Il settore assicurativo sta attraversando una fase di trasformazione che ha natura strutturale. Come sottolinea Fabian Winter, Chief Data & AI Officer di Munich Re in un intervento, l’intelligenza artificiale non si limita ad automatizzare ciò che già esiste, ma sta ridisegnando dalle fondamenta il modo in cui il mercato assicurativo identifica, misura e gestisce il rischio, spostando l’attenzione dall’automazione dell’esistente alla riprogettazione delle logiche di business e dei modelli tecnici.

Un nuovo paradigma nell’underwriting

Per decenni l’attività di sottoscrizione si è basata su un equilibrio consolidato tra dati storici, regole attuariali e giudizio professionale dell’underwriter. Oggi, sottolinea Winter, la combinazione tra maggiore potenza di calcolo e disponibilità di dataset ampi ed eterogenei sta modificando radicalmente questo equilibrio, consentendo valutazioni dei profili di rischio individuali con un livello di dettaglio prima irraggiungibile.

Un ambito emblematico è quello vita e salute: l’elaborazione automatizzata di informazioni cliniche complesse permette di considerare in modo più granulare situazioni mediche che in passato portavano spesso a esclusioni automatiche o a condizioni molto restrittive. Ne deriva una duplice ricaduta: da un lato l’impatto sui bilanci delle compagnie, dall’altro un effetto concreto sulla vita degli assicurati, con maggiore inclusione assicurativa e ampliamento della platea di soggetti assicurabili. In questo senso, l’AI non è solo leva di efficienza operativa, ma strumento potenziale di accesso e inclusione.

Documenti non strutturati: la nuova infrastruttura “invisibile”

Un secondo fronte riguarda la gestione delle informazioni non strutturate, cuore di molte attività assicurative: liquidazione sinistri, due diligence sui rischi, analisi di perizie, referti, contratti e fascicoli in linguaggio naturale. Piattaforme basate su intelligenza artificiale generativa, capaci di trasformare questi contenuti testuali in dati strutturati e interrogabili, si stanno affermando come infrastruttura invisibile ma essenziale per accelerare e rendere più consistenti i processi decisionali interni.

La possibilità di estrarre in modo sistematico informazioni da documentazione complessa consente di standardizzare analisi che oggi sono spesso manuali, riducendo tempi e variabilità e creando basi dati riutilizzabili per underwriting, pricing, gestione sinistri e reporting.

Nuovi rischi, nuovi mercati

Parallelamente alla trasformazione dei processi interni delle compagnie, la diffusione dell’AI nelle imprese di tutti i settori genera categorie di rischio nuove o profondamente ridefinite. Malfunzionamenti algoritmici, bias nei modelli di decisione automatizzata, vulnerabilità informatiche specifiche dei sistemi di AI compongono un’area di esposizione ancora in larga parte da mappare.

Proprio questa “zona grigia” secondo Winter apre spazio a nuove soluzioni di trasferimento del rischio: prodotti assicurativi dedicati al rischio algoritmico, alla responsabilità da decisione automatizzata e alla sicurezza dei sistemi di AI. Gli operatori in grado di muoversi con anticipo, sviluppando capacità di analisi e modelli tecnici su questi rischi nascosti, potrebbero acquisire un vantaggio competitivo duraturo nei segmenti emergenti del mercato.

Il limite (e il valore) del fattore umano

Nonostante l’entusiasmo intorno all’AI, gli esperti sottolineano un punto di equilibrio cruciale: i sistemi di intelligenza artificiale sono estremamente efficaci nell’analisi dati, nel riconoscimento di pattern e nell’automazione di attività ripetitive, ma non sostituiscono il giudizio critico nelle decisioni complesse né la responsabilità finale.

Il valore aggiunto per le compagnie non risiede nella “sostituzione” degli underwriter o dei risk manager, bensì nell’integrazione tra competenza umana e capacità computazionale. Modelli e algoritmi diventano strumenti di supporto alle decisioni, che ampliano il perimetro informativo e riducono i bias, ma all’interno di un framework in cui la valutazione finale e l’assunzione di responsabilità restano in capo alle persone.

Governance e competenze: le variabili critiche

Gli analisti concordano su un ultimo elemento di fondo: l’adozione efficace dell’AI non dipende solo dalla tecnologia disponibile, ma da tre fattori combinati – infrastruttura tecnologica adeguata, quadro di governance solido e investimento continuo nella formazione del personale.

Senza un impianto di governance chiaro (ruoli, processi decisionali, gestione dei rischi, controlli) – conclude il manager del riassicuratore tedesco – e senza competenze diffuse in azienda, il rischio è che l’AI rimanga confinata in progetti pilota isolati, senza tradursi in un reale vantaggio competitivo né in cambiamenti strutturali dei modelli di business. Il settore assicurativo, tradizionalmente prudente nell’adozione di nuove tecnologie, si trova di fronte a una finestra di transizione difficilmente ripetibile con la stessa intensità: le organizzazioni capaci di integrare dati, tecnologia e competenza specialistica in modo coerente e sistematico sono quelle che, con ogni probabilità, definiranno gli standard competitivi del mercato nei prossimi anni.

© Riproduzione riservata