Na vijftien jaar intensieve vergaderingen is het eindelijk zover: de pensioenen worden gemoderniseerd. Dit betekent dat er een gigantische som van ongeveer 1700 miljard euro aan opgebouwd pensioenkapitaal moet worden herverdeeld. De pensioensector heeft hier jarenlang over gediscussieerd en nu is het moment aangebroken om actie te ondernemen.
De complexiteit van de taak
Op het eerste gezicht lijkt het een eenvoudige rekenkundige oefening: een grote zak met geld verdelen over een groot aantal personen. De werkelijkheid is echter een stuk complexer.
De kern van het probleem ligt niet in de wiskunde, maar in de kwaliteit van de data. Hoe goed zijn de gegevens van de afgelopen decennia geregistreerd en hoe eenvoudig zijn deze gegevens nu te interpreteren? De pensioenregels zijn in de afgelopen 60 jaar meerdere keren aangepast, wat de administratie bemoeilijkt. Bovendien zijn er talloze uitzonderingen en overgangsbepalingen in de reglementen opgenomen.
De hypothese
Het uitgangspunt voor invaren is dat van elk bedrag in de pensioenadministratie de herkomst bekend is. Dit geldt voor actieve en slapende deelnemers, maar ook voor
(ex-)partners en uitkeringsgerechtigden. Is het dan mogelijk om voor al die personen aan te tonen dat deze gegevens juist zijn? AI kan hierbij een hulpmiddel zijn om de data te verbeteren en de nodige bewijzen te leveren van alle mutaties in de afgelopen decennia.
De rol van AI
Kan Data Science en AI helpen om de datakwaliteit aan te tonen en waar nodig te verbeteren? Hoogstwaarschijnlijk wel. De tekortkomingen in de administratie kunnen worden opgespoord. Data Science en Machine Learning kunnen patronen herkennen en voorspellingen doen op basis van alle beschikbare data over wat goed en niet goed is. Echter, deze systemen moeten worden gevoed met data om bruikbare informatie te genereren. Hiervoor is kennis nodig van oude en nieuwe systemen en van de reglementen en reglementswijzigingen door de jaren heen.
Het vinden van de fouten is één ding, maar kunnen we de juiste aanpassingen nog wel administreren? De grootste kans op fouten ligt in de oudste administraties. Dit brengt ons in een lastig parket. De huidige systemen zijn vaak niet geschikt om mutaties voor een bepaald jaar te verwerken. In pensioentermen: Terugwerkende Kracht (TWK) mutaties zijn maar een beperkt aantal jaren mogelijk. Oude systemen zijn uitgefaseerd om kosten te besparen en kunnen dus niet worden gebruikt om nieuwe uitkomsten te berekenen.
Ik durf geen schatting te maken van de hoeveelheid Excel-berekeningen die in de loop der jaren zijn gebruikt om systeemomissies te omzeilen. Het probleem met de datakwaliteit is dus niet alleen het vinden van de gemankeerde data, maar ook het bepalen van de juiste correctiemutatie. Hiervoor is veel actuariële en historische kennis nodig. Deze kennis is schaars en moet binnen een zeer korte periode bij alle uitvoerders en fondsen worden ingezet
Conclusie
De modernisering van de pensioenen is een complexe uitdaging die verder gaat dan wiskundige berekeningen. De kwaliteit van de data speelt een cruciale rol in het succes van deze operatie.
Kunstmatige intelligentie (AI) kan helpen bij het analyseren van grote hoeveelheden data en het identificeren van fouten. De uitdaging ligt in de interpretatie en de juiste correctie. Hiervoor is veel gespecialiseerde kennis vereist van mensen die voor een deel zelf al (bijna) met pensioen gaan, maar ook kennis van de modernste technieken.
Het is een race tegen de klok om de datakwaliteit op orde te krijgen en de pensioenen succesvol te moderniseren. Een race die alleen gewonnen kan worden als mensen en techniek goed samenwerken.
Heb je vragen? Neem contact op.
Caroline van Galen
Business Unit Directeur - FITZ Pensioen & Leven