Nu de transitie naar het nieuwe pensioenstelsel voor steeds meer pensioenorganisaties vorm krijgt, ontstaat ruimte voor een volgende stap: procesoptimalisatie met AI. Hoe meer taken AI zelfstandig uitvoert, des te belangrijker de vraag hoe pensioenfondsen en -uitvoerders de regie behouden.
Nederlandse pensioenfondsen en -uitvoerders hebben de afgelopen jaren een groot deel van hun aandacht gericht op de transitie naar de Wet toekomst pensioenen (Wtp). Tegelijkertijd namen technologische ontwikkelingen op het gebied van AI een vlucht.
Voor partijen die inmiddels zijn overgegaan naar het nieuwe pensioenstelsel ontstaat er geleidelijk meer ruimte om naast de noodzakelijke IT-gerelateerde compliancevraagstukken naar verdere optimalisatie van de organisatie te kijken. Daarmee ontstaat een nieuwe vraag: hoe kan AI worden ingezet om processen in de pensioenketen te optimaliseren, zonder de controle te verliezen?
Fool with a tool, is still a fool
AI is een middel, niet een doel op zich. En iedere AI-technologie heeft zijn eigen krachten en zwaktes. Wat het kan en doet, verschilt dus per geval. Op het moment van schrijven is de AI-tool Claude sterk in analyse van lange teksten en Datarails AI goed in spreadsheetanalyse.
Het antwoord op de vraag hoe een AI-systeem kan ondersteunen bij de uitvoering van processen, is dus afhankelijk van het proces dat je wilt verbeteren. Daarbij moet je de context van een proces scherp hebben, zoals rolverdeling, stakeholders, databronnen of applicatiestructuur. Naast het type AI-systeem bepaalt ook de mate van autonomie hoe AI binnen een proces kan worden ingezet.
AI op het agentic-spectrum
De toepassing van AI-systemen in processen moet gezien worden in relatie tot niveaus van autonomie. Daarvan zijn er grofweg drie: AI die de mens ondersteunt (human-in-the-loop), AI die onder menselijk toezicht zelfstandig taken uitvoert (human-on-the-loop) en AI die zonder directe menselijke tussenkomst handelt (autonome agent). Zie dit onderscheid als een spectrum. Hoe meer beslissingsautonomie een AI-toepassing heeft, hoe groter of specifieker de rol is die zij binnen een proces van de pensioenketen kan vervullen.
Momenteel zien wij in bestuursbureaus van pensioenfondsen voornamelijk taakgerichte toepassingen van AI-systemen. Het gaat hierbij om ondersteuning bij individuele taken waarbij de human-in-the-loop blijft. Denk daarbij aan het uitwerken van notulen door Microsoft CoPilot of het opstellen van (draft) e-mails door ChatGPT.
Als de mens on-the-loop of out-of-the-loop is, spreken we over ‘Agentic-systemen’. Daarbij kan een agentic workflow (on-the-loop) worden beschouwd als een gestructureerde reeks (workflow) van handelingen (prompts) waarbinnen zelfstandig beslissingen worden genomen die tot een (logische) uitkomst leiden. Een daadwerkelijke ‘agent’ (out-of-the-loop) kan worden gezien als een digitale entiteit die zelfstandig binnen een afgebakend kader processen uitvoert, vervolgacties bepaalt en deze afhandelt.
Toepassing van AI
Pensioenfondsen en -uitvoerders beschikken over veel processen die zich herhalen. Dat maakt de pensioensector geschikt voor de inzet van AI. Dit geldt voor zowel administratieve als operationele processen.
Chatbots kunnen ingezet worden voor communicatie met deelnemers. Een chatbot op de openbare website van een pensioenfonds zal echter over andere functionaliteiten moeten beschikken dan een chatbot op het persoonlijk portaal die ook gebruikmaakt van individuele data-analyse. Hoe nauwkeurig en concreet de chatbot antwoordt, hangt af van de gegevens die het AI-systeem gebruikt.
Ook valt te denken aan de toepassing in GRC-tooling (Governance, Risk en Compliance). Waar GRC-tooling door pensioenfondsen wordt ingezet om centrale monitoring van ketenpartners aantoonbaar uit te voeren, kan een AI-toepassing dit werk vereenvoudigen en verbeteren. Zo kunnen AI-toepassingen (in-the-loop) al contracten uitlezen en de relevante monitoringvelden automatisch in de GRC-tool invullen. In een agentic workflow (on-the-loop) kan de toepassing (bewijs)rapportages uitlezen, compliance (gap-) analyses uitvoeren en informatieverzoeken opstellen en taken formuleren in de evaluatiecyclus van het risicobeheer. Een agent (out-of-the-loop) kan op basis van de uitkomsten zelfstandig informatieverzoeken doen aan ketenpartners.
Mens behoudt controle
Naarmate de mens verder verwijderd raakt van de uitvoering en besluitvorming binnen een proces, wordt de vraag hoe de mens de controle behoudt steeds urgenter. Het antwoord op deze vraag ligt bij een goed begrip van wat binnen welk(e) proces(sen) veranderd moet worden.
Pensioenfondsen en -uitvoerders die een Target Operating Model (TOM) of een beschrijving Administratieve Organisatie en Interne Controle (AO/IC) hebben opgesteld, beschikken over een goede basis voor de inbedding van AI in processen. Van belang is daarbij dat een duidelijke contextuele schets van een proces van invloed is op de voorwaarden die worden gesteld aan een AI-systeem. Daarnaast moet duidelijk zijn hoe de autonome eigenschappen van een specifiek AI-systeem zich verhouden tot dit proces.
Daarbij zijn onder meer de volgende vragen relevant: wie interacteert met de AI-toepassing (alleen medewerkers of ook leveranciers)? Welke gegevens worden gebruikt (publiek of persoonlijke deelnemersgegevens)? Welke databronnen vormen de basis voor het door AI uit te voeren proces? En wat is de beslislogica van het AI-systeem?
Procesoptimalisatie
Integratie van AI betekent dat éérst de juiste processen worden geïdentificeerd én heldere kaders worden opgesteld voor de inzet en eigenschappen van AI-systemen. Een TOM of AO/IC zijn een goed uitgangspunt voor de identificatie en het contextualiseren van processen voor de toepassing van AI. Processen optimaliseren met AI betekent dat eerst de mens in controle is van de processen in de pensioenketen!
Joni Dori is director Regulatory Consultancy bij AF Advisors, Ed Vermeulen is director Organizational Consultancy. AF Advisors is deel van het expertpanel dat maandelijks een bijdrage voor Investment Officer schrijft.
