Verzekeraars krijgen steeds meer AI schadefoto’s binnen

Verzekeraars krijgen in toenemende mate schadefoto’s binnen die (deels) door AI zijn gegenereerd of bewerkt. Waar fraude met ‘klassieke’ Photoshop-manipulatie al jaren bestaat, verandert generatieve AI het speelveld: beelden kunnen sneller, overtuigender en op grotere schaal worden geproduceerd. Dat begint een groot probleem te worden voor schade-afdelingen, omdat de eerste beoordeling vaak leunt op beeldmateriaal dat via apps of webportalen wordt aangeleverd.

De uitdaging zit niet alleen in het herkennen van volledig neppe beelden, maar juist in ‘hybride’ gevallen: een echte foto met subtiele AI-aanpassingen. Denk aan een deuk die net iets groter wordt gemaakt, lakschade die wordt toegevoegd of een bestaande kras die wordt verplaatst. Het gevolg: meer tijd per dossier, hogere onderzoekskosten en een grotere kans op onterechte uitbetalingen als controles niet opschalen.

Waarom dit nu escaleert

De kwaliteit van beeldmodellen stijgt razendsnel, terwijl de drempel voor gebruik daalt. Een paar jaar geleden waren AI-beelden vaak nog herkenbaar aan vreemde details. Nu kunnen consumenten in minuten geloofwaardige schadefoto’s maken, met consistente belichting en realistische texturen. Bovendien circuleren er online steeds meer ‘prompt-recepten’ en tools die specifiek gericht zijn op het creëren van plausibele claims.

“We zien dat beeldmodellen zo snel beter worden dat veel traditionele ‘visuele checks’ niet meer genoeg zijn,” zegt AI- en ChatGPT-expert Leon Tindemans van TTM Communicatie. “Image modellen zoals ChatGPT Images 2.0 worden steeds overtuigender. Voor verzekeraars wordt het een kat-en-muis spelletje: zodra je een patroon herkent, passen fraudeurs hun werkwijze aan.”

De impact op schadeprocessen

Voor verzekeraars betekent dit dat de triage van claims complexer wordt. Waar eenvoudige schades vroeger snel konden worden afgetikt op basis van foto’s, kan er nu vaker behoefte ontstaan aan extra bewijs: aanvullende foto’s, metadata, video, een live inspectie of een expertbezoek. Dat verhoogt frictie voor eerlijke klanten én legt druk op teams die al met capaciteitsproblemen kampen.

AI Expert Leon Tindemans: “Als je alles gaat wantrouwen, wordt de klantreis stroperig. Maar als je te soepel bent, loopt de schadelast op. Dit vraagt om slimme detectie, maar ook om communicatie: leg uit waarom extra stappen nodig zijn.” Volgens hem moeten organisaties bovendien rekening houden met een nieuwe realiteit: “AI is geen eenmalige golf. Het is een doorlopende versnelling.”

Wat kunnen verzekeraars doen?

De oplossing zit waarschijnlijk in een combinatie van techniek en proces. Denk aan automatische detectie van AI-artefacten, het controleren van EXIF/metadata waar beschikbaar, het vergelijken met eerdere claims, en het inzetten van risicoscores. Ook kan het helpen om bij bepaalde claimtypen standaard meerdere invalshoeken of korte video’s te vragen. Tegelijk blijft menselijke expertise nodig: fraude wordt niet alleen technisch, maar ook gedragsmatig herkend.

“Je kunt dit niet oplossen met één tool,” besluit Leon Tindemans. “Je bouwt een verdedigingslaag die meegroeit met de tegenpartij. En juist daarom is het een kat-en-muis spelletje.”