De tijd dat de schade-expert het schadebedrag bepaalde op basis van zijn praktijkervaring en de door de dealer/schadehersteller aangeleverde gegevens ligt ver achter ons. De eerste stap werd gezet met een geautomatiseerd schadecalculatiesysteem, dat begin jaren 80 van de vorige eeuw zijn intrede deed.
De expert, veelal een door de wol geverfde schadekenner, moest opeens formulieren met codes invullen, deze in een portable computer ingeven, verbinding maken met de centrale rekencomputer en na veel lawaai van het modem en vooral veel geduld, rolde er een Audatex rapport uit de thermische printer. Destijds was een bezoek van een expert met zulke moderne apparatuur een bezienswaardigheid, want computers waren verre van gemeengoed.
Het rapport zelf was een keurige opsomming van de uit te voeren werkzaamheden mét tijden, een lijst met onderdeelnummers en -prijzen en last but not least een berekening van de spuitkosten volgens het fabrieks- of generieke AZT-systeem.
Een echte vlucht nam het gebruik van het systeem toen herstellers er mee gingen werken en de rapporten digitaal ter verificatie aanboden werden aan de experts, niet in de laatste plaats omdat systeembezit en -gebruik onderdeel werden van het Focwa-classificatiesysteem. De digitalisering en standaardisering van berekeningen maakten het voorts mogelijk de rapporten door computers te laten beoordelen en een advies te geven of het rapport direct geaccordeerd kon worden, of tele- of fysieke expertise raadzaam was.
Ondanks de vergaande automatisering en digitalisering is het vaststellen van schades nog wel een arbeidsintensief proces en geeft het de nodige druk op het front-office en calculatoren, omdat de werkinstructies van verzekeraars en leasemaatschappijen onderling zo van elkaar verschillen.
AI verkort proces
Het Britse Halo, een schadeketen en spreker op het laatste IBIS-congres, bespaart naar eigen zeggen kosten op het front-office en kan de doorlooptijd van een reparatie verkorten tot 2-3 dagen door heel anders om te gaan met de intake. Hun meldproces is zo vormgegeven dat op basis van foto’s van de schade en gegevens van de berijder, het voertuig en het schade-event een vrij nauwkeurige schatting van het schadebedrag mogelijk is. Toepassing van AI helpt hen voorts met het opstellen van een reparatieplan, waarin herstellen prioriteit heeft boven vernieuwen.
Een nauwkeurig en gespecificeerd schaderapport is bij Halo niet meer nodig, want met hun klanten zijn gemiddelde schadebedragen afgesproken, wat aan de zijde van Halo en Britse verzekeraars tijd en geld scheelt. Je kunt je de vraag stellen of de Britten hiermee nu vóór- of achterlopen op Nederland, want gemiddelde schadebedragen zijn hier al een redelijk gepasseerd station.
Toch is de wijze van intake en het bepalen van het schadebedrag met behulp van historische data en AI een knap staaltje werk. In Nederland is er ook een applicatie waarmee dat mogelijk is, maar nog geen brede toepassing kent: schadeindicatie.nl.
De dienst, uitgebracht door het Zwitserse Spearhead, maakt gebruik van historische data uit Duitsland en AI. De technici van Spearhead hebben een systeem gebouwd dat geheel op basis van input van de klant/verzekerde/lessee een schadebedrag bepaalt. Door te putten uit 5 miljoen schadedossiers uit de Duitse schademarkt en razendsnelle analyse met AI van de klantinput, is een schadebedrag goed te bepalen. Ik nam de proef op de som door een fictieve schade aan mijn auto in te voeren.
Uploaden en aanvinken
Na voertuigidentificatie met het kenteken en het invullen van basale gegevens kan grafisch worden aangegeven welke delen van de auto beschadigd zijn en dienen twee foto’s van de auto te worden geupload. Na het aanvinken van de schadeoorzaak worden per (schade)onderdeel wat vragen gesteld en foto’s gevraagd die de AI moeten voeden. Bij de motorkap wordt bijvoorbeeld gevraagd of deze nog te openen is, of het een kras of deuk betreft en als het een deuk is, hoe groot deze is; handbreed, tussen 1 en 2 handen of breder dan 2 handen en of er mogelijk vervolgschade achter het frontgedeelte zit. Om een leek dit te laten bepalen is een infobutton geplaatst met uitleg van de gradaties. Foto’s van de schade uploaden en de applicatie kan aan het werk. Na luttele seconden rolt er een indicatief schadebedrag uit.
De huidige in gebruik zijnde statistische filters kunnen uitgefaseerd worden, want AI kan mee helpen bepalen of enige vorm van schade-expertise nog nodig is.
Is dit de toekomst van schadebepaling? Kunnen applicaties als Spearhead, FastTrackAI van DAT, BDEO en de in ontwikkeling zijnde applicatie van Solera helpen de druk op het front office en calculatoren te verlichten? Zeker, maar dan zal er één verzekeraar de eerste stap moeten zetten en afstappen van een exact opgave van de schade-omvang en het te verzetten werk dat daarvoor nodig is. De door Halo geroemde korte doorlooptijd kan gehaald worden doordat schaden waarvan een indicatief schadebedrag bekend is, gepland kunnen worden als de benodigde herstelcapaciteit beschikbaar is en dat moet zowel herstellers als verzekeraars in de huidige markt als muziek in de oren klinken.
Foto boven: Een voorbeeld vanuit FastTrackAI (DAT).
