Slim werken rondom je kernsysteem: hoe AI agents de verzekeringsindustrie versnellen

De Nederlandse verzekeringsbranche heeft een bijzonder kenmerk dat je in weinig andere sectoren terugziet: een groot deel van de dagelijkse operatie draait op software die al decennia oud is. Systemen die gebouwd werden in een tijd van lokale servers, papieren dossiers en eenvoudige polisstructuren vormen vandaag de dag nog altijd de ruggengraat van tientallen verzekeraars, volmachten, serviceproviders en intermediairs.

Die systemen zijn bewezen, stabiel en diep verankerd in de processen van organisaties die ze al jarenlang gebruiken. Maar de wereld er omheen is drastisch veranderd. Klanten verwachten real-time service. Medewerkers zitten te wachten op automatisering van repetitief werk. En de druk op operationele kosten neemt alleen maar toe.

Bij TableDuck geloven we niet dat je je kernsysteem hoeft weg te gooien om van AI te profiteren. We bouwen AI agents rondom bestaande systemen, agents die de processen eromheen versnellen, de waarde van je huidige investering vergroten, en de operatie vandaag al slimmer maken.

Het landschap van kernsystemen in de Nederlandse verzekeringsmarkt

Wie werkt in de verzekeringsbranche, kent de namen. Ze verschillen per segment, verzekeraars, volmachten, intermediairs en serviceproviders werken niet allemaal met hetzelfde systeem, maar de gemeenschappelijke noemer is altijd hetzelfde: het kernsysteem is de plek waar polissen leven, schades geregistreerd worden, klanten beheerd worden en financiële verwerking plaatsvindt.

• ANVA is al 45 jaar een vaste waarde in de markt. Meer dan 10.000 financieel professionals werken dagelijks met de software, verspreid over meer dan 400 klanten. Het systeem biedt veel vrijheid in inrichting — producten, schermen, labels — maar die vrijheid heeft een keerzijde: elke klant heeft door de jaren heen zijn eigen configuratie gebouwd, wat leidt tot fragmentatie, datawildgroei en sterke afhankelijkheid van medewerkers die “weten hoe het werkt.” ANVA werkt momenteel aan ANVA 6, een cloud-native opvolger met AI-integratie, maar een groot deel van de markt draait voorlopig nog op versie 4 of 5.
• CCS (Computer Combined Services) richt zich primair op verzekeraars en grote volmachtbedrijven, met klanten als Rabobank, Generali, De Goudse en Allianz. CCS Level is al sinds 1988 in de markt en biedt een gestandaardiseerde aanpak: minder vrijheid dan ANVA, maar meer consistentie. De keerzijde is beperkte aanpasbaarheid — wijzigingen verlopen via consultants en kunnen lang duren. Meerdere grote klanten stapten de afgelopen jaren over op alternatieve platforms, wat vragen opriep over de doorontwikkeling.
• Keylane (Axon / Quinity) is de Europese speler in dit rijtje. Via de overname van Quinity, Actuera en LeanApps bouwde Keylane een cloud-native SaaS-platform voor schadeverzekeraars in de EMEA-regio. Klanten als AEGON, Allianz, ARAG, Unigarant en Univé werken met het Quinity Insurance Solution (QIS). Keylane richt zich op standaardisatie en schaalbaarheid voor grotere verzekeraars, maar biedt weinig ruimte voor organisatiespecifieke afwijkingen.
• Blinqx / DIAS is de dominante speler in de intermediaire markt en voor volmachten. Ooit ontstaan uit assurantiepakketten van Nationale-Nederlanden en Aegon, groeide het bedrijf via Unit4 en DIAS Software uit tot Blinqx — een SaaS-platform voor verzekering- en hypotheekadviseurs, serviceproviders en volmachtkantoren. Met het eBlinqx platform, volledig cloud-gebaseerd, positioneert Blinqx zich als marktleider voor het financieel intermediair. Het ecosysteem is inmiddels uitgebreid met Faster Forward, De Nationale Hypotheekbond, Adviesbox en meer.
• Novulo neemt een andere positie in. Waar de traditionele spelers kant-en-klare pakketten leveren, biedt Novulo een composable platform: organisaties stellen hun eigen verzekeringsapplicatie samen uit een bibliotheek van meer dan 3.000 bewezen componenten. Verzekeraars als Markel Nederland, EFO Paardenverzekering en JW Verzekeringen kozen recentelijk voor Novulo. Implementatiepartners als EY en IG&H ondersteunen migraties en doorontwikkeling. Novulo is moderner en flexibeler dan de traditionele pakketten, maar ook hier geldt: implementaties vragen tijd en veranderbereidheid.

Elk van deze systemen heeft zijn eigen sterktes, zijn eigen marktpositie en zijn eigen klantbase. Maar ze hebben ook iets cruciaals gemeen: rondom het kernsysteem liggen tientallen processen die grotendeels handmatig, traag of foutgevoelig zijn. En dat is precies waar AI agents het verschil maken.

Wat bedoelen we met “rondom het kernsysteem werken”?

AI agents vervangen je kernsysteem niet. Ze vormen een intelligente laag bovenop en rondom de bestaande infrastructuur. Via API-koppelingen of gestructureerde integraties halen agents data op uit het kernsysteem, verwerken die, nemen beslissingen of bereiden ze voor, en schrijven resultaten terug — zonder dat een medewerker elke stap handmatig hoeft te doorlopen.

Dit model heeft een aantal fundamentele voordelen die directe beslissers zullen herkennen:

• Geen migratie, geen groot project. Je huidige investering in ANVA, CCS, Keylane, Blinqx of Novulo blijft intact. Polisdata, klanthistorie, productconfiguraties en financiële verwerking blijven precies waar ze zijn. De AI agent werkt met wat er al is.
• Snelle implementatie, zichtbaar resultaat. In plaats van een meerjarig vervangingstraject kunnen agents in weken worden ingezet op specifieke pijnpunten. Eerste resultaten zijn snel meetbaar: tijdwinst per zaak, reductie van handmatige handelingen, snellere doorlooptijden.
• Modulair uitbreiden. Je start met één proces — schadeverwerking, acceptatie, klantcommunicatie — en bouwt van daaruit verder. Elk agent-component voegt waarde toe zonder het systeem te destabiliseren of de operatie stil te leggen.
• Medewerkers krijgen weer ruimte. Repetitieve taken worden overgenomen. Complexe beslissingen worden ondersteund met volledig voorbereide informatie. De medewerker blijft in controle, maar hoeft niet langer handmatig data op te zoeken, te kopiëren of door te sturen tussen systemen.

Concreet voorbeeld: schadeverwerking met AI agents

Schadeafhandeling is het schoolvoorbeeld van een proces dat vraagt om automatisering. Een schadegeval verwerken, van de eerste melding tot uitbetaling of afwijzing, bestaat uit tientallen stappen. Triage van de melding, documentatie opvragen, dekking controleren in het kernsysteem, communiceren met de verzekerde, het dossier completeren, een beslissing nemen en alles registreren. Bij veel organisaties zijn dit handmatige stappen, verspreid over meerdere schermen en soms meerdere systemen.

Bij TableDuck bouwen we AI agents die dit proces van begin tot eind ondersteunen, waarbij het kernsysteem — of dat nu ANVA, CCS of een ander platform is — de centrale registratie blijft.

Hoe werkt dit in de praktijk?

Wanneer een schademelding binnenkomt via e-mail, een portaal of een formulier, analyseert de agent direct de inhoud. Het type schade wordt herkend, relevante informatie geëxtraheerd (polisnummer, datum, omstandigheden) en via de API wordt de bijbehorende polis opgehaald uit het kernsysteem. De agent controleert vervolgens automatisch of de schade gedekt is op basis van de polisvoorwaarden en berekent een eerste indicatie van de schadelast.

Is de zaak rechttoe rechtaan? Dan initieert de agent direct de vervolgstappen: bevestiging naar de verzekerde, registratie in het kernsysteem, en een taak voor de schaderegelaar met alle relevante informatie al samengesteld. Is de zaak complexer — mogelijke fraude-indicatoren, een onduidelijke dekking, een hoog schadebedrag — dan escaleert de agent naar een medewerker, voorzien van een volledig dossier en een samenvatting van de relevante aandachtspunten.

Het resultaat is meetbaar: wat normaal uren kostte, wordt teruggebracht naar minuten voor standaardzaken. Schaderegelaars besteden hun tijd aan de gevallen die daadwerkelijk menselijke expertise vragen.

Meer processen die AI agents versnellen

Schadeverwerking is een duidelijk startpunt, maar het is zeker niet het enige proces waar AI agents waarde toevoegen rondom je kernsysteem.

• Acceptatie en risicobeoordeling. Bij de aanvraag van een nieuwe polis verzamelt een agent automatisch alle benodigde informatie, controleert op volledigheid, berekent een risicoscore en genereert een acceptatieadvies. De underwriter neemt de beslissing, maar doet dat op basis van een volledig voorbereide casus in plaats van zelf alle data bij elkaar te zoeken.
• Prolongatie en retentie. Rond prolongatiemomenten benadert een agent klanten proactief, beantwoordt standaardvragen en initieert verlengingen — direct gekoppeld aan de polisadministratie. Klanten met verhoogde opzeggingskans worden automatisch geïdentificeerd en doorgestuurd naar een adviseur op het juiste moment.
• Datakwaliteit en compliance. Vrijwel elk kernsysteem heeft te maken met fragmentatie en inconsistentie in data — zeker na jaren van groei, fusies of wisselende inrichting. Een AI agent kan structureel datakwaliteit bewaken, ontbrekende velden signaleren, inconsistenties markeren en medewerkers gericht attenderen op wat aandacht vraagt.
• Klantcommunicatie en statusinformatie. Van het beantwoorden van statusvragen over een lopende schade tot het automatisch opstellen van dekkingsoverzichten of prolongatiebevestigingen: agents nemen routinecommunicatie over, terwijl complexe gesprekken naar de juiste medewerker worden gerouteerd.
• Integratie tussen systemen. Veel organisaties werken niet met één systeem maar met meerdere: een backoffice-platform, een CRM, een portefeuille-tool en soms aanvullende front-officeoplossingen. AI agents kunnen als verbindende laag werken — data ophalen waar nodig, samenvoegen en terugschrijven naar het juiste systeem — zonder dure maatwerkkoppelingen.

Waarom dit gesprek nu urgent is

De druk op de verzekeringsbranche om te moderniseren neemt toe langs meerdere assen tegelijk.

Klantexpectaties zijn fundamenteel verschoven. Een groeiend deel van de klanten — opgegroeid in het e-commerce-tijdperk — verwacht directe service, duidelijke communicatie en digitale processen die aanvoelen als een webshop, niet als een formulier uit 2005. Een trage of onduidelijke schadeafhandeling wordt niet meer geaccepteerd.

Tegelijkertijd kampen organisaties met een structureel personeelstekort in de financiële dienstverlening, stijgende IT-kosten en toenemende complianceverplichtingen — denk aan DORA, NIS2 en provisietransparantie. Meer doen met dezelfde of minder mensen is geen wens, het is een noodzaak.

En de kernsystemen zelf bieden slechts beperkte uitweg. De grote leveranciers staan onder druk om te innoveren, maar doen dat traag. Migratietrajecten zijn kostbaar en risicovol. De meeste organisaties kunnen niet wachten op het perfecte nieuwe systeem.

De organisaties die nu het verschil maken, wachten niet. Ze beginnen klein, op een specifiek pijnpunt, en bouwen van daaruit een intelligente laag rondom de systemen die er al zijn. Geen grote transformatie, maar gerichte versnelling.

TableDuck: gebouwd voor de verzekeringspraktijk

TableDuck bouwt AI agents die de realiteit van de verzekeringsbranche begrijpen. Dat betekent kennis van hoe de gangbare kernsystemen zijn opgebouwd, waar de API’s zitten, en waar de pijnpunten in de operatie daadwerkelijk liggen. We bouwen geen generieke automatiseringstools — we bouwen specifieke agents voor specifieke processen, met directe integraties op de systemen die al in gebruik zijn.

Onze aanpak is altijd pragmatisch: starten op één concreet proces, snel resultaat tonen, en van daaruit uitbreiden. Geen meerjarige projecten, geen grote beloftes vooraf — maar meetbare tijdwinst op de processen die er nu toe doen.

Ben je beslisser bij een verzekeraar, volmacht of serviceprovider en wil je weten wat AI agents concreet kunnen betekenen voor jouw operatie? Neem contact op met TableDuck. We denken graag mee over waar de eerste stap het meeste oplevert.

TableDuck bouwt AI agents voor de financiële dienstverlening. Wij verbinden intelligente automatisering met de kernsystemen die de branche al kent en vertrouwt.