Het bouwen van een AI-workforce voor de verzekeringssector
AI bereidt voor. Mensen beslissen.
De meeste AI-projecten richten zich op eenmalige taken. Ze bouwen chatbots, spraakassistenten of Q&A-systemen. Ik wilde iets groters bouwen. Ik wilde een AI-workforce bouwen.
Verzekeringen zijn een perfect vakgebied hiervoor. Onderzoek is repetitief. Aanbevelingen zijn afhankelijk van data. Opvolging kost tijd. Vertrouwen is belangrijk. Menselijk oordeel blijft noodzakelijk.
Dit systeem werkt volgens een human-in-the-loop-model. De AI doet het zware werk. De menselijke adviseur maakt de uiteindelijke keuze.
De AI-workforce bestaat uit gespecialiseerde agents:
- Discovery Agent: verzamelt klantprofielen, doelen en risiconiveaus.
- Research Agent: analyseert polissen, vergelijkt wachttijden en beoordeelt uitsluitingen.
- Comparison Agent: maakt gestructureerde tabellen om plannen te vergelijken.
- Recommendation Agent: stelt de beste algemene opties of budgetopties voor.
- CRM Agent: werkt klantgegevens en taakstatussen bij.
- Follow-up Agent: stuurt WhatsApp-herinneringen en e-mailmeldingen.
Klanten communiceren via tools die ze al gebruiken. Ze gebruiken WhatsApp, telefoongesprekken, website-chat of e-mail. Ze hoeven geen nieuwe apps te installeren.
De technische stack omvat:
- n8n voor visuele workflows en snel prototypen.
- OpenAI, Gemini en Claude voor intelligentie.
- LangGraph voor complexe agent-logica.
- Supabase en PostgreSQL voor data.
- Pinecone voor geheugen.
Ik begon met n8n om het idee snel te valideren. Zodra de workflows werkten, ben ik overgestapt naar een productieomgeving met NestJS en LangGraph.
AI zal verzekeringsadviseurs niet vervangen. In plaats daarvan zal elke adviseur een AI-workforce hebben die achter de schermen werkt.
AI biedt snelheid, consistentie en schaalbaarheid. Mensen bieden vertrouwen, empathie en oordeelsvermogen.
De toekomst is niet Mens versus AI. De toekomst is Mens plus AI.
Optionele leercommunity: https://t.me/GyaanSetuAi