L’AI generativa potrebbe valere tra 50 e 70 miliardi di dollari di ricavi aggiuntivi per il settore assicurativo, secondo una nuova analisi di McKinsey, secondo la quale le caratteristiche strutturali dell’industria – processi ancora molto manuali e grandi quantità di dati, strutturati e non – rendono le assicurazioni un terreno ideale per una rapida adozione tecnologica nei prossimi anni.
Gli investitori privati stanno già convogliando capitali verso alcuni segmenti chiave della filiera: intermediari, agenzie con delega di sottoscrizione, fornitori di software e società che gestiscono in outsourcing sinistri e servizi amministrativi. Negli Stati Uniti, gli investimenti nel comparto assicurativo sono cresciuti con forza tra il 2022 e il 2025, mentre in Europa si osserva una contrazione, a conferma di un riequilibrio geografico a favore del mercato americano.
Al centro dell’analisi c’è l’idea che le compagnie siedano su un patrimonio di dati ancora poco sfruttato, proprio mentre devono fronteggiare rischi sempre più complessi, dal cyber ai cambiamenti climatici. L’evoluzione dell’intelligenza artificiale va dai modelli predittivi già diffusi (per tariffe, frodi, modellizzazione del rischio) alle soluzioni generative applicate a documenti e processi pesanti in termini di back office (emissione, gestione sinistri), fino a sistemi più autonomi in grado di gestire interi flussi operativi.
McKinsey non prevede una “sostituzione” totale dei modelli esistenti, ma una loro profonda trasformazione. Per gli investitori, la vera discriminante sarà capire quali realtà stiano davvero integrando l’AI nei processi, traducendola in vantaggio competitivo. La società di consulenza stima che l’AI generativa potrà incidere in particolare su marketing, relazione con il cliente e sviluppo software, contribuendo ai 50–70 miliardi di ricavi aggiuntivi. Chi punta in modo sistematico sulla creazione di valore operativo, anche attraverso l’AI, tende a ottenere rendimenti superiori alla media.
Nel mondo della distribuzione, il motore della crescita non è più solo l’acquisizione di broker, ma l’integrazione verticale, una migliore capacità di collocare i rischi e un’attività consulenziale supportata dai dati. L’intelligenza artificiale viene vista come un supporto al lavoro del broker: dai sistemi che leggono automaticamente le proposte, alla selezione più mirata dei mercati, fino agli assistenti digitali per rinnovi e vendite abbinate, con effetti positivi su cross selling e fidelizzazione.
Le MGA, soprattutto negli USA, hanno visto crescere sensibilmente i premi intermediati negli ultimi anni e restano molto appetibili per i fondi grazie alla leggerezza di capitale e alle buone marginalità. In questo ambito l’AI viene già impiegata per velocizzare l’analisi delle richieste, affinare la segmentazione, attribuire punteggi di rischio più precisi e automatizzare parte della documentazione, con tempi di quotazione ridotti da settimane a giorni o ore per alcuni rami.
Analogo discorso per i fornitori di software assicurativo, che beneficiano di modelli a canone e della crescente domanda di piattaforme modulari e interoperabili. Le compagnie stanno ripensando le architetture storiche in favore di ambienti che permettano di innestare facilmente applicazioni basate su intelligenza artificiale. In prospettiva, i soggetti in grado di fare da “infrastruttura” connettendo dati, modelli e automatismi rischiano di diventare nodi centrali del mercato.
Le società che gestiscono sinistri e processi per conto delle compagnie sono a loro volta ben posizionate grazie alla grande quantità di dati operativi a disposizione, che può essere sfruttata per migliorare velocità, coerenza e qualità del servizio. McKinsey avverte però che i modelli di remunerazione legati alle ore uomo o ai volumi di attività possono limitare il beneficio economico dell’automazione, imponendo una revisione dei contratti e dei meccanismi di pricing.
La società individua quattro priorità per gli investitori: inserire la valutazione dell’AI in tutte le fasi del ciclo d’investimento; dotarsi di una griglia omogenea per valutare casi d’uso, governo e risultati; sviluppare scenari diversi di adozione tecnologica per orientare l’allocazione del capitale; anticipare gli impatti sul lavoro, sapendo che una quota rilevante delle attività non manuali potrà essere automatizzata e richiederà percorsi di riqualificazione e adattamento organizzativo.
© Riproduzione riservata