Naar de inhoudLive webinar · 1 december, 11:00 uurEerst schreven ze de spelregels. Toen pas ging de AI aan.

Hoe MavenBlue met AI werkt op de gegevens die verzekeraars hun toevertrouwen

MavenBlue bouwt software voor actuarissen bij verzekeraars, en hun klanten willen bewijs van hoe elke leverancier met hun gegevens omgaat. Joost van Bruggen pakte AI op voor het bedrijf, en begon als scepticus. Hij vertelt hoe MavenBlue nu AI gebruikt volgens zijn eigen regels, met de AI die het zelf kiest, en met de gegevens van zijn klanten veilig.

In het kort.

  1. Klant

    MavenBlue, een Nederlandse insurtech in Utrecht. Software voor pricing, reserving en kapitaalmanagement bij verzekeraars.

  2. De gegevens

    Gegevens van hun klanten en persoonsgegevens, onder hun eigen indeling van niveau één tot niveau vijf. ISO 27001 en SOC 2 Type 2.

  3. Waar ze het voor gebruiken

    RFP's beantwoorden, Excel-bestanden van klanten doorgronden, vragen stellen aan de eigen documentatie, facturen controleren, en documenten in hun eigen sjablonen.

Hun gegevens, hun regel

MavenBlue deelt alles wat het bewaart in vijf niveaus in. Niveau één en twee zijn algemeen en mogen naar buiten. Niveau drie is informatie van MavenBlue zelf. Niveau vier zijn klantgegevens, niveau vijf persoonsgegevens. Joost schreef daarbovenop de regel voor AI: niveau vier en vijf gaan alleen via Aimable, op AI die MavenBlue zelf kiest en die draait volgens zijn eigen regels.

Die regel was er eerst, en met Aimable gebruiken hun mensen AI binnen die regel: op het ingewikkelde Excel-model van een klant, op een RFP die put uit eerdere, en op de functionele en technische documentatie waar je vroeger twintig documenten voor openzette en veel moest zoeken.

Joost van Bruggen, partner bij MavenBlue

“Ik denk dat het ons, laten we zeggen, eerst twee weken kostte, en nu doen we het in een dag.”

Joost van Bruggen · Partner, MavenBlue (vertaald uit het Engels)

Elke RFP begint bij de vorige

MavenBlue krijgt elk jaar meer RFP's, de meeste van buiten Nederland en in het Engels, en elke RFP kostte zo'n twee weken. Eerst zetten ze alle RFP's die ze al beantwoord hadden in Aimable, met de documentatie erachter. De skill voor RFP's bouwde Aimable voor hen; de volgende skills, voor documenten in hun eigen sjablonen, bouwt Joost zelf.

Een nieuwe RFP gebruikt nu wat ze eerder schreven, en wordt zo met elke ronde beter. De antwoorden zijn consistenter, tussen vragen en tussen RFP's, gebaseerd op de eigen informatie van MavenBlue, en in goed Engels voor een team dat geen Engels als moedertaal heeft.

Elke AI, in een minuut gewisseld

Aimable zit tussen de eigen informatie van MavenBlue en de AI daarbuiten. Hun spaces, documenten en skills blijven zoals ze zijn, terwijl ze per taak een andere AI proberen: een die goed is in programmeren voor de Excel-modellen, een andere voor de RFP's.

Wisselen kost Joost ongeveer een minuut. MavenBlue zit niet vast aan één aanbieder, en dat telt voor een bedrijf waarvan de klanten elke leverancier controleren, in een vak dat zo snel verandert.

“Als je AI op de goede manier gebruikt, kan het je echt helpen. Gebruik je het niet op de goede manier, dan kan het je echt schaden. Het is een soort vergrootglas van je eigen kunnen.”

Joost van Bruggen · Partner, MavenBlue (vertaald uit het Engels)

Hoe zetten andere bedrijven AI aan het werk in hun eigen processen?

Waar betaalt AI zich in jouw bedrijf als eerste terug?

Investeringsmemo's, supportantwoorden, tenders, orderverwerking: elke klant begon met één proces, en geen van hen wist op dag één welk. Wij helpen je het jouwe te vinden.

Zullen we het jouwe samen vinden?