Deze ontwikkelingen hebben de uiteindelijke verliezen opgedreven, maar de vraag blijft of de huidige schattingen nauwkeurig zijn. Gezien de onderlinge afhankelijkheid van interne processen bij verzekeraars kan zowel onder- als overschatting van de schadevoorziening en uiteindelijke schadelast problemen veroorzaken, bijvoorbeeld bij prijsstellingsprocessen. Daarom is het nauwkeurig inschatten van letselschades cruciaal.
Gebruik van GenAI en LLM's
Risk modeling-specialisten Michel Abbink en Lars Janssen van PwC pleiten voor het gebruik van Generative Artificial Intelligence (GenAI) en geavanceerde taalmodellen (Large Language Models, LLM's) om de beschikbare data te verbeteren. ‘Deze data kan vervolgens door statistische modellen worden gebruikt voor nauwkeuriger reserveren. Hoewel statistische reserveringsmethoden veelbelovend zijn, staan actuarissen voor uitdagingen zoals complexe datastructuren, inconsistente datakwaliteit en beperkte beschikbaarheid van informatie. Met name in een vroeg stadium van een schadeclaim. Daarom zijn robuuste datacontrols en processen nodig om de kwaliteit en betrouwbaarheid van statistische reserveringsmethoden te waarborgen.’, aldus Janssen.
Marktbenchmark voor statistisch reserveren
PwC heeft eerder een wereldwijde marktbenchmark uitgevoerd rond letselschadereservering, door experts te interviewen. ‘Het onderzoek richtte zich op het in kaart brengen van de huidige ‘best practices’ bij het gebruik van traditionele methoden, statistische modellen en individueel reserveren voor het vaststellen van de schadevoorziening’, vervolgt Abbink.
‘Deze benchmark toonde aan dat de meeste verzekeraars streven naar een datagedreven aanpak. Statistische modellen worden doorgaans gebruikt om claimbehandelaars of actuarissen te ondersteunen, in plaats van direct als primaire reserveringsmethode te worden toegepast. Statistische modellen helpen bijvoorbeeld bij het vaststellen van casusreserves voor grote letselschadeclaims met behulp van uitgebreide medische gegevens.’
Vroegtijdige claimgegevens ontsluiten
‘Een uitdaging bij het toepassen van statistische reserveringsmodellen is de (on)beschikbaarheid van nauwkeurige gegevens en data in de vroege stadia van de levenscyclus van een claim’, stelt Janssen. ‘Vroegtijdig beschikbare data beschikken vaak niet over de voorspellende waarde voor verliescomponenten, zoals ‘verlies aan verdienvermogen’. De gegevens die in een vroeg stadium beschikbaar zijn, zijn vaak ongestructureerd en bestaan uit notities van claimbehandelaars, juridische documenten en correspondentie. Dit leidt tot verschillende uitdagingen en kansen voor verbetering.’
Verschillende uitdagingen en kansen voor verbeteringen
Verbetering van datakwaliteit met GenAI
GenAI kan de kwaliteit en consistentie van gegevens in letselschadeclaimafhandeling aanzienlijk verbeteren. Door gestructureerde informatie uit ongestructureerde bronnen zoals e-mails, gespreksverslagen en notities van claimbehandelaars automatisch vast te leggen en in te vullen, stroomlijnt GenAI het proces. Dit vermindert de werklast van claimbehandelaars, zodat zij zich kunnen richten op complexere en waardevollere taken.
Het is echter belangrijk om te erkennen dat de implementatie van GenAI veranderingen in het claimafhandelingsproces kan veroorzaken’, stelt Janssen. ‘Veranderingen in deze processen kunnen trendveranderingen veroorzaken, waardoor toekomstige ontwikkelingspatronen niet langer vergelijkbaar zijn met eerdere analyses. In het afgelopen decennium hebben zich verschillende veranderingen voorgedaan op de Nederlandse markt, wat heeft geleid tot een toename van de onzekerheid in de reserves en prijsstelling.’
Abbink en Janssen raden verzekeraars aan om GenAI-methoden te evalueren die de bestaande claimafhandelingsprocessen aanvullen in plaats van veranderen. ‘Dit kan worden bereikt door Finance en Actuarial teams aanvullende analyses te laten uitvoeren zonder de processen van claimbehandelaars te veranderen,’ vervolgt Abbink.
AI omarmen voor een concurrentievoordeel
In een snel evoluerend verzekeringslandschap wordt de integratie van AI-technologieën zoals GenAI en LLM's steeds essentiëler. ‘Actuarissen die deze ontwikkelingen omarmen, zullen niet alleen de nauwkeurigheid en efficiëntie van hun reserveringsprocessen verbeteren, maar ook zichzelf positioneren aan de voorhoede van innovatie in de industrie. Grote verzekeraars met substantiële financiering en middelen kunnen deze veranderingen implementeren en processen continu blijven verfijnen. Kleine en middelgrote verzekeraars dienen ervoor te zorgen dat ze deze veranderingen in één keer goed implementeren. De toekomst van de schadeverzekeringssector hangt af van het vermogen om zich aan te passen en deze nieuwe technologieën te benutten,’ concludeert Janssen.
Meer weten over hoe (Gen)AI uw claims kan hervormen?
