Compagnie di assicurazioni, l’AI fa la differenza

L’utilizzo dell’intelligenza artificiale, in particolare della AI generativa, può fare la differenza in campo assicurativo:  secondo le analisi di McKinsey, negli ultimi cinque anni le compagnie che ne fanno utilizzo hanno generato un TSR 6,1 volte più elevato rispetto a quello delle compagnie meno avanzate nell’uso dell’intelligenza artificiale.

Le compagnie più evolute scelgono alcune funzioni strategiche — come distribuzione, pricing e underwriting, gestione dei sinistri o investimenti — e ne riprogettano a fondo il funzionamento. Questo intervento mirato ha già generato secondo la società di consulenza internazionale un incremento del 10–20% nei tassi di successo dei nuovi agenti e nei tassi di conversione delle vendite, una crescita dei premi del 10–15%, una riduzione del 20–40% dei costi di acquisizione dei clienti e un miglioramento del 3–5% nella precisione della gestione dei sinistri.

Un approccio per domini può partire con la trasformazione end-to-end di uno fino a tre ambiti operativi, in modo da generare un impatto concreto senza sovraccaricare l’organizzazione. Adottando un approccio esteso a tutto il dominio e riorganizzando i flussi di lavoro nella loro interezza, le compagnie riescono a creare sinergie nell’elaborazione dei dati, nell’integrazione dei sistemi e nella gestione del cambiamento.

Secondo il report McKinsey (The future of AI in the insurance industry) sono sei le mosse che le compagnie possono adottare in tal senso:

• Allineare il top management su una roadmap guidata dal business per la trasformazione AI. Le compagnie assicurative vedono l’AI come un motore strategico di trasformazione, capace di accelerare la crescita, rafforzare la relazione con i clienti e aumentare la produttività. È fondamentale coinvolgere e allineare i vertici aziendali, focalizzare gli sforzi su alcune aree prioritarie e trasformarle integralmente, collegando i risultati ottenuti a miglioramenti tangibili nei principali KPI operativi. Serve un approccio integrato, che diffonda l’AI in tutta l’organizzazione seguendo una roadmap chiara, capace di aggregare più use case all’interno di un singolo dominio (aree funzionali o di business centrali — come sinistri o underwriting).
• Costruire una base solida di talenti. Le compagnie assicurative devono investire nella costruzione di un solido bacino di competenze interne, puntando idealmente ad avere in-house il 70–80% dei talenti digitali. Le realtà più avanzate seguono tre linee d’azione principali: ripensano la composizione dei team, privilegiando profili più esperti e ad alta produttività; definiscono percorsi di crescita strutturati, con griglie di competenze supportate da certificazioni, per promuovere l’eccellenza e valorizzare i talenti distintivi; infine, istituiscono team specializzati nell’evoluzione dei processi HR, con l’obiettivo di attrarre, sviluppare e trattenere le professionalità digitali più qualificate.
• Adottare un modello operativo scalabile. Le compagnie assicurative che intraprendono una trasformazione basata sull’AI devono dotarsi di un modello operativo in grado di sostenere la strategia aziendale e adattarsi alla crescita. È inoltre fondamentale sviluppare solide competenze di product management, essenziali per garantire il successo della trasformazione.
• Sfruttare la tecnologia per velocità e innovazione distribuita. Le compagnie assicurative che si distinguono nell’adozione dell’AI si affidano a una struttura tecnologica flessibile, basata su una stack di capacità AI modulari e riutilizzabili, alimentata da sistemi multiagente. Il riutilizzo dei componenti e delle funzionalità di base è un elemento chiave, così come l’adozione di un’architettura “agentic AI mesh”, che consente a più agenti di ragionare, collaborare e agire in modo autonomo su un’ampia gamma di sistemi, strumenti e modelli linguistici, in modo sicuro e su larga scala.
• Integrare i dati in ogni ambito. Capacità avanzate di gestione dei dati restano essenziali, poiché ogni applicazione di AI si basa proprio sui dati. Sebbene l’AI possa aiutare a superare alcune criticità, la maggior parte delle compagnie dovrà rafforzare in modo strutturale le proprie capacità in questo ambito per realizzare pienamente la propria visione. Un aspetto sempre più strategico sarà la capacità di incorporare e valorizzare il know-how distintivo dell’organizzazione all’interno dei sistemi di AI agentica: un potenziale nuovo asset del patrimonio intellettuale delle assicurazioni.
• Investire nell’adozione e nella gestione del cambiamento. Per ogni dollaro investito nello sviluppo di soluzioni digitali e AI, è necessario prevederne almeno un altro per garantirne la piena adozione da parte degli utenti e la scalabilità a livello aziendale. La gestione del cambiamento è ciò che fa la differenza tra un’AI che resta inutilizzata e un’AI che trasforma realmente le operations.

Integrando la generative AI, che consente di migliorare l’efficienza operativa e il coinvolgimento del cliente, le compagnie Vita possono affinare la valutazione del rischio e i processi di underwriting, generando dati sintetici che arricchiscono i dataset esistenti.

Nel segmento salute, la gen AI può supportare la previsione degli esiti clinici e la personalizzazione dei piani sanitari attraverso l’analisi di grandi quantità di dati.

Per il ramo danni commercial, la gen AI consente di creare modelli di rischio dettagliati e simulare scenari complessi per valutare meglio le potenziali perdite.

Nel ramo danni retail, la generative AI può automatizzare la gestione dei sinistri e migliorare il rilevamento delle frodi grazie a tecniche avanzate di analisi dei dati.

Secondo quanto riporta McKinsey, le compagnie più evolute stanno passando da modelli predittivi tradizionali a soluzioni più avanzate come i sistemi multiagente e il ragionamento a più passaggi (multistep reasoning). La possibilità di incorporare competenze distintive e metodologie proprietarie all’interno di sistemi AI agentici potrà diventare un elemento centrale del patrimonio intellettuale delle compagnie.

Per massimizzare il valore dell’intelligenza artificiale, è essenziale puntare sulla scalabilità di componenti riutilizzabili e standardizzati. I modelli e le pipeline AI devono essere progettati come asset modulari e interoperabili, utilizzabili in diversi domini. Investire in framework, API e asset di codice standardizzati consente di ridurre i tempi di sviluppo, evitare duplicazioni e accelerare l’adozione dell’AI su scala. Trattando l’intelligenza artificiale come una capacità scalabile — e non come una serie di progetti isolati — le compagnie possono generare un valore significativamente maggiore dai propri investimenti tecnologici.

Le compagnie assicurative dovrebbero investire in un’infrastruttura dati in grado di supportare l’addestramento e la scalabilità di sistemi AI multiagente, garantendo un’integrazione fluida tra le diverse funzioni aziendali. Una struttura cloud ibrida — che combina data center on-premise e ambienti di cloud pubblico — dovrebbe essere progettata per assicurare scalabilità, mentre core system altamente configurabili offrono la flessibilità e l’efficienza necessarie per adattarsi a esigenze specifiche. Sul fronte della data governance, è fondamentale valutare la disponibilità e la qualità dei dati, tenendo conto anche della complessità legata alla gestione di informazioni sensibili.