Van werkdruk naar keuzedruk

(Jack Vos, Onesurance, in katern Digitale Support in VVP 1-2026) Veel adviesorganisaties doen het op papier goed, maar in de portefeuilles piept en kraakt het. Het zijn de adviseurs die de boel overeind houden. Zij voelen aan waar iets schuurt, corrigeren waar het nodig is, nemen verantwoordelijkheid waar tijd, structuur of sturing tekortschiet en bellen tóch nog even. Dat werkt – tot het niet meer werkt. Het model houdt geen stand als de werkdruk verder toeneemt en schaalt niet mee met groeiende portefeuilles, toenemende complexiteit, strengere regelgeving en hogere klantverwachtingen. Hiermee dient zich een ongemakkelijke, maar noodzakelijke vervolgvraag aan: hoe re-architecten we het adviesproces zó dat adviseurs structureel worden ondersteund in plaats van dat ze structureel compenseren?
Volgens Adfiz rapporteerde circa 85 procent van de kantoren groei in 2024. Maar onder die groei zit een structureel spanningsveld: de hoeveelheid klanten, signalen en verplichtingen groeit sneller dan de beschikbare adviseurscapaciteit. Daarmee verschuift het vak van werkdruk (hoe krijgen we alles gedaan?) naar keuzedruk (waar maken we vandaag écht het verschil?). En die keuzedruk is niet tijdelijk. Ze is een logisch gevolg van drie trends die elkaar versterken:
1. Portefeuilles groeien (door consolidatie en overnames – niet door autonome groei), terwijl ervaren adviseurscapaciteit steeds schaarser wordt.
2. Risico’s veranderen sneller (digitalisering, ketenafhankelijkheid, klimaat, aansprakelijkheid).
3. Aantoonbaarheid neemt toe : klanten verwachten meer, en toezicht kijkt kritischer naar passendheid en nazorg.
Wie dit serieus neemt, kan niet blijven sturen op: “We zien iedereen eens per drie of vijf jaar”. Dat is sturen op activiteit, terwijl de markt vraagt om sturen op klantbelang, rendement en risicorelevantie. Daarom zie je dat vooruitstrevende organisaties hun adviesproces herinrichten rond adviesimpact – waar moet aandacht naartoe? – en dit operationaliseren met decision augmentation – hoe doen we dat schaalbaar en aantoonbaar?
Lineair onderhoud werkt niet meer
Het woord advies komt van het Latijnse ad visum : ‘naar het zien’. Eerst goed kijken, dan richting geven. Maar dat ‘zien’ is voor de adviseur steeds lastiger geworden: te veel klanten, te veel signalen, te weinig tijd, te weinig context, te veel variatie.
Toch plannen veel kantoren onderhoud nog steeds lineair: iedereen periodiek spreken, ongeacht dynamiek. Dat klinkt netjes en beheersbaar, maar kent vijf structurele nadelen die je niet oplost met harder werken:
1. Verkeerde timing: onderhoud is over drie jaar, risico’s kunnen morgen veranderd zijn. Gevolg: gemiste commerciële kansen en zorgplichtrisico’s.
2. Verkeerde klant, verkeerde aandacht: dit leidt tot:
– Overbediening: lage dynamiek klanten krijgen te veel tijd (pensionado’s, stabiele MKB-ers).
– Onderbediening: hoge dynamiek klanten krijgen te weinig tijd (jonge gezinnen, sterk groeiend MKB).
3. Toezicht-technisch kwetsbaar: het is geen ‘doorlopende’ actieve ondersteuning, het onderhoudsritme is niet ‘passend’ voor díe klant.
4. Praktisch onuitvoerbaar : bij vakantie, ziekte en dergelijke ontstaat direct een stuwmeer aan agenderingen hetgeen demotiverend werkt.
5. Geen lerend effect: het proces wordt niet slimmer en is niet schaalbaar.
Kortom: het lineaire model verdeelt schaarse adviseurscapaciteit gelijk over klanten, terwijl waarde en risico ongelijk verdeeld zijn. Dat vraagt om een ander stuurmodel: adviesimpact.
Waar moet de aandacht naar toe?
Adviesimpact is het antwoord op keuzedruk. Het is een manier om adviseurscapaciteit te sturen naar waar die het meeste verschil maakt, voor klantbelang, financiële waarde voor de organisatie en invulling van zorgplicht. Adviesimpact kunnen we vertalen naar operationele signalen die een kantoor dagelijks herkent. De belangrijkste zijn:
‘De markt vraagt om sturen op klantbelang, rendement en risicorelevantie’
Voorbeeld: lang geen contact of mutaties, premiefrictie, schade-ervaring, minder respons.
2. Customer Lifetime Value: actie is economisch logisch, de klant heeft een hoge waarde . CLV is de toekomstige klantwaarde in euro’s, kortweg: provisiebelang x klantlevensduur minus voorspelde handlingskosten (contact- en schadebehandelingskosten).
3. Salespotentieel: actie is commercieel interessant, polissen ontbreken in pakket.
Voorbeeld: geen cyber bij digitaliserend bedrijf, geen opstal bij hypotheek.
4. Risicorelevantie: actie is vereist, cruciale dekkingen met grote financiële impact ontbreken.
Voorbeeld: bedrijf heeft geen AVB, geen AOV bij zelfstandige kostwinner.
5. Zorgplichtrisico: actie is gewenst, complexe pakketten lang geen aandacht.
Voorbeeld: grote brandpolissen (onderverzekering), overgenomen portefeuilles zonder review.
Adviesimpact is dus niet ‘meer doen’. Het is ‘beter kiezen’ – en dat consequent volhouden. En hier ontstaat een interessante verschuiving: commercie en compliance groeien naar elkaar toe.
• Een gemist cruciaal risico is niet alleen een zorgplichtissue, maar ook een commerciële kans en een toekomstig churn - en reputatierisico, alsmede verlies aan CLV.
• Een goed getimed adviesmoment verhoogt klantvertrouwen, retentie, verlaagt zorgplicht en zorgt voor relatie-verbreding (dus CLV-groei).
Kort gezegd: goed advies op het juiste moment is niet alleen ‘netjes’. Het is de rationeelste groeistrategie.
Last mile-problem
Veel kantoren hebben dashboards en segmentaties. Toch verandert gedrag nauwelijks. McKinsey & Company noemt dit het last mile problem : inzichten zijn er wel, maar leiden niet automatisch tot betere beslissingen of meetbare waarde ( McKinsey 2023:Making data analytics work ).
‘De echte waarde zit niet in meer contact, maar in relevanter contact’
Adviesimpact doorbreekt dat patroon, omdat het inzichten direct vertaalt naar actie:
• welke klanten prioriteit krijgen (en waarom);
• welke adviseursactie hoort bij welk signaal (bezoeken, bellen, checklist mailen);
• hoe je opvolging borgt (vastleggen, herinneren, terugkoppelen);
• welke KPI’s je gebruikt om effect te meten (responspercentage, provisiedelta, NPS).
Decision augmentation
Nu komt de vraag: als dit zo logisch is, waarom doen we dit dan niet allang massaal? Omdat je hiervoor iets nodig hebt dat traditionele processen niet leveren: schaalbare beslis-ondersteuning. En dát is decision augmentation . Augmenteren betekent: versterken, uitbreiden of ondersteunen, zonder het oorspronkelijke te vervangen. Onderzoek van Accenture maakt een relevant onderscheid: sommige taken zijn vooral te automatiseren (minder mens nodig), maar veel taken in advies en besluitvorming zijn juist te augmenteren: de mens blijft eigenaar van de beslissing, maar technologie vergroot overzicht, snelheid en consistentie ( Accenture: Technology Vision 2025 ).
Decision augmentation in advies betekent concreet:
1. Voorspellen en signaleren: eerder zien dat er iets verandert (risico, gedrag, context).
2. Prioriteren: bepalen welke signalen het zwaarst wegen voor adviesimpact.
3. Aanbevelen : een logische volgende stap voorstellen (actie + onderbouwing).
4. Onderbouwen: vastleggen waarom deze klant nu prioriteit had (aantoonbaarheid).
5. Leren: terugkoppelen wat werkte, zodat het model en proces verbeteren.
En belangrijk: dit is geen ‘adviesrobot’. De adviseur blijft beslisser. Technologie helpt vooral om de ad visum -kant te versterken: sneller en consistenter zien waar aandacht nodig is.
Waarom het nu kan: dataconvergentie
Dataconvergentie betekent dat verschillende databronnen, datatypen en datastromen bij elkaar komen tot één samenhangend informatie- en besliskader. Decision augmentation werkt alleen als vier bouwstenen tegelijk volwassen zijn. Dat is de reden dat het nu wél tractie krijgt:
1. Gestructureerde portefeuilledata. Meer polis-, schade-, contact- en mutatiedata dan vroeger, en beter ontsloten.
2. Externe databronnen voor meer context. Denk aan CBS (buurt- en demografische kenmerken), Kamer van Koophandel (activiteiten, leeftijd, groei), RDW (voertuigprofielen) en Basisregistratie Adressen en Gebouwen (object- en pandkenmerken).
3. Specifiek insurance-AI die patronen herkent. Complexe ML modellen die significante trends, afwijkingen, triggers herkennen op portefeuilleniveau en vertalen naar accurate voorspellingen.
4. Outside-in risicomodellen per sector/levensfase. LLM modellen die vertalen wat ‘essentieel’ is per branche en context, en dat koppelen aan klantdata.
Bain & Company laat in meerdere insurance- en analytics-publicaties zien dat analytics niet alleen kan helpen bij efficiency, maar juist bij loyaliteit en cross-sell: het verhogen van relevantie en timing in klantbenadering ( Bain 2023: Customer Behavior and Loyalty in Insurance ). Dat sluit naadloos aan op adviesimpact: de echte waarde zit niet in ‘meer contact’, maar in relevanter contact. Het juiste gesprek, bij de juiste klant, op het juiste moment.
De kern van het adviesvak
De verschuiving naar adviesimpact raakt ook de kern van het adviesvak zelf. De moderne adviseur ontwikkelt zich steeds meer tot risicoregisseur. Iemand die:
• risico’s signaleert vóórdat ze zich manifesteren;
• prioriteit aanbrengt in wat écht relevant is;
• klanten helpt keuzes te maken in onzekerheid;
• verzekeren positioneert als onderdeel van een breder risicobeeld.
Dat vraagt niet alleen andere adviesvaardigheden dan twintig jaar geleden, maar vooral ook andere tooling , die de adviseur écht ondersteunt bij het signaleren en prioriteren van risico’s in zijn klantenportefeuille. Moderne technologie gebaseerd op data en insurance-AI maakt dit mogelijk én noodzakelijk.
Jack Vos: ‘Adviesimpact is niet ‘meer doen’, maar ‘beter kiezen’.
Adviesimpact en decision augmentation zijn geen toekomstbeelden of theoretische modellen. Ze worden vandaag al toegepast, met name bij grote intermediairs met portefeuilles van 100.000 klanten en meer. Daarmee kunnen ze klanten beter bedienen met minder mensen. Tegelijk is dit geen ‘winner takes all’-verhaal. Dezelfde technologie komt, direct of indirect, via serviceproviders, verzekeraars, softwareleveranciers en platformen ook beschikbaar voor kleinere kantoren. De vraag is dus niet of dit komt maar wanneer en hoe bereid je je hier als kleiner kantoor nú al op voor? Hierover meer in het volgende deel.
Jack Vos is oprichter van Onesurance.ai. Onesurance behoort tot een nieuwe generatie deep tech insurtechs. Met behulp van een complexe AI-engine die gebouwd is door data scientisten, voorspelt Onesurance welke klanten risico lopen om op te zeggen, waar commerciële kansen liggen en biedt zelfs geautomatiseerd klantcontact met AI-Agents. Onesurance is onder andere geselecteerd door de Insurtech Hub Munchen (www.insurtech-munich.com) en Insurtech Amsterdam (insurtechamsterdam.com).
Wat zegt de AFM?
De toezichtlijn van AFM benadrukt dat financiële ondernemingen klanten ook in de beheerfase zorgvuldig moeten ondersteunen en dat nazorg/doorlopende ondersteuning onderdeel is van zorgplicht. Een proportionele, risico-gestuurde benadering is logisch, maar je moet het kunnen uitleggen en onderbouwen. Adviesimpact operationaliseert dat principe, decision augmentation maakt dat vervolgens schaalbaar én aantoonbaar:
• Niet iedereen hetzelfde behandelen.
• Maar iedereen passend behandelen.
• En kunnen laten zien waarom je prioriteiten zo lagen.
Drieluik adviesimpact
Het adviesvak staat niet voor een technologische revolutie, maar voor een beslisrevolutie . Het aantal klanten groeit. De hoeveelheid data groeit. De complexiteit van risico’s groeit. Maar tijd, aandacht en besliscapaciteit per adviseur groeien niet mee. De kernvraag verschuift daardoor van: hoe bedienen we iedereen? Naar: waar maken we de meeste adviesimpact?
Dit drieluik beschrijft die verschuiving in drie stappen:
1. Adviesimpact als toekomstbestendig bedieningsmodel – en waarom het oude model niet meer werkt (theoretisch kader)
2. Adviesimpact in de praktijk – hoe werken signalen, prioritering en meetbaarheid
3. Het advieskantoor van morgen – gevolgen voor leiderschap, strategie, businessmodel en portefeuillewaarde
Reactie toevoegen
Meer over
bunq en Blockrise lanceren Bitcoin-bankrekening
Blockrise biedt volgens eigen zeggen als eerste Bitcoin-platform gebruikers een volledige bankrekening die onder bescherming van het Nederlandse depositogarantiestelsel...
Aantal adviseurs met adviesbevoegdheid fors verder teruggelopen
Op 1 april waren er 67.124 adviseurs met een of meer beroepskwalificaties, die adviesbevoegd zijn tot en met 31 maart 2028 (eind vierde PE-periode). April 2024 waren...
AO-risico nog altijd zwaar onderschat
(Uit VVP 1-2026) “Mensen realiseren zich onvoldoende hoe groot de impact van arbeidsongeschiktheid op hun financiële situatie kan zijn. Als belangrijkste...
AI-volwassenheid binnen het intermediair loopt sterk uiteen
De Nederlandse verzekeringsmarkt blijft sterk afhankelijk blijft van het intermediair, maar de AI-volwassenheid binnen die groep loopt sterk uiteen", aldus een analyse...
VFN presenteert whitepaper over verantwoord gebruik van AI
De VFN heeft een whitepaper gepubliceerd over de verantwoorde toepassing van kunstmatige intelligentie (AI) binnen de consumentenkredietsector. De publicatie...
"Op steeds meer financieel advieskantoren worden AI-toepassingen gebruikt. In gesprekken over AI gaat het al snel om de vraag: wie weet het beter, AI of de mens?...
Adfiz: AFM-rapport over AI relevant voor advieskantoren
Het AFM-rapport over het gebruik van AI in de assetmanagementsector bevat bruikbare inzichten voor financiële dienstverleners, aldus Adfiz."Juist nu de AFM...
(Roger van der Linden, Vlengendaal Consultancy, in Ken je vak! VVP 1-2026) Ik weet niet hoe het bij jou zit, maar mijn navigatie en ik hebben een bijzondere relatie....
Beleid bij AI-gebruik blijft achter
Uitkomsten van AFM-onderzoek laten zien dat in de Nederlandse assetmanagementsector het AI-gebruik toeneemt, terwijl beleid en afspraken achterblijven. De...
Zichtbaar maken wat je voor klanten doet
(Uit VVP 1-2026) “Niet alleen het eindresultaat telt, maar ook het proces daar naartoe. Door transparantie te bieden in keuzes, afwegingen en stappen groeit...










