L’adozione dell’intelligenza artificiale nelle assicurazioni sta accelerando, ma la proliferazione di progetti pilota non coordinati può generare nuovi costi, sovrapposizioni tecnologiche e complessità di governance. È l’avvertimento contenuto nel report di Capgemini From AI pilots to AI powerhouse: Building the insurance enterprise of tomorrow, che invita le compagnie a passare dalla sperimentazione frammentata a un modello operativo fondato su una strategia AI condivisa a livello aziendale.
Secondo il documento, l’AI viene ormai sperimentata in molte funzioni: underwriting, sinistri, assistenza alla clientela, analisi dei dati, business intelligence e IT. Tuttavia, iniziative sviluppate autonomamente dalle singole aree possono riprodurre la frammentazione tipica dei sistemi legacy assicurativi, con licenze duplicate, strumenti che svolgono attività simili, integrazioni costose e difficoltà nel controllo dei fornitori.
Capgemini definisce questo rischio come AI debt: una forma di debito tecnologico e organizzativo che nasce quando gli strumenti di AI si moltiplicano più rapidamente della capacità dell’impresa di integrarli, governarli e trasformarli in risultati misurabili.
Il fenomeno viene descritto come una possibile “pilot purgatory”, nella quale underwriting, sinistri e nuove produzioni continuano a sviluppare progetti separati senza incidere sul funzionamento complessivo della compagnia. In questo scenario, anche singoli casi d’uso con ritorni positivi possono non tradursi in un miglioramento della redditività aziendale, perché aumentano i costi di integrazione, sicurezza informatica, governance e gestione dei vendor.
Il report richiama una stima secondo cui l’intelligenza artificiale generativa potrebbe generare per il settore assicurativo ricavi aggiuntivi compresi tra 50 e 70 miliardi di dollari, con impatti potenzialmente più rilevanti nelle attività commerciali, nelle operazioni rivolte alla clientela e nello sviluppo software. Il raggiungimento di questi risultati, secondo Capgemini, dipende però dalla capacità di ridisegnare processi e ruoli e non dalla semplice introduzione di nuovi strumenti.
Ripensare il lavoro, non solo automatizzarlo
Il documento osserva che molte compagnie stanno applicando l’AI ai processi esistenti con l’obiettivo di eseguire più velocemente le stesse attività. L’approccio può produrre incrementi di efficienza, ma non determina necessariamente una trasformazione del modello operativo.
Nel caso dell’underwriting, ad esempio, sistemi di AI possono analizzare e riassumere grandi volumi di documentazione in tempi molto ridotti. Questo non elimina il ruolo dell’underwriter, ma può spostarne l’attività dall’estrazione di informazioni alla valutazione dei dati, all’applicazione del giudizio professionale, alla gestione delle eccezioni e al confronto tecnico con compagnie e intermediari.
Anche nella liquidazione dei sinistri, l’AI può estrarre elementi rilevanti da referti medici, documentazione contrattuale e comunicazioni con il cliente. Il report sottolinea tuttavia che la riduzione del tempo dedicato alla lettura dei documenti dovrebbe liberare risorse per controlli di accuratezza, gestione dei casi complessi, presidio delle decisioni e relazione con beneficiari e assicurati, in particolare nei momenti più delicati del rapporto assicurativo.
L’indicazione centrale è che l’AI non dovrebbe essere aggiunta come strato tecnologico sopra processi ereditati dal passato. Per ottenere effetti più rilevanti, le imprese dovrebbero riprogettare flussi di lavoro, responsabilità, metriche di performance e interazioni tra funzioni.
Tre livelli di intervento
Capgemini propone un percorso in tre fasi per arrivare a un modello operativo “AI-first”.
La prima consiste nell’analisi di ruoli, attività e dipartimenti. Le compagnie dovrebbero individuare dove viene impiegato il tempo delle persone, quali attività producono attriti, quali incidono sugli indicatori di performance e in quali fasi sia possibile creare efficienza o maggiore valore. Un passaggio centrale riguarda la definizione delle attività che devono continuare a essere svolte o supervisionate dall’uomo, come giudizio professionale, empatia, comunicazione e decisioni nei casi più sensibili.
La seconda fase riguarda la ricostruzione dei flussi di lavoro. Il report invita a non considerare l’AI generativa come l’unico strumento disponibile: automazione robotica dei processi, modelli di machine learning, sistemi antifrode, modelli linguistici e AI agentica possono svolgere funzioni diverse e complementari.
Nella gestione di una pratica sanitaria, per esempio, un modello linguistico può estrarre e riassumere informazioni da documenti non strutturati; sistemi agentici possono verificare la coerenza di dati provenienti da fonti diverse; modelli antifrode già esistenti possono valutare anomalie; una persona può mantenere il controllo della decisione finale. Il punto, secondo Capgemini, è costruire una sequenza coordinata di tecnologie e competenze, invece di affidare a un solo strumento l’intero processo.
La terza fase consiste nell’adozione di una strategia aziendale condivisa. Il documento suggerisce piattaforme comuni in grado di supportare agenti riutilizzabili, più modelli linguistici, standard di sicurezza, governance comune, interoperabilità con sistemi preesistenti e condivisione delle lezioni apprese tra underwriting, sinistri, nuova produzione, amministrazione e fatturazione.
Governance e fattore umano
Il report attribuisce rilievo alla governance, alla sicurezza dei dati e al controllo dei risultati prodotti dai sistemi. Con l’estensione dell’AI a processi che trattano informazioni assicurative e personali, aumenta infatti il numero delle interazioni tra strumenti, archivi e applicazioni, con possibili rischi di accesso improprio ai dati, errori, incoerenze nei modelli e difficoltà nel ricostruire le decisioni.
L’AI può ridurre la necessità di inserimento manuale dei dati e di revisione documentale ripetitiva, ma rende più importanti attività quali monitoraggio degli output, gestione delle eccezioni, escalation dei rischi e verifica delle decisioni. Il report richiama in particolare il fatto che empatia, capacità di comprendere il contesto e costruzione della fiducia non possono essere integralmente delegate alle macchine.
Questo vale in modo particolare nei sinistri e nei prodotti vita e salute, dove l’interazione con l’assicurato può coincidere con eventi personali, familiari o patrimoniali rilevanti.
Investimenti e capacità interne
Capgemini osserva che la rapidità di evoluzione degli strumenti di AI rende difficile per le imprese mantenere internamente tutte le competenze necessarie su modelli linguistici, AI agentica, machine learning, integrazione dei sistemi, sicurezza, dati e governance. Il report propone quindi il ricorso a partnership esterne per integrare competenze e rendere più flessibili le capacità di implementazione.
Il documento presenta questa impostazione anche come un’opportunità per evitare investimenti inefficaci e accelerare la trasformazione. Resta tuttavia una scelta che richiede alle compagnie una chiara definizione delle responsabilità interne, dei requisiti di sicurezza, dei criteri di selezione dei fornitori e delle modalità con cui mantenere il controllo sui processi e sui dati.
La tesi conclusiva del report è che il valore dell’AI nel settore assicurativo dipenderà meno dal numero dei progetti avviati che dalla capacità di collegarli a un disegno operativo e industriale unitario. Per le compagnie, il passaggio decisivo non è quindi sperimentare nuovi strumenti, ma trasformare sperimentazioni isolate in infrastrutture capaci di migliorare processi, qualità delle decisioni, servizio alla clientela e sostenibilità economica.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
