Verantwoord omgaan met data en AI is al langer een strategisch thema in de verzekeringssector. Maar hoe ziet dat er in de praktijk uit? In deze blog legt Noah de Groot, management consultant bij ITDS, uit wat de audit op het Ethisch Kader voor Datagedreven Toepassingen van het Verbond van Verzekeraars inhoudt. En belangrijker: wat deze audit vraagt van verzekeraars en hoe je je hier gericht op voorbereidt. Want deze audit gaat verder dan compliance. Het laat zien in hoeverre je als organisatie écht klaar bent voor verantwoord datagedreven werken.
Van ambitie naar uitvoering
Veel organisaties hebben de juiste intenties. Ze hebben beleid opgesteld. Governance ingericht. En eerste stappen gezet met AI en datagedreven toepassingen. Maar de echte uitdaging zit ergens anders. In de uitvoering. Kun je aantonen dat medewerkers voldoende kennis hebben van AI, risico’s en ethische afwegingen? verantwoordelijkheden rond data, modellen en besluitvorming helder belegd? En kun je uitleggen hoe uitkomsten tot stand komen, intern én richting klanten? Precies daar raakt de audit de kern.
Vier thema’s die het verschil maken
De audit kijkt nadrukkelijk naar de praktische toepassing van het kader. Vier thema’s springen eruit.
- AI-kennis en bewustzijn
Verantwoord werken met AI begint bij mensen. Medewerkers moeten niet alleen de kansen zien, maar ook de risico’s herkennen. Dat vraagt om structurele aandacht in opleiding, governance en dagelijkse praktijk.
- Monitoring van AI-systemen
Een model implementeren is één stap. Blijven meten of het model doet wat het moet doen, is minstens zo belangrijk. Denk aan performance, bias, afwijkingen en de vraag wanneer bijsturing nodig is.
- Data governance en datakwaliteit
Zonder grip op data is grip op AI onmogelijk. Organisaties moeten dus kunnen steunen op duidelijke verantwoordelijkheden, betrouwbaar datamanagement en een robuust datakwaliteitsraamwerk.
- Transparantie en uitlegbaarheid
Naarmate datatoepassingen complexer worden, groeit het belang van uitlegbaarheid. Niet alleen voor auditors of interne stakeholders, maar ook voor klanten. Zeker wanneer besluiten impact hebben op mensen.
De audit als kans om volwassenheid te versnellen
De belangrijkste vraag is dus niet: komen we door de audit heen? De echte vraag is: hoe toekomstbestendig is onze organisatie als het gaat om verantwoord datagedreven werken? Voor veel verzekeraars is de audit een kans om dat scherp te krijgen. Waar staan we vandaag? Welke gaps zijn er nog? En welke verbeteringen zijn nodig om beleid, processen en technologie beter op elkaar aan te laten sluiten? Juist die vertaalslag blijkt in de praktijk vaak het lastigst. Niet omdat de urgentie ontbreekt, maar omdat verantwoord datagedreven werken veel vraagt van de hele organisatie. Van governance en tooling tot gedrag, eigenaarschap en samenwerking.
Wat dit vraagt van verzekeraars
Verzekeraars die deze audit serieus nemen, doen er goed aan om drie dingen scherp te krijgen:
- de audit en bijbehorende vereisten goed begrijpen
- een heldere gap-analyse maken tussen de huidige situatie en wat de audit vraagt
- prioriteiten stellen en het onderwerp structureel op de agenda zetten
Daarmee wordt de audit geen eindpunt, maar een versneller van volwassenheid.
Hoe ITDS helpt
Bij ITDS helpen we organisaties om precies die stap te zetten. Niet alleen in de voorbereiding op audits, maar juist ook in de uitvoering daarna. Denk aan het versterken van data governance, het verbeteren van datakwaliteit, het inrichten van AI-governance en het opzetten van effectieve monitoring van AI-systemen. Pragmatisch, inhoudelijk sterk en altijd met het doel om organisaties zelfstandig verder te helpen.
De audit op het Ethisch Kader voor Datagedreven Toepassingen is relevant. Maar nog belangrijker is wat die audit zichtbaar maakt. Want verantwoord datagedreven werken begint niet bij de toetsing. Het begint bij de bereidheid om kritisch te kijken naar hoe je als organisatie echt werkt. De vraag is daarom niet alleen of je slaagt voor de audit.
De vraag is of je als verzekeraar klaar bent om verantwoord datagedreven werken structureel waar te maken.
