Als je weer op een verjaardag bent, moet je het onderwerp eens aansnijden: data en solidariteit. Geheid dat iedereen er wat van vindt. Als Verbond hebben we zo’n vier jaar geleden ons visitekaartje afgegeven met het paper ‘Grip op data’. We beschrijven daarin de mogelijkheden die het gebruik van data geven, maar ook de vragen die het oproept. Denk aan privacy, discriminatie, solidariteit en begrijpelijkheid. Die vragen zijn nog altijd actueel.

Sommige vragen hebben we (deels) al wel beantwoord. Hoever het personaliseren van verzekeren moet gaan bijvoorbeeld. Meer maatwerk is een goede zaak, zolang de markt voor alle klanten maar toegankelijk blijft. Met de solidariteitsmonitor meten we hoe dit zich ontwikkelt: zien we verschillen binnen de markt toenemen, of niet? Dat dat kan gebeuren, ligt voor de hand. Met meer data weten verzekeraars immers ook beter wie een groot risico vormt en wie niet. Dat kan resulteren in een lagere premie voor de een en een hogere premie voor de ander. Binnen een zekere bandbreedte vinden we dat fair: mensen die minder veilig rijden, betalen meer dan mensen die nooit brokken maken. Maar hoe ver laten we de verschillen oplopen? Niet zover dus, dat de premie voor grotere groepen klanten te hoog wordt. 

Gegevensverwerking

In Europa hebben we sinds 2018 de Algemene Verordening Gegevensbescherming. Een goede wet, die in essentie niet veel anders is dan de oude Wbp. Belangrijke bijvangst is dat door die Avg en de bijbehorende (hogere) boetes er in allerlei sectoren weer eens serieus is gekeken naar de gegevensverwerking: welke processen lopen er allemaal, waar is data opgeslagen, hebben we daar goede contracten voor, snappen klanten hoe dit zit? Allemaal werk dat eigenlijk al jaren eerder had moeten gebeuren, is nu alsnog gedaan.

Wat is acceptabel?

Begrijpelijkheid is ook zoiets. Mensen snappen het fenomeen schadevrije jaren heel goed: als je jaren niets claimt, krijg je een mooie korting. Maar hoe ver gaan we? Met meer data kunnen verzekeraars nog beter schade voorspellen. Misschien blijkt een andere factor nog veel beter te voorspellen wie wel gaat claimen en wie niet. Kredietwaardigheid voorspelt dit bijvoorbeeld heel goed. Maar hoe kom je aan die data? En kun je dit allemaal nog wel aan je klant uitleggen? Er is veel mogelijk, maar we weten als samenleving nog niet goed wat we acceptabel vinden.

Algoritme juist gebruiken

Wereldwijd zie je bedrijven, overheden, toezichthouders en consumentenvertegenwoordigers zoeken naar antwoorden. Al die techniek is mooi, maar roept ook vragen op. Onder meer op het terrein van discriminatie. Verzekeraars kijken naar het risico, niet naar wie er ziek is of tot een bepaalde bevolkingsgroep hoort. Maar risico’s vallen wel vaak samen met ziekte, of met postcode. Dat betekent dat verzekeraars de dure plicht hebben om uit te leggen waarom ze de ene klant meer premie berekenen dan de ander, en dat dit te maken heeft met het onderliggende risico. Als ze een algoritme gebruiken om premies te berekenen, moeten ze dus ook goed kijken of dat algoritme niet onbedoeld op bepaalde oppervlakkige criteria selecteert. Zoals bij algoritmes in de VS is gebeurd voor het inschatten van recidive-risico’s. Dat algoritme bleek verdacht vaak Afro-Amerikaanse verdachten in te schatten als een hoog recidive-risico, terwijl andere bevolkingsgroepen er veel gunstiger van afkwamen. Het algoritme had de menselijke discriminatoire neiging overgenomen via historische data die vol zat met allerlei vooroordelen. Hamvraag is dus welke data je gebruikt bij het trainen van je algoritme. Nieuwe techniek brengt oude vragen weer volop in de belangstelling.

Wat zegt de wet?

Het is onze rol als Verbond om dat soort vragen ook aan onze leden te stellen. Wij hebben, helaas, ook niet altijd alle antwoorden, maar ik geloof wel dat wij een ideale, veilige plek zijn om dit soort vragen te bespreken, samen met onze stakeholders. Onlangs organiseerden we weer een mooie sessie over discriminatie: wat zegt de wet en hoe borg je dit in je processen? Ik denk dat we dit soort sessies de komende jaren nog veel vaker zullen organiseren, al is het maar om de nieuwe technieken te blijven onderwerpen aan oude vragen.