1. Synthetische data in de praktijk 
Lotte Pater is Data Scientist & Coördinator Synthetische Data bij de Dienst Uitvoering Onderwijs van het Ministerie van Onderwijs, Cultuur en Wetenschap. Lotte licht in deze sessie toe hoe je synthetische data kan genereren en wat de mogelijkheden hier mee zijn. Ook deelt zij hoe de bestuurlijke afweging binnen DUO wordt voorbereid, inclusief alle compliance kwesties die opkomen bij het gebruik van synthetische data.

2. AI Compliance 
Duik met ons mee in de uitdagende sfeer van AI Compliance. Navigeer door de complexe doolhoven van regelgeving en ethiek die de technologische innovatie sturen. Wij ontrafelen de mogelijkheden om compliant AI-systemen te ontwikkelen die niet alleen voldoen aan de wet, maar ook ethische normen overstijgen. Maak deel uit van deze boeiende reis om te leren hoe je de toekomst van AI op een verantwoorde manier kunt vormgeven. Door mr. Jos van der Wijst, advocaat en partner bij BG legal en gespecialiseerd in IT recht en intellectueel eigendom.

3. Fraudedetectie met handmatig gebouwde AI ondersteuning
Vincent van Ettinger en Saskia van Straten van verzekeringsmaatschappij De Vereende lichten toe hoe zij met hulp van TU Delft start-up Councyl een AI model ontwikkelden om verzekeringsfraude te detecteren. Een model dat niet getraind is op historische data, maar op expert-judgement. Dat biedt grote voordelen wat betreft explainability en het voorkomen van bias. Nicolaas Heyning van Councyl licht aanvullend toe hoe deze techniek precies werkt en wat verzekeraars hier nog meer mee kunnen.

4. Explainable AI: hoe dan? 
Voor verzekeraars is het belangrijk om AI modellen en besluiten uit te kunnen leggen. Welke technieken zijn daarvoor beschikbaar en hoe past een grote verzekeraar dit in de praktijk toe? Mitch Angenent, datascientist bij Achmea, vertelt het je. Aanvullend op de presentatie van Mitch licht Martin van den Berg zijn onderzoek toe op de Hogeschool Utrecht naar explainable AI. In dit onderzoek kijkt Martin, met een heel consortium van deelnemende onderzoekers en bedrijven, naar beschikbare technieken en oplossingen om betekenisvolle uitleg te genereren en communiceren. Zij kijken ook naar de marktbehoefte en er worden nieuwe oplossingen gegenereerd en getest.

5. Privacy enhancing technologies “demistified” 
Privacy enhancing technologies (PETs) is een verzamelnaam voor verschillende technieken voor vergaande bescherming van persoonsgegevens in informatiesystemen. Steeds vaker ontstijgen PETs de academische mogelijkheden, en zien we concrete toepassingen. De PET-beloftes worden langzaam maar zeker waargemaakt. Twee Nederlandse bedrijven, BlueGen en Roseman Labs, actief in het leveren van PET-software, geven samen een overzicht van de meest relevante PETs, hun mogelijkheden en beperkingen. BlueGen verzorgt eveneens een deepdive over synthetische data. Roseman Labs gaat dieper in op Multi Party Computation (MPC). Dus als je alles wilt weten over de laatste stand van zaken rondom privacy enhancing techniques? Mis deze break out dan niet!

6. AI in de pensioensector
Seun Adekunle, een promovendus aan de Universiteit Maastricht, onderzoekt het gebruik van machine learning om pensioenspaarplannen in Nederland te verbeteren. Hoewel de financiële sector AI en data science omarmt, blijkt uit literatuur dat de pensioensector terughoudend is bij het adopteren van nieuwe machine learning technieken. De presentatie analyseert 25 onderzoeksartikelen en identificeert drie belangrijke toepassingsgebieden voor machine learning in de pensioensector: klantgerichtheid, procesoptimalisatie en personeelsoptimalisatie. Het bespreekt ook onopgeloste kwesties en kansen voor verdere inzet van data science in pensioenen.
De voertaal in deze sessie is Engels.

7. Veilig databronnen tussen organisatie verbinden, met Multi-Party Computation (MPC)
Toegang tot nieuwe data geeft nieuwe inzichten. Met die ambitie gingen VGZ, DICA en kwaliteitsregistratie bariatrische chirurgie (maagverkleiningen) een samenwerking aan. Met behulp van Multi-Party Computation (MPC) koppelen en analyseren zij zorgverzekerings- en uitkomstendata, zonder deze gegevens daadwerkelijk met elkaar te delen. Op deze manier kunnen zij onderzoeken welke combinatie van zorg leidt tot de beste lange termijn uitkomsten van bariatrische ingrepen. VGZ, DICA en Roseman Labs zullen gaan in op de organisatorische, juridische en technische aspecten die deze samenwerking mogelijk maken. Wil je ook zien wat MPC in de praktijk op kan leveren, dan ben je van harte welkom bij deze break-out!

8.Counterfactual Explanations met Julia(engelstalig)
Econoom Patrick Altmeijer die voor zijn promotie aan de TU Delft werkt aan een onderzoek naar Trustworthy AI met een focus op “Counterfactual Explanations and Probabilistic Machine Learning”. In zijn bijdrage gaat Patrick in op de hypothetische situatie dat een partij een black-box machine learning model voor premiestelling gebruikt, waarna de klant om een toelichting vraagt. Hoe kan je via ‘Counterfactual Explanations (CE)’ een toelichting geven? CE maakt duidelijk hoe de input in een model moet veranderen, om andere output mogelijk te maken. Patrick zoomt in op enkele voorbeelden waarbij het open-source packet Julia is gebruikt: CounterfactualExplanations.jl. Tot slot staat hij stil bij vragen als: welke uitleg is plausibel en waar kan een klant ook daadwerkelijk iets mee?

9. Advanced Driver Assistance Systems: bijdrage aan veiligheid en milieu
Door het combineren van verzekeringsdata met data van Solera kon het Verbond in 2021 voor het eerst de werking van Advanced Driver Assistance Systems toetsen: welke ADAS systemen resulteren daadwerkelijk in minder schade? Mina Arvin, datascientist bij het Data Analytics Centre van het Verbond van Verzekeraars, legt het uit. Dit jaar volgt een update van het onderzoek, waarin niet alleen gekeken wordt naar het effect op de schadelast, maar ook op het milieu. Wat zijn de resultaten? En waar liep Mina tegenaan bij het doen van dit onderzoek?

10. ELSA lab armoedebestrijding Deze sessie komt helaas te vervallen. Je kan je niet meer voor deze sessie aanmelden.

Minou van der Werf is werkzaam als onderzoeker bij BISS, een instituut van de Universiteit Maastricht. Hier houdt zij zich onder andere bezig met het ELSA-lab armoede en schulden. Dit lab onderzoekt hoe AI en data technologie bij kunnen dragen aan het verminderen en voorkomen van armoede en schulden. ELSA staat voor ‘Ethical (E), Legal (L) and Societal Aspects (SA)’ waar alle projecten binnen het ELSA-lab aan moeten voldoen. Minou vertelt wat er in dit lab gebeurt er hoe verzekeraars hier een bijdrage aan kunnen leveren.

11. Data in de praktijk
Drie bedrijven vertellen in deze sessie over hun dienstverlening aan verzekeraars. In no-time ben je helemaal bij op het vlak van responsible AI in de praktijk:

1. Dataiku: hoe kan je AI Governance inzetten om sneller waarde te realiseren. Dataiku gaat ook in op de praktische implicaties van de aankomende EU AI-wet voor verzekeraars. Daarnaast adresseren ze veelvoorkomende valkuilen van het behandelen van AI-governance als bijzaak in de MLOps-levenscyclus die eigendom is van één persoon of team. Wanneer je AI-governance direct meeneemt in de hele levenscyclus (van ontwerp tot productie), laten ze zien hoe sommige organisaties de nieuwe richtlijnen gebruiken om hun time-to-market te versnellen in een constant veranderend regelgevingslandschap. Ze laten zien hoe Dataiku kan worden gebruikt als een orkestratie laag om AI-beheer op schaal te vereenvoudigen. Hierdoor kunnen teams verantwoorde en conforme AI-praktijken opnemen en operationaliseren, waardoor de kans op menselijke fouten of het vertrouwen op handmatige processen wordt verkleind. De lezing is in het Engels.
2. ITDS Business Consultants is een adviesbureau voor financiële dienstverleners, gespecialiseerd op het snijvlak van business en technologie. De jarenlange ervaring bij financials combineren zij met expertise gebieden als data management, risicomanagement en digitale transformatie. Zij deden afgelopen periode onderzoek naar de manier waarop Nederlandse financials hun data management (governance/data kwaliteit etc.) daadwerkelijk inrichten en vertellen je in deze sessie hoe het ervoor staat. Weten hoe jij het doet vergeleken met je peers? Dan is dit interessant. Bovendien deelt ITDS enkele praktische handvatten voor hoe organisaties datakwaliteit kunnen verbeteren. Je hoort hier hoe je meters maakt in een aantal eenvoudige stappen.
3. Amsterdam Data Collective (ADC) is een Data & AI Consultancy geworteld in Amsterdam met 140 medewerkers en drie kantoren in Nederland en de Nordics. Hun team in Denemarken heeft een risicobeoordelingsmodel ontwikkeld om met ESG-data claimgedrag te voorspellen. Hierdoor begrijpt de verzekeringsmaatschappij de risicoprofielen van hun klanten beter, wat helpt om het beleid beter af te stemmen. Via het model kan een verzekeraar zijn klanten in verschillende risicoklassen onderbrengen, waardoor ze meer gerichte premies voor specifieke polissen kunnen aanbieden. Dit project is een voorbeeld van hoe je datagedreven oplossingen kan gebruiken om zakelijke doelen te bereiken. En het biedt waardevolle lessen voor toekomstige initiatieven.