Il potenziale dell’intelligenza artificiale nel rivoluzionare i processi delle compagnie assicurative, così come di ogni altro settore, è indubbio.
Ma non basta applicarla sopra l’infrastruttura esistente. Occorre ripensare da zero i modelli operativi, la governance e le competenze. Ne abbiamo parlato in un episodio di #define banking insieme ad Antonio Marchitelli, Group CEO di MSA Mizar e autore del libro “Sinistri Liquidi”.
Questo articolo è un adattamento testuale dell’episodio.
AG. Inserire l’AI nei processi assicurativi esistenti non è sufficiente. Qual è il rischio comune per le compagnie assicurative che vogliono applicare l’AI alla gestione dei sinistri?
AM. Vedo tre punti di attenzione. Il primo è il più diffuso: vedo molti operatori del settore che propongono layer agentici da “calare” sui gestionali. Ma la potenza dell’intelligenza artificiale si vede quando abiliti modelli novi, che vengono ridisegnati da zero.
Altri due aspetti meritano attenzione. Il primo è che il dato, quando avviene un sinistro, è in larga parte già disponibile. L’AI è un abilitatore per poterlo acquisire e processare in maniera nuova, rispetto ai modelli tradizionali, permettendo nuove modalità di gestione dei sinistri.
E poi c’è il capitolo della Governance: molti operatori si concentrano sui modelli, sulla realizzazione tecnica dietro alla gestione dei sinistri. Per porsi solo in seguito il problema di come governare l’intelligenza artificiale. L’AI non è un sistema tradizionale, ha invece delle componenti di natura statistica che generano errori e vanno governati. E questa governance va creata dal primo minuto.
AG. Il titolo del tuo libro, “Sinistri Liquidi”, dice già molto: che cosa intendi per sinistri liquidi e che cosa differenzia questo modello dalla gestione tradizionale?
AM. Mi sono ispirato alla metafora dell’acqua. Il sinistro scorre, proprio come l’acqua: trova la sua strada e si incanala verso un’esperienza cliente che è ottimale e senza attriti.
L’esempio migliore è quello di quando siamo in viaggio. Venti anni fa usavamo le mappe cartacee per identificare il percorso. Oggi abbiamo una app per smartphone che non solo ci indica la strada, ma la aggiorna in base al traffico, agli incidenti e ai cantieri.
Ecco, oggi le nuove tecnologie abilitano il passaggio da sistemi classici, deterministici e sequenziali – in cui il sinistro veniva aperto per passare poi a valutazione, negoziazione, pagamento e rivalsa – a un modello in cui i nostri sistemi possono eseguire tutto questo in parallelo e in maniera dinamica, in base al contesto specifico del sinistro.
Per arrivare a questo, però, servono architetture operative, tecniche, ma anche di governance e di leadership.
AG. Per anni l’innovazione nella gestione dei sinistri, ma anche in tutti gli altri processi di compagnie di assicurazione e banche, è stata valutata in base al tempo. In questo caso, il tempo di liquidazione. Come abbiamo già visto in un altro episodio, però, con l’AI questo sta cambiando: il tempo non è più l’elemento principale. Tu proponi di guardare alla “qualità delle decisioni”: come si misura questa qualità e come impatta sul cliente? E l’AI ha risolto il problema dei tempi?
AM. Io credo che l’intelligenza artificiale abbia in sé una grande promessa. Fino a qualche anno fa, era difficile combinare tre variabili: tempo, accuratezza ed economicità di un modello.
Se volevo fare qualcosa velocemente e bene, dovevo spendere molti soldi. Se volevo un progetto economico e fatto bene, non poteva essere veloce.
La promessa dell’AI è potere fare le cose in modo diverso, con un equilibrio tra queste tre variabili: essere veloci, accurati e tutto sommato anche economici.
In fondo, il sinistro è il momento della verità per un assicuratore. Quando il cliente paga, lo fa sperando che un giorno, se succede qualcosa, sarà risarcito. Le assicurazioni incassano prima di dover dimostrare il loro livello di servizio.
I modelli potenziati dall’AI permettono un’esperienza diversa. Tutte le statistiche sulla soddisfazione del cliente provano che c’è una notevole differenza di percezione qualitativa tra i modelli tradizionali e quelli che cominciano a utilizzare l’AI.
C’è poi un tema ulteriore, che è quello della fiducia. Quando prendi una decisione in un mondo nuovo, in cui hai una componete non umana che supera i sistemi tradizionali, allora c’è il tema della qualità della decisione sottostante.
E qui secondo me l’indicatore è semplice: se il sistema prende una decisione, devi essere in grado di spiegarla. Se non sai farlo, hai un problema.
AG. Oltre alla fiducia, c’è il tema della responsabilità. Se l’algoritmo decide, o contribuisce alla decisione, bisogna capire chi ne risponde. Ecco perché servono regole di governance, anche in vista delle prossime scadenze normative.
AM. C’è un riferimento che risale addirittura al 2024. AirCanada aveva lanciato un bot che forniva informazioni sulle polizze connesse ai voli della compagnia. Bene, questo bot ha commesso degli errori. E nel 2024 un tribunale della British Columbia ha sancito che la responsabilità di questi errori era comunque della compagnia aerea, anche se il chabot era gestito da un’azienda esterna di AI.
Quindi sappiamo che gli errori dei nostri sistemi, che siano implementati con modelli interni oppure di mercato, sono comunque responsabilità della compagnia.
In un modello di AI, fondamentalmente statistico, l’errore è del tutto normale. La governance fa la differenza proprio nella capacità di spiegare che cosa ha fatto il modello, di difenderlo. Se non sono in grado di farlo, non ho un comportamento etico verso i miei stessi clienti.
Ci sono altre problematiche. La privacy è una di queste: vedo molti operatori usare modelli di mercato senza porsi il problema di dove vanno quei dati, se stanno insomma agendo nel rispetto del GDPR.
Abbiamo la cybersecurity, un capitolo ulteriore e che risulta ancora più complesso alla luce dell’intelligenza artificiale e dell’arrivo dell’AI Act, che obbligherà a dotarsi di checkpoint di supervisione umana. Il giudizio umano dovrà quindi comunque prevalere sulle raccomandazioni della macchina.
Tracciabilità e trasparenza diventano obblighi e per averli serve proprio la governance, che si rivela un vantaggio competitivo.
AG. Ecco, il ruolo dell’umano. Come cambierà il mestiere dei liquidatori e dei periti in un contesto così tanto guidato da dati e algoritmi? Come cambieranno le competenze?
AM. È un tema che spaventa moltissimo il mercato del lavoro. Il mestiere di periti e liquidatori sarà “aumentato”, per ricalcare l’inglese “augmented”, dall’intelligenza artificiale. I sistemi tecnologici preparano una serie di dati e la rendono disponibile al nostro esperto.
A lui resterà la parte complicata. Dovrà sapere leggere i dati. Capire che cosa è un intervallo di confidenza, ad esempio. E poi concentrarsi sulle negoziazioni, creare empatia con gli interlocutori e così via. Sparisce la parte ripetitiva, semplice del suo lavoro; rimane invece la parte più tecnica, il cuore del mestiere, per andare a gestire le situazioni più delicate dove il giudizio umano non è chiamato a intervenire solo per compliance, ma anche per buon senso. Perché farà tutta la differenza.
AG. Dobbiamo dare un consiglio a un CEO assicurativo che vuole concretizzare tutto questo potenziale innovativo. Da dove deve iniziare?
AM. Credo che leadership e governance vengano prima delle tecnologie. Questo è il compito specifico del capo azienda: riuscire a imporre un ripensamento da zero del modello operativo, ma integrando fin dall’inizio la sua governance.
Perché se governiamo questi modelli disruptive, comprendendone e governandone in ogni istante il comportamento, creeremo fiducia e trasformeremo l’esperienza del sinistrato, che ha subito un danno e vive un momento emotivo, in un momento di valore.
