De meeste Nederlandse assurantiekantoren hebben geen dataprobleem. Zij beschikken sinds eind jaren tachtig over een machineleesbare gegevensstandaard voor de branche: de SIVI All Finance Datacatalogus, die polissen, mutaties en claims vervoert tussen adviseur, verzekeraar en gevolmachtigd agent. Dat verandert welke AI de moeite waard is om te kopen. Het nuttige werk zit niet in het uitlezen van gegevens. Het zit in het classificeren van de vrije tekst waar het AFD nooit voor bedoeld was.
Waarom heeft een assurantiekantoor al gestructureerde data?
Het AFD (All Finance Datacatalogus) is eind jaren tachtig voortgekomen uit het ADN-berichtenverkeer en is inmiddels ruim 35 jaar oud. Het beschrijft entiteiten als een verzekeringnemer, een dekking of een claim, elk met attributen, formaataanduidingen en vaste codelijsten. De actuele AFD 1.0-release draagt de datum 1 september 2026, die van AFD 2.0 1 augustus 2026. Dit is dus geen erfenis die stilletjes wordt afgebouwd, maar een standaard die maandelijks wordt onderhouden op verzoek van de keten.
AFD 1.0 is de XML- en EDIFACT-generatie uit het midden van de jaren negentig. AFD 2.0, geïntroduceerd met SIVI AFS in 2020, brengt het model terug tot een dertigtal entiteiten als coverage, object, party en document, elk onderverdeeld in entityTypes, en kiest voor JSON. De types insuredPerson en regularDriver vallen bijvoorbeeld allebei onder de entiteit party. Daarnaast publiceert SIVI AFDshort: een tussenvorm die structuur en JSON van AFD 2.0 aanhoudt maar de labelnamen van AFD 1.0 gebruikt. Zo kan een systeem dat is ingericht op platte labels als PP_NUMMER of OB_MERK eerst van techniek wisselen en pas later van semantiek.
Voor een kantoor van vier medewerkers op ANVA, CCS of Faster Forward is dat geen project dat u zelf oppakt. Uw softwareleverancier regelt het. Wat telt is het gevolg: het polisnummer, de geboortedatum, het merk van het voertuig, de branchecode en de premie komen al binnen als velden. Niemand heeft een taalmodel nodig om die te lezen.
Waar zit het echte ongestructureerde werk op een advieskantoor?
Op drie plekken, en geen daarvan is de polisadministratie. Ten eerste de mailbox: een klant schrijft dat zij is verhuisd, de caravan heeft verkocht en wil weten of de nieuwe cv-ketel gedekt is, alles in één bericht, en iemand moet dat openen en bepalen bij welk dossier het hoort en wat er moet gebeuren. Ten tweede de schademelding, waarin een mens in gewoon Nederlands beschrijft wat er is gebeurd en een ander daar een schadedossier van moet maken. Ten derde de polisvoorwaarden zelf: tientallen pdf's per verzekeraar, jaarlijks herzien, waar een adviseur doorheen leest om één vraag over één clausule te beantwoorden.
Precies daar komt de Adfiz Nieuwjaarspeiling uit. Het gebruik van AI onder advieskantoren steeg in één jaar van 43 naar 69 procent, waarbij grotere kantoren op 84 procent staan tegen 63 procent bij de kleinere. De drie grootste obstakels die leden noemden: de juiste toepassing voor AI vinden (36 procent), de meest geschikte tool selecteren (30 procent) en die tool koppelen aan andere systemen (24 procent). Adfiz gaf die cijfers uit haar Nieuwjaarspeiling vrij vooruitlopend op Advies in Cijfers 2026-2027.
Voor dat derde obstakel bestaat een gepubliceerd antwoord dat vrijwel nooit terugkomt in stukken over AI voor adviseurs. SIVI levert AFD-mappingen en een mapping-API: AFD 2.0 naar AFDshort, AFD 2.0 naar AFD 1.0, AFD 1.0 naar AFD 2.0 en HDN naar AFD 2.0, met VNAB in ontwikkeling. Luidt uw koppelvraag "hoe laat ik dit hulpmiddel dezelfde taal spreken als de rest van de keten", dan is het antwoord een standaard en geen maatwerk. In ons stuk over wat een API-koppeling werkelijk inhoudt loopt dezelfde redenering voor andere sectoren.
Welke AI-taken definieert de AFD-codelijst al voor u?
Dit is het deel dat het overnemen waard is. Het AFD publiceert vaste codelijsten: AFD Schadeclassificatie (release 46E), AFD Documentsoort (45C), ADN Branchecode (46I), plus lijsten voor zaken als brandstofsoort en carrosserie. Een codelijst is een gesloten verzameling toegestane antwoorden. Daarmee is "lees deze schadeomschrijving en kies de juiste schadeclassificatie" een afgebakende classificatietaak met een gepubliceerde antwoordsleutel, en geen open generatietaak.
Het praktische gevolg voor een klein kantoor is dat u het kunt meten. Neem driehonderd historische schades waarbij een mens de code al heeft toegekend, laat het model erover lopen en tel hoe vaak het met die mens overeenkomt. U heeft dan een nauwkeurigheidscijfer dat u kunt verdedigen tegenover een verzekeraar of een auditor. Vergelijk dat met "de AI stelt onze adviesrapporten op", waarbij niemand u kan vertellen wanneer het resultaat goed is. Afgebakende taken met een gepubliceerde codelijst zijn wat een kantoor van vier het eerst moet automatiseren, juist omdat het de taken zijn die een kantoor van vier kan controleren.
SIVI is bovendien opvallend eerlijk over waar de eigen standaard niet eenduidig is. Onder de noemer Eenduidiger AFD publiceert het de bekende knelpunten: de codelijst voor carrosserie kent overlappende betekenissen voor Autobusje, Bestelauto en Bestelauto/VAN, en er is gedocumenteerde verwarring tussen de attributen verzekerde som en verzekerde loonsom. Lees die backlog als een kaart van waar u juist niet moet automatiseren. Waar de standaard zelf niet kan kiezen, produceert een model een stellig antwoord en heeft u geen manier om te zien dat het fout is. Zie ons werk voor verzekeringsprocessen voor hoe wij die grens afbakenen.
Hoe ziet de rekensom eruit voor een kantoor van vier?
Eerst de aannames, want die mag u aanpassen, en omdat geen van deze cijfers uit een klantopdracht komt. De Nederlandse markt bestaat uit microkantoren van één tot tien fte. RiFD telde eind 2025 nog 6.870 advieskantoren met een AFM-inschrijving, waarvan ruim 1.400 onder een collectieve vergunning, en meer dan 90 procent is in slechts één of twee gemeenten actief. Adfiz Advies in Cijfers 2025-2026 zet 86 procent van de kantoren onder de zes fte, met bijna 60 procent op nul tot één fte, beide cijfers op gezag van RiFD.
Neem dan een kantoor van vier. Stel dat er zestig mails per dag binnenkomen die een dossier en een vervolgactie nodig hebben, en dat openen, lezen, classificeren en opbergen per bericht negentig seconden aandacht kost. Dat is anderhalf uur per dag, zeven en een half uur per week, ongeveer 360 uur per jaar over 48 werkweken. Bij een integrale interne kostprijs van 55 euro per uur kost het routeren van de mailbox zo'n 19.800 euro per jaar, voordat er één advies is gegeven.
Verwerkt een classificatiemodel zeventig procent schoon en markeert het de rest voor een mens, dan is het terug te winnen deel ruwweg 250 uur, oftewel bijna 14.000 euro per jaar. De modelaanroepen daarachter kosten bij prijzen van 2026 tientallen euro's per maand, geen duizenden. Wat de zaak beslist is de bouw en het beheer, niet de tokens. Vul uw eigen bedrag in via onze pagina over wat een AI-project kost, en wees wantrouwend bij elk voorstel waarvan de koppelfase langer duurt dan de terugverdientijd.
Wat vragen de AFM en de AI-verordening werkelijk van u?
De AFM schreef in haar Agenda 2026, gepubliceerd op 19 januari 2026, dat zij bouwt aan uitgebreider AI-toezicht. Die formulering is een specificatie in vermomming en daarom het letterlijk citeren waard: "De AFM vraagt instellingen om hun AI-toepassingen in kaart te brengen, modelrisicobeheer en datakwaliteit te versterken, beslislogica vast te leggen en incidenten actief te melden." Voor een kantoor van vier is dat geen complianceafdeling. Het is een register van één pagina: welk hulpmiddel, op welk proces, wie controleert de uitkomst, en wat gebeurt er als die fout is. Onze handleiding voor een AI-beleid behandelt dezelfde stof.
Wees bij de AI-verordening precies over wat op u van toepassing is. Bijlage III merkt AI voor risicobeoordeling en prijsstelling van natuurlijke personen bij levens- en ziektekostenverzekeringen aan als hoog risico. Dat gaat over acceptatie en tarifering. Een adviseur die inkomende post classificeert of een dossier samenvat, doet dat niet. De AI-geletterdheidsplicht uit artikel 4 geldt wel voor u, en de transparantieplicht betekent dat een chatbot op uw site moet melden dat de bezoeker met een machine praat. De Digital Omnibus zou verschillende hoogrisicoverplichtingen naar achteren schuiven, maar die data gelden alleen bij formele aanname, dus plan op het huidige recht. Onze AI Act-checklist voor het mkb zet de volgorde uiteen.
Voor persoonsgegevens heeft de branche zelf al een antwoord gebouwd. Adfiz publiceerde op 15 juli 2026 versie 1.2 van het Handboek AI in de praktijk, naar aanleiding van de lancering van de Adfiz Pseudonimisator: een hulpmiddel dat namen, BSN's, IBAN-nummers, adressen en contactgegevens vervangt door gecodeerde velden, waarbij de verwerking volledig lokaal plaatsvindt. Dezelfde versie geeft prompt-injectie een eigen plaats, en dat is de juiste reflex. Een agent met toegang tot uw mailbox krijgt vroeg of laat een bericht met instructies die voor hem bedoeld zijn en niet voor u.
Waar begint u maandag?
In volgorde. Vraag uw leverancier van de polisadministratie op welke AFD-release u zit en of hun routekaart naar AFD 2.0 of AFDshort loopt, want dat bepaalt wat een koppeling moet spreken. Kies één afgebakende taak met een gepubliceerde codelijst, waarschijnlijk schadeclassificatie of documentsoort, en scoor een model tegen driehonderd historische records voordat u iets koopt. Schrijf het register van één pagina waar de AFM om vraagt. Pseudonimiseer voordat er iets het pand verlaat. En laat het opstellen van advies met rust tot het saaie classificatiewerk aantoonbaar klopt, want dat is het deel waar stellig ongelijk hebben u een Kifid-dossier kost in plaats van een middag.
