‘Fit for use’ – een pragmatisch AI-beoordelingskader voor verzekeraars

Kennisbank •
Henny Verheugen AAG, Raymond van Es

Kunstmatige intelligentie is allang geen vergezicht meer voor de verzekeringssector. Prijsstelling, schadebehandeling, fraudedetectie, kapitaal-modellering en zelfs klantinteractie maken steeds meer gebruik van Machine Learning (ML) en Large Language Models (LLM’s).

‘Fit for use’ – een pragmatisch AI-beoordelingskader voor verzekeraars

Deze toepassingen brengen, naast nieuwe kansen en mogelijkheden, ook een aantal risico’s met zich mee:

  • Juridische claims, bijvoorbeeld door het overtreden van de AI-act
    of de AVG;
  • Reputatieschade door een bevooroordeeld algoritme;
  • Strategische, financiële en operationele risico’s door foutieve
    voorspellingen;
  • Technologische risico’s door het lekken van informatie of het van
    buitenaf manipuleren van het algoritme.

Veel van de risico’s van AI-modellen worden gelopen na de implementatie van de modellen en door onjuiste ontwikkeling en beheer van de AI-modellen. Denk aan falende systemen en onvoldoende beveiliging. Onjuist gebruik leidt ook zeker tot risico’s die vooral gerelateerd zijn aan misinformatie en onjuiste beslissingen.

Lees dit artikel verder onder Download.