‘Computer says no’: dreigt de solidariteit in de verzekeringssector te verdwijnen?

Dreigt de solidariteit in de verzekeringssector te verdwijnen als algoritmes meebepalen welke klant een verzekering kan afsluiten en hoe hoog zijn premie is? Ja, waarschuwt de Nederlandse toezichthouder op de sector. De ongerustheid leeft ook in ons land.

Komt een man bij een makelaar voor een levensverzekering. De makelaar tikt enkele keren op zijn klavier, kijkt naar zijn scherm en zegt droog: ‘Sorry, computer says no’. Waarna de klant vrij stoïcijns het kantoor wordt uitgewerkt. De hilarische sketch uit het BBC-programma Little Britain zou straks wel eens werkelijkheid kunnen worden, nu verzekeraars wereldwijd volop aan het onderzoeken zijn of computeralgoritmes en big data hen kunnen helpen bij het maken van risicoanalyses.

Om de verzekeringspremie te bepalen, proberen verzekeraars namelijk zo goed mogelijk in te schatten hoe hoog het risico is en wat het hen zal kosten om schadegevallen te betalen. Het basisidee van verzekeringen is dat je alle risico’s verdeelt over een groep. De premies gaan in een groepspot waaruit de schadegevallen worden betaald. Wie ‘geluk’ heeft geen schade op te lopen, betaalt dus mee voor wie ‘pech’ heeft dat wel te doen. Solidariteit dus.

Zo ging het toch tot nu. Al zijn er steeds meer signalen dat het principe wel eens op de helling kan komen te staan nu verzekeraars steeds vaker hun toevlucht zoeken tot computeralgoritmes en big data. Daarmee proberen ze het te verzekeren risico nauwkeuriger en gedetailleerder te bepalen. En dat is reden genoeg tot ongerustheid.

De Nederlandse toezichthouder op de verzekeringssector, de Autoriteit Financiële Markten (AFM) wijst in een recent rapport op de risico's als computeralgoritmes bon ton worden in de sector. Want als er steeds gedetailleerder onderscheid kan worden gemaakt tussen meer en minder risicovolle klanten, dan dreigen de 'pechvogels' torenhoge premies voorgeschoteld te krijgen en moeten ze als het ware zelf opdraaien voor het betalen van hun schade. Of, erger nog, kunnen ze geweigerd worden door de verzekeraar, wegens te duur. Computer says no, dus.

Uit een rondvraag van de AFM bij Nederlandse verzekeraars blijkt dat die allemaal stappen aan het zetten zijn om algoritmes en big data te gebruiken. Op dit moment gebruikt al een vijfde van de Nederlandse verzekeraars financiële informatie van klanten, afkomstig van bank of creditcard, om mee te bepalen of een consument een verzekering kan krijgen en hoe hoog de premie wordt. Uit de rondvraag blijkt ook dat over drie jaar zeven op de tien verzekeraars verwachten dit te zullen doen.

Discriminatie

In ons land staat het gebruik van algoritmes en big data in de verzekeringssector nog in de kinderschoenen, klinkt het bij Assuralia, de beroepsvereniging van verzekeringsondernemingen. “Het is nog maar een piepklein deel van de sector dat daar al mee aan het experimenteren is”, zegt directeur pers en communicatie Wauthier Robyns.

Hij verwijst naar autoverzekeraars die hun klanten op vrijwillige basis vragen met een black box of app rond te rijden die hun rijgedrag meet. Op basis daarvan kan een veilige chauffeur eventueel een korting op de premie krijgen. Maar het klopt dat de verzekeraars wel allemaal aan het onderzoeken zijn wat de mogelijkheden zijn van de technologische evoluties, stelt Robyns. “Dat is ook hun taak. Het zo goed mogelijk bepalen van de risicograad is iets waar verzekeraars al van oudsher mee bezig zijn. We weten sinds de zeventiende eeuw, sinds de grote brand in Londen, dat houten gebouwen een groter brandgevaar hebben dan stenen. Er wordt ook al jaren bij het bepalen van premies onderscheid gemaakt op basis van objectieve en relevante maatstaven bij onze klanten, zoals leeftijd, beroep of streek. Een 40-jarige onderwijzer uit het Meetjesland bijvoorbeeld kan een lagere premie voor een autoverzekering hebben dan pakweg een jongere vertegenwoordiger in sterke drank uit Molenbeek die 50.000 kilometer per jaar rijdt in een sportieve auto. U kunt dat discriminatie noemen, maar het is goed te verantwoorden en ook wettelijk toegelaten.”

Er zijn ook criteria die in ons land wettelijk niet toegelaten zijn, zoals het maken van een onderscheid op basis van geslacht of etniciteit. Robyns: “Ook al weten we dat bij mannen en vrouwen de levensverwachting en het aantal ongevallen waarbij ze betrokken zijn verschilt. Ook de kosten voor hospitalisatie verlopen anders. Bij vrouwen zijn die hoger op jongere leeftijd, bij mannen op oudere. Toch is het de politieke keuze in dit land om gelijkheid tussen mannen en vrouwen te respecteren.”

Ongerustheid over die algoritmes en big datagebruik in hun sector is dus niet nodig, meent de sector zelf. Allereerst is er een vorm van zelfregulering, daarnaast houdt ook de overheid een oogje in het zeil. “Datagebruik hoeft ook niet per definitie slecht te zijn”, meent Robyns. “Nu baseren verzekeraars zich vooral op statistieken, gebaseerd op de gegevens van de 6 miljoen automobilisten die een autoverzekering hebben. Maar je zal maar een jongen van 23 jaar zijn, de leeftijdscategorie die volgens de statistieken veel en ook duurdere ongevallen heeft. Als we zo’n jongen een zwarte doos of app geven, waarmee we zijn rijgedrag individueel meten, dan kan hij bewijzen dat hij zich netjes gedraagt en net heel veilig rijdt. Meer data kan er dus ook voor zorgen dat mensen niet zomaar over dezelfde kam worden geschoren.”

Wie dus kan bewijzen dat hij veilig rijdt, kan een lagere premie krijgen. Weinig mensen die daar iets op tegen zullen hebben, ook al betekent het in de meeste gevallen dat wie dat niet kan bewijzen meer betaalt. Maar de manier waarop je je gedraagt in de auto heb je voor een groot stuk zelf in de hand. Moeilijker wordt het wanneer het gaat om gezondheid bijvoorbeeld.

In de Verenigde Staten geven verzekeraars kortingen op ziekte- en levensverzekeringen van wel 15 procent voor wie in conditie is en ook blijft. Maar in conditie zijn of blijven is niet iets waar je als klant altijd volledig vat op hebt. Ethici waarschuwen er ook voor dat je die regel makkelijk kan omdraaien. Stel dat een verzekeraar zijn tarieven plots naar boven bijstelt voor mensen met een hoge bloeddruk of hartpatiënten?

Zwarte dozen, apps en gezondheidsonderzoeken zijn één ding. Ze kunnen een individueler beeld geven van de klant dan wat uit statistieken blijkt. Maar verzekeraars onderzoeken ook hoe ze via zelflerende computersystemen een nauwkeuriger zicht kunnen krijgen op de risico's. Die systemen verorberen alle data die ze ontvangen, leggen zelf verbanden en komen zelf tot conclusies.

En daar schuilt een ander gevaar: door hun complexiteit valt de precieze werking, en betrouwbaarheid, van algoritmes vaak moeilijk te achterhalen, stelt Laurens Naudts, doctoraal onderzoeker bij CiTiP KU Leuven. “Blindelings vertrouwen op de computer is nooit een goed plan. Zo’n algoritme kan onbewuste vooroordelen bevatten. Het kan bijvoorbeeld op basis van heel wat data en voorbeelden tot de conclusie komen dat pakweg mensen met een rode auto die tussen 2.500 en 3.500 euro per maand verdienen een zwaardere voet hebben. Maar je kan perfect tot die groep behoren en een veilige chauffeur zijn. Algoritmes oordelen over individuen door te kijken naar historische gegevens over anderen. Het kan een handige tool zijn voor verzekeraars, maar het zegt weinig over iemands persoonlijke situatie.”

Soms leiden algoritmes ook gevoelige informatie af uit op het eerste gezicht triviale gegevens van een persoon. Naudts: “Als de supermarkt waar je regelmatig boodschappen doet registreert dat je vaak chips en bier koopt, kan dat leiden tot een vermoeden van een zeer ongezond leven. Wat dan weer gevolgen kan hebben bij het afsluiten van een verzekering. Vandaag gebeurt zo'n koppeling van gegevens misschien nog niet, maar technisch is het perfect mogelijk.”

Maatschappelijk debat

Het gebruik van algoritmes kan ook alsmaar meer verschillen blootleggen tussen mensen, meent Gert Meyers van het Centrum voor Sociologisch Onderzoek aan de KU Leuven. "Zo krijg je bijvoorbeeld verschillen tussen mensen die meer of minder dan 7.901 stappen per dag zetten, of verschillen in aantal connecties op sociale media, tussen mensen die steeds op tijd hun facturen betalen en zij die dat niet doen of kunnen. Of verschillen tussen mensen die nooit vergeten de verwarming af te zetten en zij die dat wel al eens doen."

Technologisch kan ongeveer alles, maar die mogelijkheden moeten nu nog vertaald worden naar de praktijk, naar concrete verzekeringsproducten. Meyers: “En dan is de vraag: welke verschillen zullen we een verschil laten maken en welke niet? Zullen we als maatschappij elk gekend verschil laten 'meetellen' en daardoor de betaalbaarheid van verzekeringen voor sommige groepen bemoeilijken? En zullen we in staat zijn om bepaalde gekende verschillen naast ons neer te leggen als we die niet relevant vinden, zoals nu bij gender? Daar is dringend een maatschappelijk debat over nodig."

Dat schrijft ook de Nederlandse AFM in haar rapport. De Belgische tegenhanger, FSMA, sluit zich daar in een korte reactie bij aan. De Belgische toezichthouder verwijst wel naar initiatieven van de overheid, die corrigerend kan optreden als ze dat nodig acht. Zo werd een Tarifieringsbureau BA Auto opgericht: een soort autoverzekering van de laatste kans, waar automobilisten die door veel schadegevallen of wanbetaling niet meer welkom zijn bij reguliere verzekeraars terechtkunnen voor hun verplichte autoverzekering. En werd vijftien jaar geleden ook beslist dat elke brandverzekering een clausule tegen overstromingen moest hebben, om het risico te collectiviseren. Mensen die in een risicolaag gebied wonen betalen zo mee voor wie in een zone met veel overstromingsgevaar woont.

Op dit moment is er weinig gevaar, geven ook experts aan. De overheid speelt een regulerende rol en dan zijn er nog nationale en internationale waakhonden die toekijken. Maar het kan nooit kwaad om alert te blijven, meent Laurens Naudts. Naast het maatschappelijk debat, dienen autoriteiten ook na te gaan welke data relevant en bruikbaar kunnen zijn. “Een idee dat leeft in academische middens is het geven van een soort informatielabel aan datasets, zoals dat momenteel ook gebeurt bij voeding. Zo een label zou een toezichthoudende autoriteit inzicht kunnen geven in de data die gebruikt worden door een organisatie, of deze wetenschappelijk relevant zijn en welke andere relevante gegevens mogelijk nog ontbreken. Dergelijke discussies zijn niet enkel nuttig binnen de verzekeringssector, maar ook in andere sectoren. Want big data duikt overal op.”

© De Morgen