Nell’agenda del nuovo Data-AI Lab di MSA Mizar compaiono 54 casi d’uso per l’AI, anche generativa, e il machine learning, da testare nell’arco di un anno per innovare i processi di gestione in outsourcing dei sinistri.
Una struttura annunciata insieme ai dati di bilancio 2024 e presentata ad AziendaBanca dal nuovo Group CEO, Antonio Marchitelli, che ha portato un nuovo assetto della struttura organizzativa di Gruppo, oggi a suo diretto riporto.
GC. Dottor Marchitelli, come nasce il Data-AI Lab? Chi ci lavora?
AM. Stavamo lavorando a livello di Gruppo alla creazione di una data lake: questo progetto ha poi trovato sviluppo grazie alla acquisizione, in Spagna, di Veta+, società attiva nel ramo della gestione sinistri in ambito Property.
Grazie a questa operazione abbiamo trovato una équipe già affiatata e competente nell’impiego di tecnologie di machine learning e, in senso lato, di AI e GenAI. 38 professionisti, tra data scientist, data engineer e Quality Assurance Specialist, basati a Madrid ma che lavorano completamente da remoto.
Per la spagnola Veta+ hanno già sviluppato un innovativo modello di gestione dei sinistri collegati all’abitazione che risolve alcune problematiche tipiche del nostro settore, prendendo decisioni automatiche e immediate.
Ad esempio, in base a un set di criteri può pagare un sinistro oppure respingerlo; o, ancora, inviare sul posto un esperto o un riparatore. Questo “Solver” contestualizza la richiesta: recupera i dati catastali dell’abitazione assicurata, controlla le garanzie assicurative attive, le franchigie e così via; e ha anche accesso ai dati meteorologici e a Google Maps, per trovare l’esperto disponibile più vicino e fissare un appuntamento a casa dell’assicurato.
GC. Si dice spesso che l’integrazione dell’AI all’interno dei processi permette di migliorare l’esperienza del cliente. Avete misurato i concreti vantaggi di questa iniziativa?
AM. Un nostro cliente ha utilizzato questo modello potenziato dall’AI per circa 3 anni e ha potuto misurare i benefici rispetto a un modello operativo tradizionale e manuale. Il tasso di soddisfazione dei clienti finali è molto elevato, al 95%, mentre le frodi si sono ridotte del 42%.
Gli operatori telefonici e internet riescono a gestire la maggior parte dei sinistri con una sola richiesta, riducendo del 38% la durata del sinistro rispetto alle modalità tradizionali. Un ultimo dato centrale è il costo medio del sinistro, ridotto del 22% grazie a questo modello.
GC. Ora Data-AI Lab arriva in Italia: quali obiettivi avete? E quali sono le sperimentazioni già in corso?
AM. Nel prossimo anno puntiamo a realizzare 46 casi d’uso, mettendo a frutto anche gli asset tecnologici che già abbiamo. Servirà investire in competenze: un caso d’uso viene rilasciato in poco più di 3 settimane, ma molti potrebbero non funzionare. E non dimentichiamoci che la sfida è sicuramente più culturale che tecnologica: per questo il Data-AI Lab è una struttura trasversale a tutta l’azienda.
Per quanto riguarda le sperimentazioni, stiamo sviluppando un punto di AI (ovvero uno specifico progetto o modello di intelligenza artificiale che va integrato all’interno di un processo più ampio, NdR) per l’apertura di un sinistro tramite chatbot.
Questo strumento specifico, però, spesso non è gradito dal cliente nelle versioni tradizionali attualmente in uso. Vogliamo quindi superarne i limiti con un chatbot WhatsApp che dialoga in linguaggio naturale con il cliente, raccogliendo le informazioni necessarie ad aprire il sinistro.
Se non trova tutti i dati necessari, l’AI riformula la domanda in modo diverso. Se tutto va a buon fine, apre la pratica e deposita le informazioni, che vengono comunque sempre supervisionate da un operatore umano.
Stiamo anche addestrando l’AI per gestire i sinistri Auto: ad esempio, siamo i primi in Italia a introdurre uno speciale scanner AI, che acquisisce l’immagine, ad esempio di un’automobile danneggiata dalla grandine, ed è in grado di indicare il tipo di riparazione necessaria, se a caldo o a freddo.
GC. L’AI si nutre di dati per prendere decisioni corrette. E in azienda avete moltissime informazioni che permettono di fare test su migliaia di casi e procedere all’addestramento. Qual è l’approccio del Lab su questo aspetto, anche per quanto riguarda il rischio di “allucinazioni”?
AM. L’intelligenza artificiale ci permette di migliorare i processi per rendere i nostri clienti indipendenti nella gestione del sinistro. Facciamo dunque dei PoC, definiti insieme al business, si scelgono i modelli AI, anche Generativa, che vengono applicati al nostro data lake che ha una profondità storica di almeno 10 anni, con quasi 1 milione di sinistri all’anno, e si procede con la comparazione delle decisioni.
Solo il Super User vede l’AI e può valutare se l’algoritmo restituisce risultati attendibili, con una soglia del 95%. Se i risultati sono positivi si testa in modo più ampio e infine si passa alla produzione. E dato che nessuna AI è esente da potenziali allucinazioni realizziamo dei Golden Test periodici, dove sottoponiamo le stesse domande per controllare che nel frattempo non si siano create delle allucinazioni.
