top of page

ONDERZOEK & ONAFHANKELIJKHEID

Het bewijs achter elke aanbeveling

Het is voor een klant niet altijd eenvoudig om te achterhalen waarop een aanbeveling gebaseerd is, welke informatie werd meegenomen en welke belangen mogelijk een rol spelen.

​

Pulse-R onderzoekt hoe AI en menselijke expertise kunnen samenwerken om verzekeringsinformatie systematisch te analyseren, verbanden zichtbaar te maken en aanbevelingen beter onderbouwbaar en controleerbaar te maken.

​

Niet door technologie zomaar te vertrouwen, maar door te onderzoeken hoe we de kwaliteit van de uitkomsten kunnen beoordelen en hoe we kunnen nagaan waarop ze gebaseerd zijn.

TWEE PERSPECTIEVEN

De aankooplus en de verkooplus

Pulse-R brengt twee perspectieven samen. Enerzijds helpen we mensen om betere beslissingen te nemen over hun verzekeringen. Anderzijds onderzoeken we hoe ervaringen en patronen uit die beslissingen kunnen leiden tot bredere inzichten.

DE AANKOOPLUS

Beter begrijpen wat je nodig hebt

Wanneer je je verzekeringen laat analyseren, wil je weten wat ze voor jouw situatie betekenen.

Welke risico's zijn gedekt?

Zijn er hiaten of overlappingen?

Welke informatie ontbreekt?

UITGANGSPUNT

De technologie ondersteunt de beslissing. De mens blijft degene die beslist.

DE VERKOOPLUS

Beter begrijpen wat je nodig hebt

We onderzoeken hoe marktinzichten op een gestructureerde manier kunnen worden opgebouwd en geëvalueerd.

Welke patronen zien we?

Hoe veranderen risico's of noden

Welke verbanden zien we?

UITGANGSPUNT

Marktinzichten moeten toetsbaar zijn en mogen niet automatisch als bewijs voor een individueel advies worden beschouwd.

Gedeelde
kennislaag

HET BELANGRIJKSTE UITGANGSPUNT

Neutraal advies zonder verkoopbelang

Elke aanbeveling die Pulse-R doet, moet aantoonbaar vrij zijn van verkoopbelangen. Geen commissie, geen voorkeursbehandeling, geen verborgen agenda. Wie iets aanraadt, moet dat kunnen staven met het label en het kennisobject erachter.

CONTROLEERBARE KENNIS

Hoe we dit willen onderzoeken

We willen niet alleen kijken  naar wat een AI-systeem produceert, maar vooral naar de manier waarop kennis wordt vastgelegd, beoordeeld en opgevolgd.

Gestructureerde

kennisobjecten

Inzichten, beslissingen en bewijsstukken moeten worden vastgelegd als afzonderlijke kennisobjecten. Zo kunnen ze los van een rapport worden onderzocht en hergebruikt.​

​

​

Herkomst en integriteit

Elk kennisobject moet een uniek label en een hash hebben. Zo is altijd aantoonbaar wat het is,
waar het vandaan komt en wie het heeft getoetst. Ongetagd blijft de deur dicht.​​

​

​

Menselijke beoordeling

We onderzoeken hoe menselijke expertise een plaats krijgt in de beoordeling van kennis en aanbevelingen.

Daarbij moet transparant zijn wie beoordeelt, waarop dat steunt en hoe nieuwe inzichten worden verwerkt.

Meten in plaats van veronderstellen

Neutraliteit en kwaliteit vragen om duidelijke criteria, reproduceerbare evaluaties en een aanpak waarmee resultaten kritisch kunnen worden onderzocht.

​

​

​​​

WAAROM DIT BELANGRIJK IS

Vertrouwen mag geen belofte zijn.
Het moet ingebouwd zijn.

Echt onafhankelijk verzekeringsadvies vraagt meer dan goede bedoelingen. Het vraagt een systeem waarin governance, controleerbaarheid en verantwoording vanaf het ontwerp ingebouwd zijn.

​

Daarom onderzoeken we hoe we onafhankelijkheid niet alleen als uitgangspunt kunnen nemen, maar ook kunnen vertalen naar concrete regels, meetbare criteria en controleerbare resultaten.

​

Met degelijk onderzoek willen we vaststellen hoe die waarborgen in de praktijk kunnen werken, hoe mogelijke belangenconflicten zichtbaar worden en hoe de kwaliteit en onafhankelijkheid van advies blijvend kunnen worden getoetst.

​

Meten is weten. En governance moet niet alleen op papier bestaan, maar aantoonbaar werken.

bottom of page