NTT DATA brengt agentgerichte AI naar de kern van de verzekeringsbranche

NTT DATA heeft AI for Insurance gelanceerd, een agentgerichte kunstmatige intelligentie-oplossing ontworpen om complexe processen in de verzekeringssector te transformeren, zoals underwriting, claims management en klantenservice, in herhaalbare en governance-gestuurde diensten. De oplossing steunt op AIVista, het AI-platform van het bedrijf, en richt zich op een van de belangrijkste belemmeringen in de sector: het verschuiven van geïsoleerde pilots naar geïntegreerde, auditbare AI-operaties met menselijke supervisie.

De kernpunten van NTT DATA AI for Insurance in 20 seconden

• De oplossing combineert AI-agenten, sector-specifieke modellen, orkestratie en governance-controles.
• Speciaal ontworpen voor underwriting, claims, klantenservice en andere kernprocessen van verzekeraars.
• Kan geïntegreerd worden met bestaande systemen zonder dat de kern wordt vervangen.
• NTT DATA wil ook afhankelijkheid van een enkel fundamenteel model voorkomen.
• De rapportage voor 2026 laat een sterke adoptie van AI zien in back- en mid-office, maar nog beperkte industrialisatie.

De lancering komt op een moment dat verzekeraars steeds meer gebruik maken van AI, maar nog steeds problemen ondervinden bij het consistente in productie brengen ervan.

Volgens het NTT DATA Global AI Report 2026 voor verzekeringen passen 86,7% van de toonaangevende organisaties AI toe in back- en mid-office processen, terwijl 66,7% het ook gebruiken voor groei-georiënteerde use-cases in front-office. Toch blijft het verschil groot tussen experimenteren met modellen en ze integreren als stabiele operationele onderdelen.

Dit is precies het terrein dat AI for Insurance wil betreden.

Van een chatbot tot agents die deelnemen in processen

De aanpak van NTT DATA gaat veel verder dan het toevoegen van een conversatie-assistent op de website van een verzekeraar.

De architectuur is ontworpen om gespecialiseerde agents te integreren binnen volledige processen. Deze agents kunnen informatie verzamelen, documenten analyseren, interne systemen raadplegen, regels toepassen, besluiten voorstellen en samenwerken met mensen en bedrijfsapplicaties.

In underwriting kan bijvoorbeeld een agent informatie uit diverse systemen verzamelen, risicogegevens aanvullen en een aanbeveling presenteren aan de acceptant.

Bij schadeafhandeling kunnen ze helpen bij het classificeren van dossiers, verzamelen van documentatie, identificeren van gevallen die extra review nodig hebben en context bieden aan de afhandelaar.

En in klantenservice kunnen ze informatie uit polissen, claims en CRM-systemen combineren om met meer context te reageren.

NTT DATA beschrijft deze aanpak als een verschuiving van simpel door AI ondersteunde workflows naar gedeeltelijk door AI geleide operaties, waarbij menselijke interventie behouden blijft waar nodig.

Het bedrijf benadrukt dat laatste punt, omdat verzekeringen bijzonder gevoelig zijn voor besluitkwaliteit. Onjuiste automatisering kan impact hebben op premies, uitkeringen, risicobeoordelingen of de rechten van polishouders.

Daarom omvat de oplossing menselijke supervisie en controles binnen de operationele laag zelf.

De uitdaging: governancering van de agent, niet alleen van het model

Governance vormt een van de kernpunten van het platform.

NTT DATA integreert specifieke guardrails om beslissingen van de agents te controleren, traceerbaarheid te waarborgen en bewijsmateriaal te genereren dat later kan worden herzien.

Dit is belangrijk omdat in een agentgerichte architectuur niet alleen de output van een model relevant is, maar ook:

• welke gegevens geraadpleegd zijn;
• welke regels toegepast zijn;
• welke tools gebruikt zijn;
• welke acties voorgesteld zijn;
• welke systemen aangepast zijn;
• wie de beslissing heeft goedgekeurd;
• en welke bewijzen geregistreerd zijn.

De complexiteit neemt toe in gereguleerde sectoren, omdat organisaties niet alleen het resultaat moeten uitleggen, maar ook het proces dat tot dat resultaat geleid heeft.

Volgens studie van NTT DATA gebruikt 67,4% van de verzekeraars die als leiders in AI worden beschouwd, gecentraliseerde governance-modellen, tegenover slechts 23,5% bij minder gevorderde organisaties.

De verschillen suggereren dat grootschalige AI-deployments sterk afhangen van het beschikken over gemeenschappelijke controles op modellen, data en beslissingen.

Integratie zonder de kern van de verzekeraar te vervangen

Een ander belangrijk aspect is integratie.

Grote verzekeraars werken vaak met systemen die tientallen jaren in ontwikkeling en uitbreiding zijn. Het volledig vervangen van de core om nieuwe AI-laag te implementeren zou kostbaar, traag en riskant zijn.

NTT DATA positioneert AI for Insurance als een laag die kan integreren met deze bestaande systemen.

Het bedrijf beschrijft de aanpak als cloud-agnostic en stelt dat het kan connecten met gangbare platformen in de sector en met de systemen, data en processen die de organisatie al gebruikt.

In de praktijk kan de architectuur er bijvoorbeeld als volgt uitzien:

Core verzekeraar
      │
CRM ──┼──────── Externe data
      │
      ▼
NTT DATA AI for Insurance
      │
 ┌────┼────────────┐
 │    │            │
 ▼    ▼            ▼
Agent Agent Agent
risico Schade Klant
 │    │            │
 └────┼────────────┘
      ▼
Mens / systeem / workflow

Het doel is om een laag van intelligentie en orchestratie toe te voegen zonder dat het project noodzakelijkerwijs een volledige migratie van het transactionele systeem wordt.

Wil ook de afhankelijkheid van één enkel AI-model voorkomen

De afhankelijkheid van technologie beperkt zich niet tot de kern.

Een organisatie die alles bouwt rondom één groot model kan over enkele jaren geconfronteerd worden met vergelijkbare problemen als bij eigendomsplatforms: kosten, evolutie van capaciteiten of commerciële voorwaarden kunnen veranderen.

NTT DATA benadrukt dat haar oplossing model routing bevat, zodat verschillende modellen afhankelijk van de taak geselecteerd kunnen worden.

Dit is een belangrijke beslissing omdat niet alle taken hetzelfde grote taalmodel (LLM) vereisen.

Een classificatieproces kan bijvoorbeeld volstaan met een klein en goedkoop model, terwijl een complexer geval een krachtiger model met meer redeneervermogen vereist.

Een dergelijke architectuur zou conceptueel kunnen werken als:

Aanvraag
   │
   ▼
Model router
   │
   ├── Klein model → classificatie
   ├── Gespecialiseerd model → documenten
   ├── Geavanceerd model → redenering
   └── Lokaal model → gevoelige informatie

Naast het verlagen van afhankelijkheid kan deze aanpak ook directe kostenbesparingen opleveren bij inferentie.

Specifieke sectoruele data en kennis

Een bijzonder belangrijk onderdeel van de oplossing is wat NTT DATA insurance data genome noemt, en de kennisbasis die specifiek op de sector gericht is.

Dit concept helpt een veelvoorkomend probleem in zakelijke AI aan te pakken: een algemeen model begrijpt taal, maar beschikt niet noodzakelijk over interne kennis van een verzekeraar.

Het heeft context nodig over elementen zoals:

polis
 ├── dekkingen
 ├── uitsluitingen
 ├── verzekerde
 ├── begunstigden
 ├── premies
 └── voorwaarden

Claim
 ├── bijbehorende polis
 ├── schade
 ├── documentatie
 ├── fraude
 └── uitkering

De bruikbaarheid van een bedrijfsbrede AI hangt af van een correcte koppeling van deze concepten aan echte systemen en data.

NTT DATA probeert dit te realiseren via ontologieën en sector-specifieke modellen voor verzekeringen, zodat agents beter polisvoorwaarden, claims, documentatie en regelgeving kunnen interpreteren.

Deployment kan wel driemaal sneller plaatsvinden volgens NTT DATA

Volgens het bedrijf kunnen de vooraf geconfigureerde agents de implementatietijd wel driemaal versnellen.

Dit is een inschatting van de leverancier, en het werkelijke tempo hangt af van de systemen van elke verzekeraar, datakwaliteit, benodigde integraties en regelgevende eisen.

Maar de strategie is helder:

model
+ prompts
+ RAG
+ agents
+ security
+ integratie
+ audit
+ workflow

NTT DATA levert componenten die al gericht zijn op specifieke sectorale cases.

Hierna kunnen verzekeraars de agents aanpassen aan hun producten en processen.

AI wil direct ingrijpen in underwriting en claims

Het belangrijkste verschil met eerdere AI-generaties ligt in de mate van operatieve besluitvorming die deze tools benaderen.

Jarenlang waren de meest zichtbare toepassingen chatbots, documentanalyse en werknemersassistenten.

De agentgerichte AI begint nu dichterbij te komen bij processen zoals:

Underwriting. Informatie verzamelen en helpen bij risico-evaluatie voorafgaand aan acceptatie en prijsstelling van polissen.

Siniestres. Claims classificeren, complexe gevallen identificeren, data verzamelen en de afhandelaar ondersteunen.

Fraude. Signalen koppelen, verdachte dossiers prioriteren en onderzoeken initiëren.

Klantenservice. Vragen afhandelen met context uit verschillende systemen.

Operaties. Taken automatiseren die voorheen handmatig informatie-uitwisseling vereisten tussen applicaties.

Volgens NTT DATA richten toonaangevende verzekeraars zich al op deze gebieden. Het rapport noemt onder meer underwriting, claims verwerking, fraudedetectie, prijsbepaling en distributie als belangrijke domeinen waar waarde wordt gecreëerd.

Regelgeving houdt menselijke supervisie noodzakelijk

Volledige automatisering blijft bijzonder lastig in de verzekeringssector.

Beslissingen kunnen direct impact hebben op mensen en bedrijven, waardoor regelgeving, dataprivacy, uitlegbaarheid en intern risicobeheer zwaar wegen.

NTT DATA stelt daarom een architectuur voor met menselijke oversight, waarbij bepaalde besluiten door een review of goedkeuring door mensen worden gecontroleerd.

Het model kan bijvoorbeeld zijn:

AI-agent
   │
   ▼
Evaluatie
   │
   ├── Laag risico → automatisering
   ├── Uitzondering → menselijke review
   └── Hoog risico → blokkering / escalatie

Het doel is niet per se het volledig verwijderen van ondertekenaars, experts of claimsbehandelaars, maar het verminderen van handmatig werk rondom hun beslissingen.

Een transitie naar Service-as-Software

NTT DATA gebruikt ook de term Service-as-Software om dit product te beschrijven.

De semantische verandering is significant.

Traditionele enterprise software biedt tools die door mensen worden gebruikt om taken uit te voeren.

In het concept van Service-as-Software wordt een deel van de eigenlijke taak omgezet in een functie die door de software wordt geleverd.

Bijvoorbeeld, in plaats van alleen een applicatie om een claim te beoordelen:

medewerker → software → beslissing

Ontwikkelt zich richting:

gegevens
   ↓
agenten + regels + systemen
   ↓
voorstel/actie
   ↓
menselijke supervisie

Een van de belangrijkste trends achter zakelijke AI is daardoor de verschuiving van het verkopen van software die processen ondersteunt, naar het aanbieden van platforms die een deel van die processen rechtstreeks uitvoeren.

NTT DATA begint met gedegen sectorervaring

Het bedrijf betreedt deze markt met een significante positie in verzekeringen.

NTT DATA meldt meer dan 12.000 verzekeringsspecialisten, 16 leveringscentra en samen te werken met 10 van de 25 grootste verzekeraars wereldwijd, gemeten naar niet-bancaire activa.

Deze sectorkennis is cruciaal, omdat het één van de grote uitdagingen van zakelijke AI niet alleen is: toegang tot een goed model.

Fundamentele modellen worden steeds meer een vervangbare laag.

De toegevoegde waarde verschuift naar:

eigen data
+ processen
+ integratie
+ governance
+ sectorkennis

En vooral in verzekeringen is die combinatie het moeilijkst te reproduceren.

De strategie van NTT DATA weerspiegelt een bredere verandering in de industrie. De volgende fase van zakelijke AI-adoptie wordt waarschijnlijk niet gemeten aan het aantal werknemers met een chatbot, maar aan het aantal volledige processen waarin agenten kunnen worden geïntegreerd zonder verlies van traceerbaarheid, naleving en menselijke controle.

Veelgestelde vragen

Wat is NTT DATA AI for Insurance?

Het is een agentgericht AI-platform voor verzekeraars dat gespecialiseerde agents, sector-specifieke modellen en data, procesorkestratie en governance-controles combineert.

Welke processen kan het automatiseren?

NTT DATA richt zich vooral op underwriting, claims management, klantenservice en andere operationele kernprocessen in de verzekeringsbranche.

Vereist het vervanging van de kernsystemen?

Nee. De oplossing is ontworpen om te integreren met bestaande systemen en NTT DATA stelt dat het kan worden gebruikt zonder afhankelijk te zijn van één enkel core-platform of één fundamenteel model.

Neemt AI beslissingen zonder menselijke supervisie?

De architectuur bevat guardrails, auditmogelijkheden en menselijke supervisie. De mate van automatisering hangt af van het proces, het beleid van de verzekeraar en regelgevende vereisten.