beschouwen als een holistische bedrijfstransformatie in plaats van als de inzet van een technisch hulpmiddel, realiseren een aanzienlijk hogere doorvoersnelheid en een veel hoger rendement op investering. Artefact staat centraal in deze ontwikkeling en stelt ondernemingen in staat om de vaardigheden van hun personeel te moderniseren, kernprocessen te herontwerpen met het menselijk oordeel als uitgangspunt, en robuust beheer in te voeren om AI veilig en snel op te schalen.<\/p>","protected":false},"featured_media":293340,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[2995,21930],"blog-language":[2991],"class_list":["post-1401268","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-ai-technology","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/blog\/1401268","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/media\/293340"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/media?parent=1401268"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/blog-category?post=1401268"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/nl\/wp-json\/wp\/v2\/blog-language?post=1401268"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}