de Beursbengel | nr. 860 | december 20166 de Beursbengel | nr. 860 | december 2016

‘De robo-verzekeringsadviseur komt eraan’. Deze kop prijkte op amweb.nl in augustus van dit jaar. De opkomst van technologie en startups richt zich niet alleen op het introduceren van nieuwe verzekeringsmodellen, zoals peer-to-peer of het beter bepalen van risico’s, maar ook op het geven van advies. Maar kan een robo-verzekeringsadviseur een menselijke adviseur vervangen? En wat gebeurt er als een robo-verzekeringsadviseur onverhoopt een verkeerd advies geeft?

De verzekeringssector is van oudsher een sector die drijft op face-to-facecontacten en persoonlijke rela-ties. Een sector die

tevens bekend staat als conservatief en als achterblijver als het gaat om technologische ontwikkelingen. Maar inmiddels is achterblijven geen optie meer: veranderingen in het consu-mentengedrag dwingen de sector om op korte termijn flink te innoveren. Dat geldt niet alleen voor verzeke-raars, maar ook voor verzekeringsad-viseurs. In een economische analyse geeft de Rabobank aan dat de markt sterk verzadigd is geraakt, waardoor er amper nog omzetgroei te reali-seren is. Verzekeringsadviseurs zijn genoodzaakt om samen te gaan of om met innovatieve oplossingen te komen, die de klant nog beter bedie-nen. Vooral Digital Advice Play wordt

hier genoemd als trend c.q. oplossing om het hoofd boven water te houden in een markt met felle concurrentie, forse (verhoging van) assurantie-belastingen en toenemende wet- en regelgeving.

Uit onderzoek van Oxford University1

is gebleken dat de mate van auto-matisering van werkzaamheden in de verzekeringssector hoog is. Over het algemeen is de kans groter dan 92 procent dat de werkzaamheden volledig geautomatiseerd uitgevoerd kunnen worden. Het integreren van robo-advies in de huidige dienstverlening is essenti-eel om mee te kunnen (blijven) doen. Diverse startups, zoals Lemonade en Evia, hebben zich dit reeds eigen gemaakt. Klanten communiceren met een Artifical Intelligence-Bot die op basis van diverse databronnen real

time advies kan geven, schades kan afwikkelen en polisvragen kan be-antwoorden of zelfs kan vergelijken.

En dit allemaal in een fractie van een seconde.

DRIE TYPENAlvorens dieper in te gaan op de term ‘robo-adviseur’, is het belangrijk de term te definiëren. Over het alge-meen kan een robo-adviseur in drie typen opgesplitst worden:1. Low Intelligent (alleen tekstmoge-

lijkheden);

2. Medium Intelligent (alleen tekstmo-gelijkheden);

3. High Intelligent c.q. Artificial Intel-ligence (tekst- en spraakmogelijkhe-den).

De ‘Low Intelligent robo-adviseur’ heeft geruime tijd geleden zijn intrede ge-daan, met name in de vorm van tools als de online prijsvergelijker en andere digitale tools die op basis van een vragenlijst tot een advies of conclusie komen. Omdat dit advies geautomati-seerd tot stand komt, kunnen dit soort tools geschaard worden onder de term ‘robo-advies’. Het nadeel van dit soort robo-advies is dat het niet voldoende rekening houdt met de specifieke si-tuatie van de klant en daardoor niet tot een geïndividualiseerd advies kan komen. De mate van interactiviteit is laag, waardoor er afbreuk gedaan wordt aan de perceptie van robo-ad-vies vanuit een klantperspectief. Klan-ten worden gesegmenteerd en op basis hiervan wordt een advies gegeven. Een stap verder is de ‘Medium Intel-ligent robo-adviseur’ (Mira). In begin-sel is een Mira een interactieve vra-genlijst. Een Mira is in staat vragen te stellen en antwoorden te interpreteren.

VERVANGEN WORDEN DOOR ROBOTS: KANS GROTER DAN 90 PROCENT?

Onder-zoek toont aan dat bekwaam-heid van bots nog ver achterloopt op die van mensen

de Beursbengel | nr. 860 | december 2016 7de Beursbengel | nr. 860 | december 2016

Op basis hiervan werkt een Mira een beslisboom af en komt tot een advies. In tegenstelling tot de Low Intelligent robo-adviseur heeft een Mira meer interactie met de klant en kan op basis hiervan een beter afgestemd advies uitbrengen. Net als bij de Low Intel-ligent robo-adviseur, is ook een Mira gelimiteerd, in dit geval tot de beslis-boom. Vragen die door de klant gesteld worden, maar die niet in het ‘vraag- en antwoordboek’ van een Mira voorko-men, krijgen nul op het rekest. De laatste stap in de evolutieketen is een ‘Artificial Intelligence’ (AI), gevoed door (big) data en met behulp van Machine Learning in staat om geïndi-vidualiseerde adviezen te geven. Door het zelflerende vermogen en continue connectiviteit zal dit ertoe leiden dat een AI tevens dynamische adviezen kan geven, telkens afgestemd op de huidige situatie. De Low Intelligent en Medium Intelligent robo-adviseurs worden beperkt door hun ‘intelligen-tie’. Een AI is een intelligentie op zich, die zelf kan ‘nadenken’, in staat is om vragen te stellen en te beantwoorden

zonder hier voorgedefinieerde kennis c.q. een beslisboom voor te hebben en tot conclusies kan komen. Door de tekst te analyseren is een AI in staat om op bijna elke vraag een antwoord te geven. Het analyseren van grote hoeveelheden data en het herkennen van patronen daarin met behulp van Deep Learning, zorgen ervoor dat een AI-bot veel meer gepersonaliseerde kennis heeft over de dan de andere robo-adviseurs. Klanten worden niet meer gesegmenteerd, maar als individu behandeld. Op basis van persoonlijke karakteristieken worden de risico’s en premie bepaald. Stelt u zich een robo-adviseur voor die, met toestemming, vanuit diverse bronnen gegevens verzamelt om van u een profiel aan te maken. Op basis van dit profiel kan een High Intelligent

robo-adviseur inschatten wat uw kans op schade is en hoe hoog uw premie moet zijn. Vervolgens krijgt u drie keuzes aangeboden, waarvan u graag wilt weten wat de verschillen in polis-voorwaarden zijn met betrekking tot een specifieke clausule. De robo-advi-seur analyseert de polisvoorwaarden, vergelijkt deze met elkaar en geeft u vervolgens het antwoord, waarmee u de juiste polis kunt kiezen. Of een AI robo-adviseur de werkzaamheden van een adviseur kan overnemen, blijft nog de vraag. Immers kan ook bij robo-advies het een en ander verkeerd gaan. Robo-advies maakt gebruik van de input van klanten en overige databronnen. Als er verkeerde

informatie gegeven en/of opgeslagen wordt, dan kan het gegeven advies incorrect zijn voor de situatie van de klant. Ook de software kan misstap-pen vertonen. Zo kan het algoritme verkeerd samengesteld zijn, waardoor de verkeerde analyses tot stand ko-men. Daarnaast kan de bot, zoals elke andere software, mankementen verto-nen die resulteren in foutmeldingen. En dit komt de klantvriendelijkheid niet ten goede.

VERANTWOORDELIJKHEIDAls er onverhoopt fouten ontstaan die leiden tot verkeerd advies, roept dat onvermijdelijk de vraag op wie hiervoor verantwoordelijk is. Is de

softwareleverancier verantwoordelijk voor de consequenties van verkeerd advies of ligt de verantwoordelijk-heid eerder bij de dienstverlener die de robo-adviseur aanbiedt? De verantwoordelijkheidsvragen zul-len dieper ingaan op zaken als wie heeft het algoritme ontwikkeld, wie is verantwoordelijk voor de vragen

die gesteld worden, wie bepaalt het risico? De verandering in het Besluit Gedragstoezicht financiële onderne-mingen (BGfo) zal er in ieder geval op toezien dat robo-advies aan dezelf-de regelgeving zal moeten voldoen als menselijk advies. Deze wijziging ziet erop toe dat een financieel dienstverlener die geauto-matiseerd financieel advies aanbiedt, moet beschikken over procedures en maatregelen die ervoor zorgen dat het advies voldoet aan de Wft-advies-regels. Aan een robo-adviseur zal een gediplomeerde medewerker gekop-peld moeten worden, die de adviezen (al dan niet periodiek) controleert. Als blijkt dat de gegeven adviezen

niet volstaan, dan zal men moeten stoppen met robo-advies. Hieruit kun-nen we herleiden dat de verantwoor-delijkheid voor de gegeven adviezen bij de financieel dienstverlener ligt en in mindere mate bij de software-leverancier. Een ander vraagstuk dat opkomt, is dat van complexiteit. Als een robo-adviseur dusdanig ‘slim’ is en tot zeer gepersonaliseerde advie-zen kan komen, zijn deze dan voor een menselijke adviseur nog goed te interpreteren, te controleren en te verifiëren? De consequenties van verkeerd ad-vies kunnen kostbaar zijn. Menselijk advies is niet feilloos, getuige de ju-risprudentie. In die gevallen gaat het echter om (enkele) individuele zaken. Een robo-adviseur is juist gecreëerd om een hoog volume te kunnen be-dienen. Eén keer een verkeerd advies geven, dat ertoe leidt dat een voertuig

Het inte-greren van robo-advies in de huidige dienst-verlening is essentieel om mee te kunnen (blijven) doen

»

WHAT’S THE DIFFERENCE?Machine Learning, Deep Learning en Artificial Intelligence zijn veel (door elkaar) gebruikte ter-men. Hoewel de de drie nauw samenhangen, is er wel degelijk een verschil: Artificial Intelligence is de overkoepelende naam voor onder meer Machine Learning en Deep Learning. Het samenbrengen en gebruik van deze en andere technieken maakt een AI en stelt een AI in staat om te kunnen schaken of deel te nemen aan Jeopardy (Amerikaanse spelshow).Machine Learning is een techniek waarbij algoritmes in staat zijn zichzelf te verbeteren, c.q. aan te passen aan de hand van data, zonder menselijke tussenkomst. Dit staat ook wel bekend als zelflerende algoritmes of programma’s.Deep Learningtechnieken houden zich bezig met neurale netwerken en proberen feitelijk de werking van een menselijk brein na te bootsen. Met Deep Learning is het mogelijk om meerdere lagen aan informatie te begrijpen. Hierdoor is men in staat om afbeeldingen te herkennen en te interpreteren. Hetzelfde geldt voor taal en in het bijzonder voor het juist vertalen ervan.

JOBS MOST AT RISK OF BEING REPLACED BY ROBOTSOccupation Ranking* Propensity to be

computerisedInsurance Underwriters 5 99%Insurance Claims and Policy Processing Clerks

14 98%

Insurance Appraisers/Auto Damage

18 98%

Insurance Sales Agent 38 92%

*Ranking of insurance-related roles by likelihood of computerisation (ranked out of 702 professions).

de Beursbengel | nr. 860 | december 20168 de Beursbengel | nr. 860 | december 2016

ALS PADDENSTOELENToch schieten de bot-startups als pad-denstoelen uit de grond. Hoewel niet alle startups zich richten op de ver-zekeringsindustrie, blijkt dit toch een interessante markt te zijn. Er is voor

meer dan een half miljard dollar geïn-vesteerd in diverse bot-startups en de lijn is stijgende. Vanwege de grote inte-resse in deze startups bij investeerders, zijn de traditionele bedrijven in hoog tempo strategische samenwerkingen aan het aangaan met diverse startups om hiervan te kunnen profi teren. Een voorbeeld van een bot-startup is Spixii. Spixii gaat op basis van een aantal vragen voor de gebruiker op zoek naar de beste polis en adviseert de gebruiker over de keuze voor een polis. Insurify, een Amerikaanse prijs-vergelijker, lanceert binnenkort Evia. Deze bot stelt met behulp van big data een profi el van de gebruiker samen en werkt vervolgens nauw samen met verzekeraars om tot gepersonaliseerde premie-off ertes te komen. Lemonade spant momenteel de kroon in het combineren van bots met verzekeringen. Bij Lemonade verloopt namelijk het merendeel van het proces via een bot, van het berekenen van de premie tot het afhandelen van schade: alle onderdelen worden afgevangen

door een bot. Het afsluiten van een verzekering is hierdoor binnen 90 seconden afgerond en het afhandelen van een schade binnen 3 minuten. Het gemak en de snelheid zorgen voor een hoge klanttevredenheid. Hoewel Lemonade een ‘front run-ner’ is op dit gebied, zal het nog enige tijd duren voordat er intelligente bots komen die het werk van onder meer tussenpersonen kunnen vervangen. Onderzoek van Accenture toont aan dat de bekwaamheid van bots nog ver achterloopt op die van mensen. Hoewel deze achterstand in de komende jaren ingehaald kan worden, blijft de tus-senkomst van een menselijke adviseur onmisbaar. Niet alleen vanwege de wet- en regelgeving. Maar er zullen altijd uitzonderingen of zeer complexe gevallen zijn waar een robo-adviseur niet mee om kan gaan. Daarnaast zal er altijd een doelgroep blijven bestaan die persoonlijke interactie op prijs stelt. De verwachte integratie van robo-advies in de huidige dienstverlening zal zich toespitsen op het volumegedeelte, de eenvoudige tot semi-complexe aanvra-gen. l

H. (Hamza) Jap-TjongDe auteur is co-founder van InsurTech Holland.

VOETNOOT:1. The Future of Employment, Frey and

Osborne, sept . 2013.

RISE OF BOTS

CLIENT ADVISOR LIFECYCLE

ARTIFICIAL INTELLIGENCE Een veel genoemd en gebruikt voorbeeld van AI is IBM’s supercomputer Watson, die in 1997 Kasparov, toentertijd de beste schaker ter wereld, kon verslaan. Tegenwoordig kan de computer veel meer. Watson is in staat artsen te ondersteunen in hun diagnostiek, maar weet ook de toon en/of emotie uit teksten te halen. Dat kan het opstellen van bijvoorbeeld e-mails eenvoudiger maken. Ook het analyseren van afbeeldingen en data kan ertoe leiden dat Watson in staat is om het werk van schade-experts te vergemakkelijken. Binnen enkele seconden kan Watson een schadecalculatie opstellen. Momenteel is Watson alleen nog in staat Engels te ‘begrijpen’, maar het zal een kwestie van tijd zijn alvorens andere populaire talen begrepen kunnen worden.Niet alleen IBM richt zich op AI, ook partijen als Google en Apple zijn bezig met AI. Benieuwd naar wat een AI kan? Ga naar https://goo.gl/LN5DM4 en beluister een muziekfragment gecre-eerd door de AI van Google. Niet elke AI komt positief in het nieuws. In maart 2016 lanceerde Microsoft Tay, een Artifi cial Intelligence die tekst en afbeeldingen kon interpreteren en hier reacties op kon geven. Zestien uur nadat Tay online ging, werd de AI offl ine gezet door Microsoft. Omdat Microsoft Tay niet had aangeleerd wat het verschil is tussen goed en fout, waren Twitter-gebruikers in staat Tay te veranderen in een haatdragende en racistische AI. Op een gegeven moment werd Tay zelfs een Hitler-aanbidster, waardoor de AI offl ine werd gezet. Net als jonge kinderen, kan een AI zoals Tay, zeer beïnvloedbaar zijn.

voor 5.000 euro is onderverzekerd, is nog te overzien. Honderdmaal zo’n verkeerd advies van 5.000 euro geven zal voor een grote kostenpost zorgen. Een risico om rekening mee te houden.