Een dik letselschadedossier is vooral veel leeswerk. Juridische stukken, medische rapportages, brieven over werk en inkomen. Bij a.s.r. wordt dat lezen sinds dit jaar gedeeltelijk gedaan door software die het dossier vanuit drie invalshoeken tegelijk doorneemt.
De verzekeraar zet vier AI-agents in. Drie ervan analyseren hetzelfde dossier, elk met een eigen bril: juridisch, medisch en sociaal. Een vierde bundelt die bevindingen tot één overzicht voor de behandelaar. Alle 120 medewerkers van de letselschadeafdeling werken er dagelijks mee (Bron: SchadeCarriere, 15 juli 2026).
Beginner-tipEen AI-agent is niet hetzelfde als een chatbot. Een chatbot antwoordt op wat je vraagt. Een agent krijgt een doel en bepaalt zelf welke stappen hij zet om daar te komen: een document opvragen, een database raadplegen, een samenvatting schrijven. Die zelfstandigheid is precies waarom er afspraken over nodig zijn.
Opgeleid als een nieuwe collega
Volgens Chief Data Officer Maarten Kramer begon het project niet bij de techniek maar bij de kwaliteit van de data. Daarna werd de agent benaderd als een nieuwe medewerker: eerst testen of de basisvaardigheden er zijn, dan stapsgewijs opleiden met duidelijke instructies en voortdurende feedback van ervaren letselschadespecialisten.
Dat is meer dan een aardige metafoor. Wat er feitelijk gebeurt, is dat impliciete vakkennis van specialisten wordt omgezet in expliciete regels waarmee het systeem kan werken. Kennis die vroeger in hoofden zat, komt in het systeem terecht.
Twee grenzen zijn hard getrokken. De AI krijgt uitsluitend toegang tot casusinformatie en niet tot persoonsgegevens. En het eindoordeel blijft bij de menselijke expert. Harde productiviteitscijfers heeft a.s.r. nog niet; het bedrijf noemt het vooral een stap naar betere dossieranalyse en meer transparantie.
Waar het misgaat, gaat het mis bij autonomie
Joop Snijder, AI-specialist bij Info Support, beschrijft in een longread van het Verbond van Verzekeraars wat er kan gebeuren als je een agent te snel te veel laat. Hij noemt drie scenario’s die voor jou als verzekerde direct merkbaar zijn: een agent die claims te ruimhartig toekent, een agent die taken oppakt die hem niet zijn toebedeeld, en een agent die gegevens vrijgeeft aan iemand voor wie ze niet bestemd waren (Bron: Verbond van Verzekeraars).
Zijn advies klinkt saai en is daarom waarschijnlijk juist: begin klein, geef zo min mogelijk autonomie, kijk wat het systeem doet, en breid pas uit tot het punt waarop je het risico niet meer acceptabel vindt. “Ik vergelijk het altijd met een junior in de organisatie”, zegt hij. “Die laat je ook niet meteen al het seniorwerk doen.”
Snijder wijst er daarbij op dat de AI-verordening voorschrijft dat mensen recht hebben op uitleg over hoe een beslissing tot stand kwam. Dat is de reden dat hij een mens op de kritieke overdrachtsmomenten wil houden: niet uit voorzichtigheid, maar omdat het anders juridisch niet uit kan.
Wat jij hiermee kunt
Concreet: als je een claim indient en die wordt afgewezen of lager uitbetaald dan je verwachtte, mag je vragen waarop dat oordeel rust. Je mag ook vragen of er geautomatiseerde verwerking bij betrokken was. Een verzekeraar die dat niet kan uitleggen, heeft een probleem, en jij niet.
Er komt een kant bij die nu nog theoretisch klinkt. Snijder verwacht dat verzekerden straks hun eigen agent inzetten om claims in te dienen. Dat verlaagt de drempel om te claimen flink. Voor wie ooit is afgehaakt bij het vierde formulier, is dat winst. Voor verzekeraars is het een stroom claims die door software wordt aangeleverd en die door andere software wordt gelezen.
Op dat moment is de vraag wie er nog ergens in het proces zit die het dossier écht kent.