Verzekeraars kunnen premies steeds scherper afstemmen op het individuele risico van u als klant, dankzij data, digitalisering en AI. Dat klinkt efficiënt en eerlijk, maar het schuurt ook met het solidariteitsprincipe dat aan veel verzekeringen ten grondslag ligt: risico’s samen dragen, juist omdat niemand zijn gezondheid, pech of omgeving volledig in de hand heeft. In een recente bijdrage waarschuwt de AFM dat de sector balans moet houden tussen personalisatie en solidariteit. Die spanning gaat de komende jaren bepalen hoe premies, acceptatiebeleid, concurrentie en toezicht zich ontwikkelen.
Van ‘gemiddelde premie’ naar microsegmenten
Waar verzekeraars traditioneel werkten met brede risicoklassen, maakt technologie het mogelijk om veel fijnmaziger te segmenteren. Denk aan realtime rijgedrag in autoverzekeringen, woon- en omgevingsdata bij schadeverzekeringen, of leefstijlindicatoren bij inkomens- en arbeidsongeschiktheidsproducten. Het gevolg is dat “gemiddelde klanten” steeds minder bestaan. Premies gaan richting microsegmenten waarin elk datapunt kan meewegen.
Voor u als consument of ondernemer heeft dat twee kanten. U kunt profiteren als u aantoonbaar laag risico bent, maar u kunt ook geconfronteerd worden met hogere premies of beperktere dekking als u in een ongunstig profiel valt. In zijn boodschap aan de sector legt Hanzo van Beusekom (AFM) de vinger op die kern: verzekeren is in essentie ook solidariteit, en die kan eroderen als personalisatie doorschiet.
Effect op premies en acceptatiebeleid
Premies: meer spreiding en vaker herprijzing
Datagedreven pricing vergroot de premie-spreiding. Lage risico’s betalen minder, hogere risico’s meer. Daarnaast wordt herprijzing dynamischer: premies kunnen vaker worden bijgesteld op basis van nieuwe data of gedragsveranderingen. Dat klinkt logisch vanuit risicobeheer, maar kan ook onzekerheid creëren voor huishoudens en ondernemers die juist voorspelbaarheid zoeken in hun vaste lasten.
Acceptatie: scherpe selectie aan de poort
Hoe beter het model, hoe verleidelijker het wordt om risico’s niet alleen te prijzen, maar ook te weren. Acceptatiebeleid kan strenger worden, bijvoorbeeld via uitsluitingen, wachttijden, lagere maxima of simpelweg een afwijzing. Vooral bij verzekeringen die als “maatschappelijk belangrijk” voelen, zoals arbeidsongeschiktheid, zorggerelateerde producten of woonverzekeringen in risicogebieden, wordt dat politiek en maatschappelijk gevoelig.
Concurrentie: wie heeft de beste data wint, tot het misgaat
Meer data verschuift concurrentie van productvoorwaarden naar modelkwaliteit. Partijen met schaal, datatoegang en analytics-capaciteit kunnen scherper prijzen en gericht klanten werven. Dat kan leiden tot:
-
Risicoselectie als strategie: winstmarge verbeteren door vooral lage risico’s te binden.
-
Adverse selection bij concurrenten: verzekeraars die minder goed selecteren houden relatief meer hoge risico’s over, met premiedruk als gevolg.
-
Marktconcentratie: data- en techvoorsprong kan kleinere spelers uit de markt drukken of dwingen tot nichefocus.
Voor beleggers is dit relevant omdat het verdienmodel op korte termijn kan verbeteren, maar reputatie- en regelgevingsrisico’s toenemen. De kans op schommelingen in combined ratio en claimsontwikkeling blijft, terwijl de toezichtlat hoger komt te liggen.
Kansen: preventie, minder schade, betere pricing
De positieve kant is reëel. Met betere data kunnen verzekeraars risico’s eerder signaleren en schade voorkomen. Preventie verschuift van generieke campagnes naar gerichte interventies. Voor ondernemers kan dat bijvoorbeeld betekenen: lagere premies bij aantoonbaar betere beveiliging, onderhoudsregimes of veiligheidsprocedures. Ook kunnen producten innovatiever worden, met diensten rondom monitoring en risicobeheer.
Als dit goed gebeurt, stijgt de voorspelbaarheid van schades en daalt verspilling in premie. Dat is gunstig voor betaalbaarheid en voor de kapitaalpositie van verzekeraars.
Risico’s: uitsluiting, discriminatie en scheefgroei in solidariteit
Uitsluiting en betaalbaarheid
Als een groeiende groep “duur” wordt, ontstaat een betaalbaarheidsvraagstuk. De samenleving accepteert beperkt dat bepaalde groepen structureel buiten de boot vallen, zeker bij essentiële risico’s zoals wonen, mobiliteit en inkomen. Dit kan leiden tot politieke druk, publieke fondsen of herverzekeringsconstructies.
Discriminatie en uitlegbaarheid
Algoritmes kunnen indirect discrimineren, ook als gevoelige kenmerken niet expliciet worden gebruikt. Proxy-variabelen, zoals postcode of aankoopgedrag, kunnen alsnog leiden tot ongewenste effecten. Bovendien wordt uitlegbaarheid belangrijk: kunt u begrijpen waarom uw premie stijgt of waarom u wordt geweigerd? En kan een toezichthouder beoordelen of dit eerlijk en rechtmatig gebeurt?
Toezicht en beleid: wat ligt voor de hand?
We zien een richting waarin toezichthouders meer nadruk leggen op datagebruik, governance en klantuitkomsten. Waarschijnlijke beleids- en toezichtreacties zijn:
-
Strengere eisen aan modelrisicobeheer: validatie, monitoring, bias-tests en vastgelegde verantwoordelijkheden.
-
Transparantie richting klanten: betere uitleg over premiebepaling, data-inzet en bezwaarprocedures.
-
Grenzen aan risicoselectie: via productvoorwaarden, acceptatieregels of minimumstandaarden voor toegang.
-
Focus op zorgplicht en uitkomsten: niet alleen “mag het”, maar “pakt het eerlijk uit”.
De AFM positioneert dit nadrukkelijk als balansvraagstuk. Meer hierover leest u bij de Autoriteit Financiële Markten.
Gevolgen voor de sector: strategie, reputatie en kosten
Voor verzekeraars wordt dit een strategische keuze: inzetten op personalisatie én aantoonbaar maatschappelijke legitimiteit behouden. Dat vraagt investeringen in data-ethiek, compliance, IT en klantcommunicatie. Voor u als ondernemer en belegger is het een signaal dat winstgroei via selectie alleen niet toekomstbestendig is. De winnaars worden partijen die risico beter managen, schade daadwerkelijk verlagen en tegelijk toegang en uitlegbaarheid borgen.
