Veel verzekeraars kampen met een structurele overbelasting van hun gedeelde schade/claims-mailboxen. Schadebehandelaren besteden dagelijks veel tijd aan het handmatig openen en beoordelen van binnenkomende e-mails en bijlagen én het verwerken van deze correspondentie in de betreffende doelsystemen, zoals CCS Level, ANVA of AS400. Dit leidt niet alleen tot een hoge werkdruk, maar ook tot tragere reactietijden en hogere operationele kosten. Vaak zijn meerdere FTE’s nodig om een dergelijke mailbox te beheren.
Afdeling
Claims
Typen e-mails
Schademeldingen
Nota’s en facturen
Expertiserapporten
Correspondentie tegenpartij
Etc.
Resultaat
3000+ uren per jaar vrijgemaakt
Lagere werkdruk tijdens piekperioden
Aanleiding
Bij één van de klanten van Tacstone Technology kwamen jaarlijks 100.000 e-mails binnen in de gedeelde schade-mailbox. Denk hierbij aan:
- Handgeschreven schade-aanrijdformulieren;
- Schade-expertiserapporten;
- Nota’s;
- Correspondentie van tegenpartijen;
- Politierapporten
- Etc.
Het is cruciaal dat deze berichten correct worden herkend en op dezelfde dag nog worden verwerkt. De handmatige werkwijze maakte dit steeds moeilijker haalbaar.
Stel je een werksituatie voor waarin administratieve e-mailverwerking grotendeels geautomatiseerd is. Waar piekperioden geen stress meer veroorzaken, en schadebehandelaren zich kunnen richten op klantcontact, service op maat en andere inhoudelijke taken waarvoor ze zijn opgeleid.
In samenwerking met Tacstone Technology zetten organisaties nu een combinatie van AI en RPA in om binnenkomende e-mails inclusief bijlagen automatisch te “herkennen” en vervolgens te verwerken in de achterliggende doelsystemen. In dit praktijkvoorbeeld lees je hoe deze technologieën zijn toegepast en welke resultaten dat heeft opgeleverd – van kostenbesparing tot kortere doorlooptijden en hogere medewerkerstevredenheid.
Aanpak
Een mailbox bevat diverse, ongestructureerde informatie. Elke e-mail heeft een andere intentie en kan verschillende vervolgstappen hebben. Traditionele RPA-oplossingen zijn hiervoor niet dekkend, omdat deze alleen vaste regels kunnen volgen, terwijl RPA in combinatie AI de inhoud interpreteert, de juiste actie kiest en deze uitvoert.
Hoe werkt het?
- AI leest en interpreteert inkomende e-mails en bijlagen om de intentie te bepalen (bijv. nieuwe schademelding, aanvullende vraag etc.)
- AI haalt relevante klant- en schadegegevens op uit CRM- en ERP-systemen
- AI bepaalt wat er met de e-mail en bijlagen moet gebeuren en RPA voert de betreffende actie uit
- RPA escaleert alleen bij complexe of uitzonderlijke gevallen naar een menselijke medewerker
Het proces
AI ten opzichte van traditionele, regel-gebaseerde systemen?
Het verwerken van e-mails en documenten met AI biedt aanzienlijke voordelen ten opzichte van traditionele regel-gebaseerde systemen, voornamelijk op het gebied van nauwkeurigheid en flexibiliteit.
Waar een regel-gebaseerd systeem afhankelijk is van vooraf gedefinieerde trefwoorden en vaste workflows, kan AI met behulp van Natural Language Processing (NLP) en Machine Learning de inhoud en intentie van een e-mail beter begrijpen. Dit maakt het mogelijk om diverser en nauwkeuriger te categoriseren.
Een ander belangrijk voordeel van AI is de automatische extractie van relevante gegevens. In plaats van te vertrouwen op vooraf ingestelde velden, kan AI ongestructureerde informatie herkennen en verwerken, zoals klantgegevens of schadeclaims, ongeacht de manier waarop deze in de e-mail worden gepresenteerd. Dit resulteert niet alleen in een snellere verwerking, maar ook in minder menselijke tussenkomst en uitval door de robot.
Benieuwd wat e-mailautomatisering jouw organisatie oplevert?
Plan een korte Teams-afspraak om samen de mogelijkheden van e-mailautomatisering voor jouw organisatie te verkennen. We maken direct een eenvoudige business case én schetsen een plan waarmee jij kunt starten met slimme automatisering.
Plan nu een afspraak met Ilias Bouhannouche of Janpieter Koning – de eerste stap naar minder handmatig werk en meer grip op je verzekeringsbedrijf.