Wat Kunnen we Leren over Verzekeringsfraude van Malcolm Gladwells boek Talking to Strangers?

In de verzekeringswereld worden we geacht te weten wie onze klanten zijn en zij zouden geen 'vreemden' voor ons moeten zijn. Maar in dit tijdperk van toenemende digitalisering verloopt de communicatie met onze klanten steeds onpersoonlijker. We vertrouwen op de klik van een muis in plaats van het persoonlijke gesprek van vroeger. We hebben meer informatie over onze klanten dan ooit, maar we 'kennen' ze minder goed. Het eerste persoonlijke contact met onze klanten vindt vaak pas plaats als ze een schadeclaim indienen.

Onlangs heb ik het boek Talking to Strangers van Malcolm Gladwell gelezen. Het viel me op dat sommige van de theorieën en concepten die hij gebruikt om te laten zien hoe vaak we de handelingen en bedoelingen van mensen verkeerd begrijpen en opvatten, zeer relevant zijn voor de gesprekken die ik met verzekeraars voer over verzekeringsfraude. Het eerste concept dat Gladwell behandelt is de Truth-Default-theorie van Tim Levene. Simpel gezegd zijn de meesten van ons heel slecht in het herkennen van leugens en bedrog, omdat we pas na heel veel bewijs echt overtuigd zijn dat iemand ons bedriegt. Dus zelfs als er sprake is van alarmbellen geven we iemand nog vaak het voordeel van de twijfel. We zijn geneigd uit te gaan van de goede bedoelingen van anderen (geloof).

Waarom gaan we standaard uit van de goede bedoelingen van anderen?

Gladwell geeft enkele voorbeelden, zoals Bernie Madoff, die leiding gaf aan het grootste piramidespel in de geschiedenis. De meeste professionele beleggers werden door Madoff succesvol om de tuin geleid. Dit ging zelfs zo ver dat Madoff bij twijfel een persoonlijke ontmoeting organiseerde en hen wist te overtuigen dat er niets aan de hand was. De twijfelaars hadden al jaren voordat Madoff uiteindelijk tegen de lamp liep aan de bel getrokken. Gladwell noemt het voorbeeld van Harry Markopoulos, een onafhankelijke fraudeonderzoeker, die van nature iedereen wantrouwde. Markopoulos trok Madoffs betrouwbaarheid vele malen in twijfel, maar zijn waarschuwingen waren aan dovemansoren gericht. Ondertussen zorgde de neiging van Madoffs beleggers om uit te gaan van de goede bedoelingen van anderen ervoor dat Madoff steeds opnieuw weg kwam met zijn fraude, zelfs als de logica achter de winsten die hij zogenaamd wist te maken onmogelijk kon kloppen.

Wat vertelt deze kennis ons over verzekeringsfraude? Als je nog nooit hebt gezien hoe overtuigend fraudeurs misbruik kunnen maken van menselijke eigenschappen zoals nieuwsgierigheid en vertrouwen, kijk dan maar eens naar deze video. Om bang van te worden! Als je nagaat dat het zo eenvoudig is om mensen te bedriegen, moeten onze schadebehandelaars dan allemaal als Markopoulos worden en iedereen bij voorbaat wantrouwen? Volgens Gladwell is de reden dat wij als mensen uitgaan van de goede bedoelingen van anderen dat onze samenleving anders zou vastlopen als we iedereen als verdachte zouden zien. Stel je voor dat verzekeraars alle klanten als verdachten zouden behandelen. De klanttevredenheid zou tot een dieptepunt dalen en de kostenratio's zouden exploderen. Dus, bevat het boek tips om de zaken anders aan te pakken?

Kunstmatige intelligentie tegenover menselijk beoordelingsvermogen

Gladwell haalt een onderzoek aan van Sendhil Mullainathan van de University of Chicago, waarin de resultaten werden bekeken van ruim een half miljoen borgtochthoorzittingen. De rechters in deze zaken lieten 400.000 gedaagden vrij. Sommige gedaagden die op borgtocht vrijkomen, plegen daarna weer misdaden. Mullainathan gebruikte een AI-algoritme om de informatie van de persoonsgegevens en proces-verbalen van de gedaagden te vergelijken met de vonnissen van de rechters. De rechters daarentegen beschikten over veel meer informatie om hun besluit op te baseren. Ze konden de gedaagden zien en met hen praten. Je zou verwachten dat hun oordeel beter zou zijn dan dat van een geautomatiseerd systeem.

De resultaten verschilden aanzienlijk en het AI-algoritme presteerde een stuk beter dan de rechters. De 400.000 gedaagden die volgens het AI-algoritme in aanmerking kwamen voor borgtocht hadden 25% minder kans om tijdens hun borgtocht een misdaad te plegen. In de zaken waarin een gedaagde door het AI-algoritme als een 'hoog risico' werd beschouwd (1% van de bevolking), legden de rechters in bijna de helft borgtocht op. Niet alleen nam het AI-algoritme betere besluiten, deze werden ook nog eens genomen op basis van minder informatie. Het zou natuurlijk kunnen dat de extra informatie (de persoonlijke communicatie tussen de rechters en de gedaagden) het niet eenvoudiger maar juist moeilijker maakte om de juiste besluiten te nemen. Als je terugdenkt aan de video hierboven valt dit zeker te begrijpen. Onze neiging om uit te gaan van de goede bedoelingen van anderen kan tot onjuiste conclusies leiden.

Automatisering helpt de focus te leggen op goede bedoelingen

Als we dit voorbeeld nu eens vertalen naar verzekeringsfraude lijkt het niet meer dan logisch dat we onze schadebehandelaars laten doen waar ze goed in zijn: de klant opvangen en bijstaan, om zo hun nare ervaring om te zetten in iets goeds. Met realtime, geautomatiseerde detectie hebben medewerkers hiervoor ook voldoende tijd, omdat het systeem beoordeelt in welke gevallen rode vlaggen en verder onderzoek nodig zijn en in welke gevallen directe uitbetaling kan plaatsvinden.