Europese verzekeraars verplaatsen de eerste lijn naar AI

Allianz Partners koppelt een AI-omslag aan 1.500 tot 1.800 minder banen. Santander bouwt in Spanje en het Verenigd Koninkrijk stem-AI voor klantvragen en heeft meer dan 280 automatiseringsagenten in productie. Aviva kondigt een virtuele assistent en een stemgestuurde schade-agent aan. AXA zet een gedeelde AI-hub in vijf entiteiten.

Als ik die losse aankondigingen naast elkaar leg, zie ik geen verzameling chatbots. Ik zie een Europese verzekeringssector die de eerste lijn van klantcontact opnieuw tekent: eenvoudige vragen, intake en delen van claims verschuiven naar software, terwijl mensen overblijven voor uitzonderingen, toezicht en verantwoordelijke beslissingen.

De kern in één alinea: Europese verzekeraars bewegen AI van ondersteuning naar de eerste operationele laag. EIOPA ziet klantcontact en claims al als de actiefste toepassingsgebieden, Santander zet stemkanalen en fraudeclaims in productie, en Allianz, Aviva en AXA bouwen aan dezelfde grens tussen routine en uitzondering. De richting is geen klantcontact zonder mensen, maar klantcontact waarin de mens pas instapt waar context, risico of oordeel nodig is.

De bewijstrail wordt concreet

Het startpunt ligt niet bij de ontslagronde van Allianz, maar bij de bredere sectorbeweging die eraan voorafgaat. Op 2 februari 2026 publiceerde EIOPA een onderzoek onder 347 verzekeringsondernemingen in 25 Europese landen. EIOPA telde 65 procent actieve GenAI-gebruikers en zag klantcontact en claims bij de drie actiefste toepassingsgebieden: 40 procent van de ondernemingen gebruikte GenAI al in klantcontact en 32 procent in claimbeheer.

Dezelfde meting begrenst de conclusie meteen. 64 procent van de 957 gemelde toepassingen zat nog in een vroege ontwikkel- of experimenteerfase en slechts 32 procent was in productie. Ook lag 64 procent van de toepassingen intern, tegenover 36 procent klantgericht. EIOPA beschrijft wel precies de toepassingen die nu naar voren komen: chatbots en voicebots voor eenvoudige vragen, ondersteuning van callcentermedewerkers en het verzamelen of verwerken van claims via internet en telefoon.

In juni kreeg die sectorlijn een concreet gezicht. Santander meldde op 23 juni 2026 meer dan 280 automatiseringsagenten in productie. In het Verenigd Koninkrijk begon de bank met AI in spraakkanalen voor kaartvragen, met als doel ongeveer 240.000 gesprekken, 40 procent van het jaarvolume, via zelfservice af te handelen. Dezelfde aanpak werd volgens Santander toegepast bij Santander en Openbank in Spanje. In Brazilië werd de afhandeling van kaartfraudeclaims naar eigen zeggen ongeveer 95 procent sneller, met tot 90 procent automatisering en een foutmarge onder 1 procent. Het getal voor het VK is een doel, geen gerealiseerde uitkomst.

Op 8 juli verschoof de discussie van productiviteit naar personeelsplanning. Allianz Partners kondigde aan in 12 tot 18 maanden 1.500 tot 1.800 banen te schrappen, vooral in callcenters waar AI routinematige vragen en delen van claims moet overnemen. De reis- en assistentietak telt 22.600 medewerkers, onder wie ongeveer 14.000 mensen die dagelijks telefonisch vragen en schadeclaims afhandelen. Complexere gevallen blijven bij mensen.

De stap is inmiddels niet beperkt tot één Duitse groep. Aviva schreef in de halfjaarresultaten van augustus dat het een virtuele assistent voor klantenservice lanceert en een stemgestuurde AI-agent voor claims bouwt. Die twee toepassingen zitten dus op precies dezelfde overgang: de klant begint met een vraag of telefoongesprek, de software neemt de voorspelbare route over en een medewerker krijgt de moeilijke rest.

Op 8 september 2026 maakte AXA de infrastructuur achter die overgang expliciet. AXA meldt dat zijn vendor-onafhankelijke Global AI Hub al in vijf entiteiten wordt gebruikt en dat teams in Duitsland en het Verenigd Koninkrijk onder meer motorclaims en klantmails automatiseren. De hub bevat volgens AXA ook governance, kostenbewaking, beveiliging, compliance en menselijk toezicht. Dat is een andere categorie dan een proef met een chatbot: het is een besturingslaag om meerdere AI-toepassingen van concept naar productie te brengen.

Wat deze feiten samen zeggen

De gemeenschappelijke noemer is niet simpelweg dat verzekeraars AI kopen. Het is de plek waar ze de grens trekken. De eerste versie van AI helpt een medewerker sneller zoeken of samenvatten. De volgende versie krijgt toegang tot het gesprek, het klantdossier en een achterliggend proces. Dan verandert klantcontact van een rij losse kanalen in een route: vraag binnen, intentie herkennen, gegevens ophalen, routine afhandelen of escaleren.

Dat patroon zie je terug in de triage-laag die mail, WhatsApp en telefoon bij elkaar brengt. Je ziet het ook in de schade-intake die een melding uitleest, classificeert en aan een polis koppelt. Die logica bestond al als ontwerpprincipe. De nieuwe ontwikkeling is dat grote verzekeraars haar nu aan echte volumes, personeelsbesluiten en productie-infrastructuur koppelen.

De radar mist daardoor een belangrijk tweede-orde-effect. Het werk verdwijnt niet op één hoop, het wordt uit elkaar getrokken. Routinevragen worden goedkoper en sneller door een agent afgehandeld. De menselijke rol schuift naar klachten, letsel, uitzonderingen, kwaliteitscontrole en beslissingen die een organisatie moet kunnen uitleggen. Tegelijk groeit het werk aan de andere kant van de lijn: gesprekontwerp, API-koppelingen, logging, foutafhandeling en toezicht.

Een actuele vacature van Allianz Partners maakt dat zichtbaar. In München en Madrid zoekt de groep een engineer die voice agents bouwt, live backends via API's koppelt en escalatie, zichtbaarheid en herstelpaden in productie beheert. Dat is een permanente technische rol naast een reorganisatie van het routinematige werk. Dezelfde verschuiving zit in AXA's keuze voor een gedeelde, vendor-onafhankelijke hub: de schaarse capaciteit wordt niet alleen ingezet op modellen, maar op de laag die modellen veilig in processen laat werken.

Voor een Nederlandse organisatie betekent dit dat een klantcontactproject niet meer begint bij de vraag welke chatbot je kunt aanschaffen. De relevante grens ligt bij de taak die je durft te laten uitvoeren. Het gaat vaak om stromen met veel herhaling en informatie die al in een systeem staat. Kan de AI een antwoord uit je eigen systemen halen, de status van een dossier terugschrijven en bij twijfel aantoonbaar doorzetten? Dan bouw je een proceslaag. Kan hij alleen tekst produceren, dan heb je vooral een snellere medewerkerstool. Daarmee worden andere vaardigheden, meetbare kwaliteit en scherpere leverancierskeuzes onderdeel van het organisatieontwerp.

De tegenkracht is geen voetnoot

Wie nu al zegt dat klantcontact een AI-first sector is geworden, loopt voor de feiten uit. EIOPA vond dat het grootste deel van de toepassingen nog niet in productie zit. De klantgerichte toepassingen zijn juist minder volwassen dan de interne toepassingen. Santander spreekt over een doel voor het Verenigd Koninkrijk, Aviva over systemen die later in het jaar worden gelanceerd en AXA over use-cases die nog worden ontwikkeld.

Ook het vertrouwen remt de beweging. In dezelfde EIOPA-studie zei 59 procent van de ondervraagde klanten terughoudend te zijn over aanbevelingen van niet-menselijke AI-agents voor verzekeringen en pensioenen; 30 procent zei die aanbevelingen wel te vertrouwen. Dat maakt het aannemelijker dat verzekeraars eerst de voorspelbare route automatiseren dan dat ze het volledige klantbesluit uit handen geven.

Toch houdt het signaal stand. Daarvoor zijn de voorbeelden te verschillend en te concreet: een sectoronderzoek, honderden productie-agents bij Santander, een personeelsplan bij Allianz, nieuwe klantgerichte systemen bij Aviva en een gedeelde productielaag bij AXA. Samen bewijzen ze nog geen massale vervanging. Ze bewijzen wel dat de eerste lijn van het proces nu het expliciete ontwerpobject wordt.

Waar de lijn heen wijst

Het patroon wijst op een klantcontactmodel waarin de eerste laag software is, de uitzonderingslaag menselijk blijft en de onderscheidende capaciteit zit in de koppeling tussen gesprek, dossier en besluit. Voor organisaties verschuift de vraag daardoor van een chatbot plaatsen naar bepalen welke taken zij met bewijs, logging en een echte terugweg uit handen geven. Wie die grens nu scherp tekent, bouwt niet voor een hype, maar voor een andere verdeling van werk.