Wtp als versneller van innovatie

In vrijwel elke sector voltrekken zich grote transities in Nederland: de energietransitie, de woon- en zorgtransitie, de digitale transformatie – en daar middenin staat de pensioentransitie. Terwijl beleid, technologie en verwachtingen razendsnel veranderen, draait bij pensioenfondsen één overgang alles overheersend mee: de overstap naar het nieuwe pensioenstelsel.

De pensioentransitie slokt momenteel de volledige tijd en focus bij Nederlandse pensioenprofessionals op. Bij veel fondsen is het nog steeds ‘alle hens aan dek’ om zonder kleerscheuren het nieuwe stelsel in te kunnen varen, met strakke deadlines en hoge toezichteisen. Het is dan ook begrijpelijk dat er weinig tijd en energie overblijft voor andere, soms dringende, zaken. Een van die zaken is digitale innovatie, precies het domein dat straks bepaalt of fondsen deelnemers echt weten te bereiken in een samenleving die onomkeerbaar digitaliseert. En het domein dat zorgt dat de kosten per deelnemer kunnen dalen door de technologische mogelijkheden te benutten.

Daarnaast staat de rest van de wereld juist niet stil. Met name (generatieve) AI verandert ons dagelijks leven radicaal. Ook zijn belangrijke kosten al gemaakt: fondsen hebben al geïnvesteerd in IT-governance, datakwaliteit en meer real-time pensioendata. Daarmee ligt het fundament voor innovatie al klaar en is de noodzaak duidelijk.

Het is belangrijk dat innovatie altijd wordt gezien als verandermiddel en niet als doel op zich. De pensioentransitie ís een periode van grote verandering: processen worden opnieuw ontworpen, data moeten kloppen tot achter de komma en deelnemers verwachten—terecht—helder inzicht in wat er verandert en wat dat voor hén betekent. Juist in zo’n context kan digitale innovatie het verschil maken: niet als extra traject naast de transitie, maar als versneller die piekdruk verlaagt, fouten voorkomt, structurele kosten verlaagt en de deelnemerscommunicatie begrijpelijker en persoonlijker maakt.

Door innovatie en de transitie bewust aan elkaar te koppelen, ontstaan toepassingen die direct bijdragen aan de opgave van vandaag én aan de kwaliteit en betaalbaarheid van het stelsel van morgen. De valkuil is alleen dat bijvoorbeeld “iets met AI” al snel een doel op zich wordt. Innovatie vraagt daarom om focus: waar levert het nu de meeste waarde, waar verlaagt het risico’s, waar kan het leiden tot structurele kostenverlagingen en waar verbeteren we de deelnemersreis op een manier die zichtbaar is?

In de volgende twee casussen laten we zien waar die versnelling nú het meest tastbaar kan landen: (1) het voorkomen dat de deelnemersvraagbaak overspoeld raakt, en (2) versimpelen en versnellen bij het bestuurlijk proces van de transitie.

Casus 1. De vraagbaak raakt overspoeld

Wellicht de beste plek om te innoveren bij pensioenfondsen tijdens de transitie is de deelnemerscommunicatie. Wanneer straks deelnemers allemaal in hun eigen pensioenoverzicht kunnen zien wat voor een vermogen ze hebben opgebouwd zal dat veel vragen oproepen. De zogeheten kassabon waarin met een reeks cijfers dat vermogen wordt opgebouwd, en hoe vervolgens dat vermogen weer omgezet wordt naar een jaarlijkse uitkering, is het resultaat van complexe berekeningen die de kennis van gemiddelde deelnemers ver te boven gaat.

Tegenwoordig kunnen toegankelijke online AI-chatbots waarschijnlijk vrij goed helpen de kassabon te begrijpen en uit te leggen. Dat betekent niet per definitie dat de vragen allemaal vanzelf beantwoord worden; sterker nog misschien komen er juist wel meer vragen, die gemiddeld een stuk meer diepgang hebben en dus meer tijd kosten om te beantwoorden door het pensioenfonds. Tel daarbij op dat communiceren met deelnemers in het nieuwe stelsel hoe dan ook een onderscheidende factor is van pensioenfondsen. In het scenario dat tijdens en na de transitie het volume en de diepgang van vragen gaan toenemen, is een goede voorbereiding daarop cruciaal. Het zou namelijk zonde zijn als al het inhoudelijk werk voor de regeling en de overgang niet aankomt bij deelnemers door de vorm en wijze van informatievoorziening en communicatie.

Voor velen is dan de eerste oplossing waar je aan denkt bij dit scenario om daar ook AI-gegenereerde antwoorden tegenover te zetten. Dat is ook zeker geen ondenkbare oplossing, maar komt wel met een reeks aan overwegingen en uitdagingen om vóóraf bij stil te staan. Succesvolle implementatie van AI is namelijk zelden het gevolg van alleen de techniek (de ‘magische doos’), maar met name van het voorbereidende en controlerende werk.

De eerste uitdaging is dat deelnemers juist met de vragen komen waar de vrij toegankelijke chatbot geen bevredigend antwoord op wist te geven. Hoe zorg je er dan voor dat de AI-assistent van het pensioenfonds wél het gezochte antwoord geeft? Hiervoor zal de interne datakwaliteit aanzienlijk hoger moeten liggen dan bij deze vrij toegankelijke AI en zal de interne AI gekoppeld moeten worden aan eigen ‘kennisbanken’.

De tweede uitdaging is dat er compliance-risico’s verbonden zijn aan het inzetten van AI, omdat er het risico is van verkeerde informatie of zelfs ongeoorloofde adviezen aan deelnemers. Om deze risico’s te mitigeren of op te vangen, moeten bijvoorbeeld strikte vangrails (‘guardrails’) worden ingebouwd in de AI en gekeken worden hoe de human in the loop blijft.

Een eigen AI gebruiken om dit scenario op te vangen is nog steeds waardevol mits die goed uitgevoerd wordt, maar geen vanzelfsprekendheid in dit scenario. Ongeacht of AI wordt ingezet voor dit scenario, zijn er vragen om te stellen voordat gewerkt wordt aan een oplossing:

• Wat past bij ons? Dit is de eerste vraag die je als fonds moet zien te beantwoorden. Deelnemerscommunicatie is sterk fondsafhankelijk – de achterban kan enorm verschillen in leeftijd, opleidingsniveau, gemiddelde beheersing van de Nederlandse taal en andere kenmerken. Het aantal deelnemers dat bediend moet worden is daarbij een belangrijke factor, voor de grootste fondsen in het land is een geautomatiseerde manier om vragen te beantwoorden wellicht de enige werkbare oplossing. Of pas je verschillende oplossingen voor verschillende doelgroepen toe?
• Inventariseer, test en analyseer waarom deelnemers mogelijkerwijs contact gaan opnemen met welk medium (bellen, e-mailen, chat) van de klantenservice, met als resultaat een rangschikking van belangrijkste contactredenen en de vorm.
• Wat vraagt dit van onze datakwaliteit? Welke kwantitatieve én kwalitatieve data dienen op individueel niveau beschikbaar te zijn, om deze vragen goed op te kunnen vangen? En wat is de kwaliteit van deze data?
• Start met gerichte innovatie. Op basis van de voorgaande stappen worden experimenten gedefinieerd om te testen of deze tot verbetering leiden. Deze experimenten kunnen zich richten op inhoud, vorm en/of medium. Wat werkt wel en/of niet goed. Dit moet vooraf getest worden met een testpanel van deelnemers.
• Monitor en itereer. Definieervooraf de wijze waarop wordt gemeten dat aanpassingen leiden tot verbetering. Door afgebakende experimenten uit te voeren, zie je snel wat wel of niet werkt en leert de organisatie. Innovatie gaat vrijwel altijd samen met een gezonde dosis iteratie. Het komt zelden voor dat een significante verandering in één keer een schot in de roos is.

Bij deze stappen kunnen pensioenfondsen profijt behalen uit de eerdere stappen die zijn gezet op het gebied van datakwaliteit tijdens de transitie. Deze basis kan ingezet worden om je als fonds te onderscheiden richting deelnemers. Het is daarmee een voorbeeld van een casus waar de randvoorwaarden van de transitie worden benut als kansen voor innovatie. Tijdens en na de overgang naar het nieuwe pensioenstelsel kan het pensioenfonds zich hiermee onderscheiden door persoonlijker en transparanter te communiceren.

Casus 2. Het begin is het halve werk

De transitie is een zeer informatie-intensieve opgave. Er moet ontzettend veel vergaderd worden, zodat het voor iedereen helder blijft wat er van hen wordt gevraagd, waar de collega’s mee bezig zijn, waar risico’s ontstaan en welke belangen zijn afgewogen bij de besluitvorming. De hoeveelheid informatie die als bekend verondersteld moet kunnen worden, belangenafwegingen die gemaakt moeten worden en besluiten die onderbouwd moeten worden in deze vergaderingen vraagt van de bestuurders een toenemende hoeveelheid voorbereiding die bestaat uit het verzamelen en verwerken van informatie.

Die taak is nou juist een van de grootste krachten van AI. Een afgesteld AI-(RAG)systeem dat toegang heeft tot de relevante vergader- en fondsstukken, en zonder de ‘ruis’ van het hele wereldwijde web en de trainingsdata van een commerciële chatbot, kan de werkdruk in en rondom het bestuur verlichten en besluitvorming verbeteren. Bestuurders kunnen zich dan op hun vergaderingen voorbereiden met simpele en gerichte prompts, om bijvoorbeeld een samenvatting van een dossier te krijgen, en het bestuursbureau kan automatisch voorleggers genereren in de stijl van het fonds in de voorbereiding.

In de sector zien wij een aantal pensioenfondsen die daarom bijvoorbeeld Microsoft Copilot ‘aanzetten’ en dan de vruchten van AI voor deze casus denken te kunnen plukken. De praktijk is echter weerbarstiger: ook hier is AI geen ‘magische doos’ en het succes van de AI-toepassing zit hem vaak in andere zaken dan de techniek. Een voorbeeld is de datakwaliteit: ook voor AI geldt het bekende principe garbage in = garbage out. Een simpel voorbeeld schetst al snel waarom.

Stel dat verschillende mensen hebben gewerkt aan een document en daarbij zijn tussentijds verschillende versies opgeslagen zonder dat bij de documenten beschikbaar is ‘wat het definitieve stuk is’. Ook Microsoft Copilot kan daarbij potentieel foute antwoorden geven, omdat het de verkeerde versie gebruikt. Uiteraard kun je meegeven in je prompt dat het de laatste geüpdatete versie moet pakken, maar dat is niet automatisch de juiste versie. Dit simpele voorbeeld geeft aan dat ook bij ‘ready-to-go’ AI-tools een plan voor de voorbereiding, afbakening, testen en monitoring cruciaal is voor succes, zoals bij elke innovatie. Dat vraagt om inzicht in de business toepassing, IT-systemen én AI-techniek.

De mogelijkheid voor innovatie op het gebied van het bestuur en hun ondersteuning:

• Wat past bij ons? Er zijn verschillende aanbieders en pasvormen voor geïntegreerde AI-systemen. Afhankelijk van factoren zoals de omvang van een fonds, het type van de pensioenregeling en voorkeuren van stakeholders en het bestuur zal een afweging gemaakt moeten worden of er een gekozen wordt, en zo ja welke.
• Wat vraagt dit van ons? Niet alleen de datakwaliteit moet serieus onder de loep worden genomen, ook voorwaarden vanuit compliance zijn aan de orde. Amerikaanse cloudaanbieders hebben vaak hun modellen in de Verenigde Staten draaien. Het IT-beveiligingsbeleid van Nederlandse pensioenfondsen staat dit in principe niet toe. Het kiezen van een aanbieder waarbij data de EU niet verlaat, en er zelf op toezien dat dit daadwerkelijk zo blijft, is daarmee een randvoorwaarde voor de implementatie van een AI-systeem. Tel daar nog bij op of de eigen organisatie voldoende kennis heeft om hiermee te experimenteren, te testen en te evalueren of het wenselijk is dit verder uit te rollen.
• Inventariseer en definieer welke werkzaamheden vooral worden uitgevoerd en welke zich wel én ook niet lenen om met AI op te pakken. Afbakening van de toepassing bepaalt in grote mate het succes en ook de investering die gedaan moet worden. Denk aan het helpen voorbereiden van vergaderingen voor bestuursleden, het maken van samenvattingen van dossiers, het genereren van opleggers en notulen. Daarentegen hoeft het systeem wellicht niet goed te zijn in het maken van allerlei berekeningen en/of afbeeldingen.
• Start met gerichte innovatie. Begin klein door een duidelijke afbakening en scope van het systeem. Bijvoorbeeld door te starten met een pilot waarop het AI-systeem alleen draait op de publieke fondsdocumenten van de website. Bij succes kan nagedacht worden welke andere functionaliteiten het systeem nog meer moet hebben en daarop uitbreiden.

Digitale soevereiniteit

Tegenwoordig is een belangrijke randvoorwaarde voor innovatie de digitale soevereiniteit. Regie op data en de digitale agenda zijn randvoorwaarden om innovatie concreet tot resultaten te laten komen. Nog duidelijkere afspraken over datatoegankelijkheid en uitwisseling tussen bijvoorbeeld de pensioenuitvoerder, het fonds en derde partijen zijn daarbij cruciaal voor succes.

Als je als pensioenfonds niet de besliskracht over je eigen data weet te bewaken, kan dat de draagkracht voor innovatie ernstig beperken. Grote Nederlandse banken gaven recent aan hun afhankelijkheid van Amerikaanse techleveranciers (cloud en AI) actief te willen afbouwen, juist vanwege geopolitieke én juridische kwetsbaarheden. Ook toezichthouders AFM en DNB waarschuwen dat de financiële sector steeds meer leunt op een klein aantal – veelal niet‑Europese – IT‑leveranciers, waardoor concentratie‑ en systeemrisico’s ontstaan.

Pensioenfondsen: niet alleen afhankelijk van Big Tech, óók van de eigen uitvoeringsketen
Voor pensioenfondsen heeft digitale soevereiniteit echter een dubbele betekenis. Naast de afhankelijkheid van Amerikaanse cloudaanbieders, is er een minstens zo belangrijke afhankelijkheid van de eigen pensioenuitvoerder (PUO) en andere ketenpartners. In de praktijk raakt dit direct de digitale innovatie. Veel fondsen willen namelijk wel versnellen met data‑gedreven communicatie, stuurdashboards, AI‑ondersteuning of ketenanalyses, maar zijn daarbij afhankelijk van datatoegang, koppelingen en prioritering bij de PUO. Daarmee verschuift de innovatieagenda gemakkelijk van het fonds naar de uitvoerder: zelfs wanneer er afspraken zijn over innovatiebudgetten of KPI’s, bepaalt de partij die de data en de change‑capaciteit beheert vaak het tempo en de volgorde. Dat roept de vraag op: hoe digitaal soeverein ben jij dan eigenlijk als pensioenfonds?

We zien voorbeelden in de sector waar pensioenfondsen daarom kiezen voor meer digitale soevereiniteit. Zo meldde Huisarts & Pensioen dat Achmea Pensioenservices (APS) de pensioendienstverlening gefaseerd gaat beëindigen en dat het fonds voor hun eigen verandervermogen heeft gekozen om een eigen datalake aan te leggen waarmee zij meer digitaal soeverein zijn en meer de regie houdt over innovatie. Dat hoeft overigens niet te betekenen dat jij als pensioenfonds “alles zelf gaat doen”, maar om scherpere afspraken en aantoonbare regie. Denk aan expliciete rechten op datagebruik en dataportabiliteit (API’s voor derden), toegankelijke (en gedocumenteerde) data‑interfaces en duidelijke termijnen waarbinnen verplicht dataleveringen moeten plaatsvinden. Met die basis kunnen fondsen – eventueel gezamenlijk per uitvoerder – hun eigen digitale innovatieagenda bepalen en gericht versnellen tijdens de transitie.

Innovatie helpt het nieuwe stelsel verzilveren

Bestuurders staan onmiskenbaar voor het innovator’s dilemma: er zijn allerlei dingen die nu onze tijd en aandacht opslokken of juist ruimte maken voor vernieuwing. Terwijl juist gerichte innovatie tijd en ruimte zou maken waar nu al bottlenecks liggen (bijvoorbeeld de tweede casus). Juist in de huidige fase is het nodig om bewust voor het tweede te kiezen. Dat betekent expliciet regie nemen op data en de digitale agenda, kleine en veilige experimenten toestaan naast de transitie-operatie, en durven accepteren dat een deel van de huidige werkwijze daardoor verandert. Bestuurders die vandaag deze stap zetten, creëren een pensioenfonds dat ook na de transitie relevant, betrouwbaar én aantrekkelijk blijft voor deelnemers, althans in onze visie. 

Nu is het moment om innovatie in de pensioensector niet langer als “nice to have” te zien, maar als harde voorwaarde om alle investeringen en beloften van het nieuwe stelsel te verzilveren. Bestuurders die nu expliciet kiezen voor een gerichte innovatieagenda met heldere prioriteiten, concrete experimenten en ruimte voor nieuwe technologie in klantbediening en administratie bouwen aan een fonds dat na 2028 niet alleen compliant is, maar ook wendbaar, efficiënt en relevant voor deelnemers van de volgende generatie. Mogen wij jullie inspireren met deze call to action?