Soevereine AI voor Verzekeraars
Acceptatie, schade en rapportage draaien elk op hun eigen beeld van de polishouder, en de AI die ze zou kunnen verbinden zou gezondheids-, financiële en gedragsdata moeten zien waar de toezichthouder scherp op let. Het platform verbindt ze op één gegoverneerd dataplatform binnen de verzekeraar, met elke modelbeslissing herleidbaar.
Eén beeld van de polishouder
Polis-, schade-, actuariële en externe data samengebracht in één verzekeringsontologie, zodat prijs-, acceptatie- en schadebeslissingen één basis delen.
De mens waar de wet dat vereist
Agenten bereiden het acceptatiedossier of de claim voor; een acceptant of behandelaar beslist over de gevallen die de regels voor een persoon reserveren, en de beslissing wordt vastgelegd.
Eerlijk en uitlegbaar
Elke modelbeslissing wordt geversioneerd en is herleidbaar tot haar data, zodat prijs- en schade-uitkomsten aan de klant en de toezichthouder kunnen worden uitgelegd.
Een verzekeraar beslist duizenden keren per dag hetzelfde: een risico aanvaarden of niet, tegen welke prijs, of een schadeclaim echt is, hoeveel te reserveren. Elke beslissing hangt af van data verspreid over polisadministratie, schade, actuariële modellen en externe bronnen, en elke is onderworpen aan regels over eerlijkheid, uitlegbaarheid en solvabiliteit. AI kan die beslissingen voorbereiden en versnellen, maar alleen op de eigen infrastructuur van de verzekeraar, met een mens die beslist waar de wet dat vereist, en een dossier van waarom.
Lees dit als u acceptatie, schade, actuariaat, data, operaties of IT leidt bij een levens-, schade-, zorg- of herverzekeraar, of verantwoordelijk bent voor de DORA-, Solvency II- en AI-governanceverplichtingen.
Voor verzekeraars is Scrydon het soevereine AI- en dataplatform dat polis-, schade-, actuariële en externe data verenigt in één verzekeringsontologie, er acceptatie-, schade- en fraudemodellen en -agenten op draait binnen de eigen infrastructuur van de verzekeraar, en de modelgovernance-, eerlijkheids- en auditdossiers oplevert die DORA, de AVG, Solvency II en de EU AI-verordening vereisen.
Het draait on-premises, in een soevereine cloud of in de eigen tenancy van de verzekeraar, met lokaal geserveerde open-weight modellen en elk model, elke dataset en elke agentactie geversioneerd, toegeschreven en gelogd.
Duizenden beslissingen per dag, op versnipperde data, onder eerlijkheidsregels
Een verzekeraar beslist duizenden keren per dag hetzelfde: een risico aanvaarden en tegen welke prijs, of een schadeclaim echt is en hoeveel uit te betalen, hoeveel te reserveren. Elke beslissing hangt af van data die leven in polisadministratie, schade, actuariële modellen en externe bronnen, en het dossier erachter wordt nog altijd met de hand samengesteld. Echte claims wachten in de rij achter verdachte omdat triage handmatig is en fraude na uitbetaling wordt gevonden.
De regels rond die beslissingen behoren tot de strengste in de financiële sector. Gezondheids-, financiële en gedragsdata zijn bijzondere persoonsgegevens onder de AVG; AI in verzekeringstarifering en schade is opgesomd als hoog risico onder de EU AI-verordening, met verplichtingen rond eerlijkheid, uitlegbaarheid en menselijk toezicht; Solvency II houdt toezicht op modelrisico en rapportage; en DORA maakt van afhankelijkheid van een buitenlands black-boxmodel een ICT-derdenrisico. AI die helpt, moet binnen de verzekeraar draaien, de menselijke beslissing houden waar de wet ze plaatst, en de redenering bewaren.
De polishouder in stukken — Polisadministratie, schade, actuariële modellen en externe data bevatten elk een deel van het risico; het dossier wordt met de hand samengesteld.
Schade per wachtrij — Echte claims wachten achter verdachte omdat triage handmatig is en fraudedetectie na uitbetaling draait.
Bijzondere persoonsgegevens — Gezondheids-, financiële en gedragsdata onder de AVG, en AI in verzekeringstarifering en schade opgesomd als hoog risico onder de EU AI-verordening.
Solvabiliteit en DORA — Modelrisico, rapportage en ICT-derdenrisico staan onder toezicht; een buitenlands black-boxmodel is een bevinding in wording.
Eén verzekeringsontologie, voorbereide beslissingen, de mens waar het telt
Het platform modelleert de verzekeraar in één verzekeringsontologie: polishouders, polissen, risico's, claims, dienstverleners, reserves en de relaties ertussen, gemapt vanuit polisadministratie-, schade- en actuariële systemen zonder er een te migreren. Op dat model stellen agenten het acceptatiedossier of de claim samen, verzamelen ze het bewijs, toetsen ze het aan de regel en markeren ze wat een persoon vergt, en draaien fraude-, triage- en tariferingsmodellen op de eigen infrastructuur van de verzekeraar met kenmerken uit de ontologie.
De beslissing blijft waar de wet ze plaatst. Een acceptant of schadebehandelaar beslist over de gevallen die de regels voor een persoon reserveren, Human+AI in plaats van automatisering, en de uitkomst, de modelversie en de redenering worden samen vastgelegd. Eerlijkheid en drift worden gemonitord via AI-observability, en solvabiliteits- en gedragsrapporten worden uit dezelfde gegoverneerde data opgesteld en door een persoon gecontroleerd, zodat de toezichthouder één consistent verhaal ziet van data tot beslissing tot rapport.
- 1
Modelleren
Polishouders, polissen, risico's, claims, dienstverleners en reserves één keer gemodelleerd, gemapt vanuit polisadministratie-, schade- en actuariële systemen.
- 2
Voorbereiden
Agenten stellen het acceptatiedossier of de claim samen, verzamelen bewijs, toetsen het aan de regel en markeren wat een persoon vergt.
- 3
Scoren
Fraude-, triage- en tariferingsmodellen draaien op de eigen infrastructuur van de verzekeraar met kenmerken uit de ontologie, geversioneerd en uitlegbaar.
- 4
Beslissen en rapporteren
De acceptant of behandelaar beslist; de uitkomst, de modelversie en de redenering worden vastgelegd, en toezichtrapporten worden uit hetzelfde model opgesteld.
De verzekeraar staat in voor de beslissing, dus de verzekeraar draait het model
De verzekeraar staat in voor de beslissing, dus de verzekeraar draait het model. Het platform draait on-premises, in een soevereine cloud of in de eigen tenancy van de verzekeraar, met lokaal geserveerde open-weight modellen en externe modellen alleen beschikbaar via expliciete opt-in onder beleid. Op gedeelde infrastructuur houdt confidential computing gezondheids- en financiële data versleuteld tijdens gebruik. Omdat het platform modelagnostisch is, kan de verzekeraar modellen wisselen zonder te herbouwen, en dat is het praktische antwoord op concentratierisico.
Governance is ingebouwd in de manier waarop het draait. Elk model, elke dataset en elke agentactie wordt geversioneerd, toegeschreven en gelogd onder AI-governance; agenten handelen onder afgebakende identiteiten; lineage koppelt een beslissing aan de data en concepten erachter. Dat dossier is het bewijs voor DORA, de AVG en de EU AI-verordening, en de basis van de solvabiliteits- en gedragsrapporten, geproduceerd door het platform te gebruiken in plaats van samengesteld voor de toezichthouder.
Binnen de verzekeraar — On-premises, in een soevereine cloud of de eigen tenancy van de verzekeraar, met lokaal geserveerde open-weight modellen en externe modellen alleen via opt-in.
Versleuteld tijdens gebruik — Confidential computing houdt gezondheids- en financiële data versleuteld tijdens verwerking op gedeelde infrastructuur.
Modelgovernance ingebouwd — Versionering, lineage, eerlijkheidsmonitoring en een onveranderlijk auditlog voor elk model en elke agent.
Rapportage uit het model — Solvabiliteits- en gedragsrapporten opgesteld uit dezelfde gegoverneerde data, gecontroleerd door een persoon.
Houd dit onderwerp in de gaten
Wat er voor uw sector verandert in Europese AI-soevereiniteit, en wat we in de praktijk leren. Een paar keer per jaar, geen drip-campagne.
Toepassingen voor verzekeraars
Acceptatie, schade, fraude en rapportage op één soeverein platform.
Realtime fraudedetectie
Beveiliging
Uitdaging
Traditionele regelgebaseerde systemen genereren te veel valse positieven en missen geavanceerde nieuwe fraudepatronen.
Oplossing
Zet autonome agenten in die transactiepatronen in realtime leren en afwijkingen met hoge precisie signaleren zonder data buiten de eigen omgeving te brengen.
Lees meer
40% minder fraudeverliezen en 60% minder valse positieven, wat het klantvertrouwen versterkt.
Toezichtsrapportage
Operatie
Uitdaging
Het samenstellen van rapportages voor toezichthouders vereist het verzamelen van data uit versnipperde legacysystemen, een tijdrovend en handmatig proces.
Oplossing
Data space-connectoren brengen uiteenlopende databronnen samen en AI-agenten genereren automatisch conforme rapportages.
Lees meer
100% tijdige en accurate rapportage en een aanzienlijke verlaging van de operationele overhead.
Shadow AI-ontdekking voor gereedheid op de EU AI-verordening
Compliance & risico
Uitdaging
Individuele teams hebben stilletjes hun eigen AI-tools en agenten in gebruik genomen, waardoor de organisatie geen volledige inventarisatie kan opleveren vóór de hoogrisicoverplichtingen van de EU AI-verordening.
Oplossing
Continue ontdekking brengt elke agent en elk AI-tool in gebruik binnen de afdelingen aan het licht, classificeert die tegen de risicocategorieën van de EU AI-verordening en leidt niet-gesanctioneerd gebruik naar beheerde alternatieven.
Lees meer
Een volledige, verdedigbare AI-inventarisatie en een meetbare afname van ongeautoriseerd toolgebruik vóór de handhavingsdeadline van 2 december 2027.
Gecoördineerde kredietacceptatie door mens en agent
Acceptatie
Uitdaging
Het eindbesluit van een acceptant hangt af van analyse die een agent in seconden kan samenstellen, maar vandaag leven die analyse en het besluit van de acceptant in aparte systemen, waardoor de overdracht zelf langer duurt dan beide stappen.
Oplossing
Het AI OS coördineert het acceptatieproces van begin tot eind: agenten stellen financiële gegevens, risicosignalen en beleidscontroles samen, presenteren die op het beslismoment en brengen het oordeel van de acceptant automatisch terug in het bronsysteem.
Lees meer
Acceptatiebesluiten gaan van aanvraag naar oordeel in één gecoördineerde stroom, met een volledig overzicht van wat de agent vond en wat de mens besloot.
Ontologiegebaseerd eenduidig klantbeeld
Klantdata
Uitdaging
Dezelfde klant bestaat als licht afwijkende dossiers in het kernbanksysteem, het CRM en het hypotheeksysteem, waardoor één accuraat beeld van een relatie opbouwen neerkomt op het handmatig verzoenen van rekeningen die niet duidelijk bij elkaar horen.
Oplossing
Een ontologie lost klant-, rekening- en productdossiers uit elk systeem op tot één entiteitsgraaf, zodat één klant in de hele bank hetzelfde betekent.
Lees meer
Relatiebeheerders en agenten werken vanuit één accuraat klantbeeld in plaats van dossiers met de hand aan elkaar te knopen.
Waaraan verzekeraars moet voldoen
De regelgeving die bepaalt of AI überhaupt op deze data mag draaien. Elke pagina beschrijft wat het kader vraagt en welke platformcontroles daarop antwoorden: eigenschappen en weigeringen, geen checklist.
DORA · Digital Operational Resilience Act
Van toepassing op: Financiële entiteiten in de hele EU — banken, verzekeraars, beleggingsondernemingen, betaal- en cryptoaanbieders en andere — en de ICT-derde aanbieders die hen bedienen.
Hoe het platform dit ondersteuntAVG · Algemene verordening gegevensbescherming
Van toepassing op: Elke organisatie die persoonsgegevens van mensen in de EU/EER verwerkt, of zij nu in de Unie is gevestigd of van buiten de Unie goederen of diensten aanbiedt dan wel gedrag monitort.
Hoe het platform dit ondersteuntEU AI Act · EU AI-verordening
Van toepassing op: Aanbieders, gebruiksverantwoordelijken, importeurs en distributeurs die AI-systemen op de EU-markt brengen, of van wie de AI-output in de EU wordt gebruikt.
Hoe het platform dit ondersteuntISO 42001 · ISO/IEC 42001
Van toepassing op: Elke organisatie die AI-systemen ontwikkelt, aanbiedt of gebruikt en dat verantwoord wil doen met een certificeerbaar managementsysteem — in het bijzonder aanbieders en gebruiksverantwoordelijken die zich voorbereiden op de EU AI-verordening.
Hoe het platform dit ondersteunt
Waar deze resultaten daadwerkelijk op draaien
De architect van een verzekeraar vraagt hoe modellen worden bestuurd en gemonitord, hoe de polishouder wordt gemodelleerd en waar de data worden versleuteld. Dit zijn de pagina's die die vragen beantwoorden.
AI OS
De runtime die een proces opdeelt in stappen, elke stap toewijst aan een systeem, een agent of een mens, en de context meegeeft om te handelen.
AI-governance
Beleid, dataverliespreventie en audit op elke AI-actie, met bewijs dat een beoordelaar kan lezen.
Analytics
Self-service analytics op een beheerd semantisch model, zodat cijfers in elk rapport hetzelfde betekenen.
Ontologiegebaseerd dataplatform
De semantische laag die tabellen omzet in de entiteiten waar uw organisatie het over heeft.
Confidential Compute
Workloads die versleuteld blijven terwijl ze draaien, binnen hardware-geattesteerde enclaves.
AI-observability
Monitoring, tracing en evaluatie van agents en AI-workflows, zodat storingen te diagnosticeren zijn.
Veelgestelde vragen
Kan AI zelfstandig beslissen over claims of tarifering?+
Hoe worden tariferings- en schadebeslissingen eerlijk en uitlegbaar gehouden?+
Hoe ondersteunt het platform DORA en Solvency II?+
Kunnen we schadefraude detecteren vóór uitbetaling?+
Zijn gezondheidsdata beschermd tegen de cloudoperator?+
Werken jullie samen bij aanbestedingen en raamcontracten?+
Schrijft u liever? Mail naar hello [at] scrydon.com en wij nemen contact met u op.
Ga verder
Drie routes vanaf hier: de regels waaraan u wordt getoetst, het platform waarop deze resultaten draaien en de sessies waarin we ze doorlopen.
De regels die gelden
Elke regelgeving, wat ze vraagt en de controles die het platform daarvoor biedt.
Het platform erachter
Het AI Operating System, Analytics en Sovereign Foundations, pagina per pagina.
Alle toepassingen
Allemaal op één plek, gegroepeerd per sector die ze het best kent.
How – Inside the AI OS: running governed agents on your own cluster, live(in het Engels)
17 sep 2026, 09:00
Part 2 of the Sovereign AI series, for engineers and architects. No slides after minute five: an agent gets an identity and scoped permissions, calls tools over governed MCP, retrieves from the ontology rather than raw tables, runs inside the sandbox and is stopped when it steps outside policy, and everything lands in the audit trail — then the same stack brought up on a disconnected network. Properties and refusals, shown rather than claimed.
Andere delen van financiële sector
De andere pagina's onder financiële sector, en het sectoroverzicht waar ze onder vallen.
Banken
Retail-, zaken-, private en coöperatieve banken: realtime fraude, financiële criminaliteit en krediet op één financiële ontologie, binnen de bank, met elke modelbeslissing herleidbaar voor DORA.
Lees de paginaKapitaalmarkten
Vermogensbeheerders, handelsdesks, beurzen en marktinfrastructuur: één live beeld van posities en stromen, risico- en surveillancemodellen binnen de firma, en signalen die goedgekeurde acties worden.
Lees de pagina
Partners
