L’impatto e lo stato di adozione dell’IA Generativa nel settore assicurativo sono al centro dello studio “Claims (Re)Generation: le potenzialità dell’IA Generativa nella gestione dei sinistri tra benefici e rischi” condotto da EY in collaborazione con Italian Insurtech Association per esplorare i principali vantaggi e le sfide legate all’introduzione di questa tecnologia, fotografando l’attuale panorama italiano, con un’attenzione particolare ai casi d’uso relativi alla gestione dei sinistri.
I vantaggi dell’AI per la digitalizzazione del settore assicurativo e la gestione dei sinistri
Le prospettive future per l’adozione dell’IA Generativa nel settore assicurativo sono più che promettenti.
Rispetto all’indagine di IIA e EY sul mercato assicurativo italiano, un dato che fa sicuramente riflettere è che per il 96% degli intervistati l’IA Generativa riscriverà principalmente l’ambito della gestione dei sinistri. Lo studio in esame è il primo di un trittico di analisi che verranno pubblicate nel 2024 e che ha iniziato esplorando i principali vantaggi e le sfide legate all’introduzione di questa tecnologia attraverso una fotografia dell’attuale panorama italiano, con un’attenzione particolare verso i casi d’uso relativi alla gestione dei sinistri. In particolare, quasi la metà del campione riferisce che l’impatto nella gestione dei sinistri sarà “rivoluzionario”: molto più che nelle altre fasi della catena del valore (distribuzione e sottoscrizione) e nei processi interni come HR, finance, IT e compliance.
L’impatto dell’AI Gen nella gestione dei sinistri: alla ricerca di equilibrio tra benefici e rischi
Secondo l’88% degli intervistati, i principali vantaggi risiedono principalmente nell’aumento della produttività e dell’efficienza operativa, che ad oggi risultano ancora un obiettivo chiave per molte organizzazioni. Il 63% dei player assicurativi prevede che la tecnologia avrà un impatto diretto sull’ottimizzazione dei costi operativi, mentre il 50% ritiene che l’impiego dell’IA Generativa avrà impatti positivi sia sulla gestione dei rischi e la prevenzione delle frodi, permettendo di identificare in modo più rapido e accurato le anomalie nei dati, sia nel miglioramento della relazione con la clientela, consentendo di fornire un supporto maggiore e risposte in modo più tempestivo e personalizzato nel momento in cui l’assicurato ne abbia necessità.
I principali vantaggi attesi dell’AI Generativa nel settore assicurativo
Nonostante i numerosi vantaggi, l’implementazione dell’IA Generativa nella gestione dei sinistri presenta anche sfide significative: tra queste, la paura che la tecnologia possa contribuire a ridurre i posti di lavoro e la necessità di garantire una gestione trasparente e appropriata di grandi moli di dati e informazioni, spesso di natura sensibile.
![](https://imgcdn.agendadigitale.eu/wp-content/uploads/2024/07/26114807/image-26.png)
Dall’indagine emerge che nel settore assicurativo uno dei principali rischi a cui i player sembrano porre attenzione è quello di natura operativa, legato quindi alla possibilità di errori dovuti ad allucinazioni, bias o incorrettezza delle risposte, significativo per il 71% dei rispondenti. Le allucinazioni oggi rappresentano un fenomeno particolarmente insidioso, poiché riguardano la creazione di contenuti che sembrano plausibili ma sono in realtà erronei, spesso addirittura privi di senso. Sebbene alcuni studi indichino che questo problema non possa essere completamente eliminato a causa della natura intrinseca dei modelli matematici su cui si basano gli LLM e dei principi fondamentali della teoria dell’apprendimento, esistono comunque diverse strategie di mitigazione che possono essere applicate per ridurre al minimo il rischio di allucinazioni e altre problematiche che compromettono la correttezza dell’output. Il rischio di bias algoritmico è una sfida etica e operativa importante. Le decisioni prese dall’IA Generativa possono riflettere pregiudizi insiti nei dati di addestramento, con potenziali implicazioni discriminatorie. Inoltre, l’automazione dei processi potrebbe portare a una riduzione o riallocazione del personale, creando tensioni interne e sfiducia tra i dipendenti. La formazione continua e una solida governance dei dati sono essenziali per mitigare questi rischi.
Tra le sfide più temute emergono anche quelle legate agli aspetti legali e di compliance, che richiedono di operare in conformità con le normative e i vincoli governativi e regolamentari. Un’ampia quota degli intervistati (63%) evidenzia l’urgenza di affrontare queste questioni, poiché comportano tempi e costi significativi sin dalle fasi iniziali di studio e progettazione e devono essere gestite lungo tutto il ciclo di vita dell’adozione della tecnologia, per evitare di tradursi in ostacoli all’implementazione effettiva o, nel caso peggiore, in rischi reputazionali e sanzioni.
Il 54% vede invece tra le principali preoccupazioni quelle di natura etica, evidenziando la necessità di sviluppare modelli non solo performanti, ma anche allineati ai valori aziendali, garantendo trasparenza, equità e responsabilità. Diversi intervistati hanno sottolineato il ruolo cruciale nell’utilizzo di dataset di addestramento validi, privi di copyright e riservatezza, ma anche sufficientemente rappresentativi e diversificati per ridurre i bias insiti nelle basi dati e fornire risposte il più possibile corrette.
I principali rischi attesi dell’IA Generativa nel settore assicurativo
Nonostante l’alto livello di consapevolezza, è importante sottolineare come una significativa parte del campione non abbia ancora avviato iniziative specifiche per mitigare i rischi associati all’adozione dell’IA Generativa, oppure ne ha preso in carico solo una piccola parte.
![](https://imgcdn.agendadigitale.eu/wp-content/uploads/2024/07/26114908/image-27.png)
Livello di adozione attuale e principali casi d’uso in ambito sinistri
L’adozione dell’IA Generativa nel settore assicurativo è ancora in una fase preliminare, ma tra i player italiani vi sono già diverse iniziative e progetti pilota in corso. In base all’indagine soltanto il 21% dei player riferisce di avere già adottato l’IA Generativa sulla gestione dei sinistri in produzione, con un ulteriore 16% che si trova in una fase di design e implementazione. Alcune Compagnie assicurative si stanno concentrando sul miglioramento dell’efficienza nei processi di liquidazione, impegnate nel garantire la correttezza della documentazione e delle risposte generate, mentre altre esplorano strumenti antifrode o la gestione automatizzata delle comunicazioni dei clienti. I player che testano la tecnologia sui dati in produzione hanno già osservato impatti positivi, come la riduzione delle attività manuali, permettendo la riallocazione delle risorse verso attività a maggiore valore aggiunto, migliorando allo stesso tempo il supporto all’operatività del liquidatore.
Panoramica su IA Generativa e Large Language Models
A partire dalla fine del 2022, con il lancio di ChatGPT, la gestione della produttività personale e professionale ha subito un cambiamento radicale. Qualunque persona in possesso di una connessione internet, dal più al meno esperto, ha potuto sperimentare nel concreto l’impatto e il valore che l’Intelligenza Artificiale Generativa può portare nell’esperienza quotidiana, in modo trasversale rispetto all’ambito di applicazione.
Naturalmente il settore assicurativo non è immune a questa rivoluzione. L’IA Generativa ha il potenziale di trasformare profondamente questo mercato, automatizzando la gestione documentale legata alle polizze, migliorando la valutazione dei sinistri e analizzando grandi quantità di dati per offrire prodotti e strategie distributive sempre più personalizzati, rendendo l’interazione con i clienti più veloce ed efficiente.
L’Intelligenza Artificiale (IA) di base, tuttavia, non è nata recentemente, ma ha attraversato diverse fasi di sviluppo, dal test di Turing proposto per la prima volta nel 1950, ai semplici sistemi esperti degli anni ’60 e ’70 fino ai moderni modelli di deep learning che imitano il cervello umano e le sue connessioni neuronali. L’IA Generativa, in questo contesto, rappresenta solo una delle evoluzioni più recenti, caratterizzata dalla capacità di creare contenuti originali, come testo, immagini e suoni, utilizzando reti neurali avanzate. Un esempio emblematico, che ad oggi è oramai conosciuto e utilizzato dalla maggior parte delle persone, è il modello GPT (Generative Pre-trained Transformer) sviluppato da OpenAI, la cui implementazione più famosa è ChatGPT come interfaccia specializzata nella conversazione testuale con un utente umano.
I Large Language Models (LLM), come GPT-3 e GPT-4, ma anche Gemini di Google e LlaMA di Meta, sono algoritmi di deep learning addestrati su vasti insiemi di dati testuali. Questi modelli comprendono, generano e manipolano il linguaggio naturale con elevata precisione. Il loro funzionamento si basa su processi di tokenizzazione, vettorizzazione e addestramento su grandi quantità di testo, consentendo loro di prevedere in modo statistico la probabilità del “prossimo token” in una sequenza e generare output testuali coerenti per sintassi e semantica.
Come già accennato in precedenza, i player assicurativi ritengono che la gestione dei sinistri sarà l’ambito più impattato dall’IA Generativa all’interno della catena del valore assicurativo. In particolare, gli intervistati prevedono effetti importanti nella valutazione del danno e nella gestione degli incarichi, con il 59% dei partecipanti che prevede impatti significativi e il 27% cambiamenti rivoluzionari. Questa tecnologia migliorerà l’accuratezza e l’efficienza delle valutazioni, ottimizzando anche costi ed esperienza dei clienti soprattutto nelle prime fasi di denuncia e presa in carico del sinistro (incluso il FNOL o First Notice of Loss, su cui il 27% si trova concorde nel prospettare un cambiamento radicale). Anche la prevenzione e la rilevazione delle frodi vedranno benefici, con il 23% che prevede un impatto rivoluzionario e il 59% significativo. La capacità di analizzare grandi volumi di dati e identificare anomalie potrebbe consentire infatti una rilevazione più precisa e veloce rispetto ai metodi tradizionali.
Prospettive future e prossime indagini
Levoluzione dell’IA Generativa è in rapida ascesa, con notizie significative che si susseguono ogni settimana, sia in termini di nuove capacità della tecnologia che in effettive applicazioni in tutti i settori professionali. Solo a pochi giorni dalla pubblicazione della ricerca, infatti, Apple ha stretto una partnership con OpenAI per l’integrazione di ChatGPT nei suoi prodotti. Sempre a giugno 2024, Nvidia (società produttrice di chip e processori per i software di intelligenza artificiale) è diventata la società con il più alto valore di Borsa al mondo, e in Italia è stato annunciato il primo unicorno nell’ambito dell’IA Generativa, evidenziando l’importanza e l’impatto dirompente e rivoluzionario di questa tecnologia.
Data l’ampiezza del tema e la sua rilevanza in diversi ambiti, l’analisi IIA-EY è parte di un trittico di ricerche approfondite: questa prima indagine sarà seguita infatti da altre due che verranno pubblicate nel corso del 2024 e che esploreranno ulteriori aspetti della catena del valore assicurativo. A settembre verrà infatti presentata l’analisi sui costi e gli investimenti previsti nel settore, unita ad un approfondimento specifico sull’impatto e l’adozione attuale nei processi distributivi. A novembre sarà invece il turno della sottoscrizione, con un focus speciale sulla formazione e l’attrazione di talenti, elementi cruciali per una piena comprensione e implementazione della tecnologia.