L’intelligenza artificiale sta trasformando rapidamente i flussi di lavoro, rimodellando i diversi settori e guidandone l’innovazione.
L’AI generativa, in particolare, è in grado di raggiungere livelli di ragionamento, giudizio, creatività ed empatia che superano di gran lunga le innovazioni precedenti. Sono queste, infatti, delle competenze di particolare rilevanza, in grado di rivoluzionare radicalmente il settore assicurativo.
I dati parlano chiaro sul significativo incremento nell’utilizzo di questa tecnologia in tale ambito: l’adozione dell’AI nei processi di underwriting potrebbe passare dal 14% al 70% entro il 2028[1]. Non sorprende, quindi, che quasi il 46% degli operatori identifichi proprio l’underwriting come l’area in cui si registra il maggiore impatto dell’AI[2]. Oggi gran parte degli assicuratori ha avviato iniziative di impiego dell’AI, mentre i player più avanzati stanno già ottenendo vantaggi competitivi significativi, con performance per gli azionisti fino a 6,1 volte superiori rispetto agli altri concorrenti meno maturi nell’impiego di tale tecnologia[3].
Indice degli argomenti
AI nell’underwriting assicurativo: il passaggio ai modelli data-driven
In questo contesto, l’underwriting sta cambiando profondamente natura. Tradizionalmente basato su analisi manuali, regole statiche e dataset limitati, oggi evolve verso modelli data-driven, in cui mastodontici volumi di informazioni vengono analizzati in tempo reale. L’AI consente una segmentazione del rischio molto più granulare, automatizza attività ripetitive e accelera drasticamente i tempi di risposta: in alcuni casi, il cambio di passo è talmente evidente che i processi che prima richiedevano giorni o settimane, vengono portati a termine in poche ore[4]. Questo si traduce in una significativa riduzione del carico operativo sugli underwriter e in una maggiore coerenza decisionale, grazie alla codifica di regole e pattern prima unicamente dettati dai processi umani.
L’impatto economico dell’AI nei processi assicurativi
L’impatto economico di questa trasformazione digitale ha una portata rivoluzionaria. È evidente, infatti, che una migliore capacità di analisi consente una selezione del rischio più accurata e una maggiore aderenza alla propensione al rischio della compagnia. I portafogli risultano così più equilibrati e sostenibili, con minori deviazioni rispetto alle aspettative tecniche. Inoltre, la maggiore precisione nella tariffazione riduce sia il rischio di sottostima, con perdite tecniche, sia quello di sovrastima, con perdita di competitività.
Più in generale, l’AI permette di intervenire su efficienza e crescita: da un lato abbattendo costi operativi grazie all’automazione e quindi la riduzione del carico di lavoro a fronte di un maggiore flusso di dati da gestire, dall’altro migliorando la qualità delle decisioni e quindi la redditività complessiva.
I rischi dell’intelligenza artificiale nell’underwriting assicurativo
Accanto alle opportunità, emergono tuttavia sfide significative. In primo luogo non va sottovalutata la qualità e la disponibilità dei dati: modelli avanzati producono risultati affidabili solo se alimentati da informazioni complete, coerenti e rappresentative. In molti casi, le compagnie si trovano a gestire dataset frammentati, che limitano il pieno sfruttamento dell’AI. Un secondo elemento da non trascurare riguarda il contesto. Il rischio assicurativo, infatti, non è sempre riducibile a pattern storici e può includere fattori qualitativi difficilmente codificabili. Eventi rari, cambiamenti normativi o dinamiche emergenti e inattese possono sfuggire anche ai modelli più sofisticati.
Esistono, quindi, degli evidenti rischi sottesi all’utilizzo dell’AI. Se da un lato l’utilizzo dell’intelligenza artificiale può aiutare le compagnie assicurative a valutare il rischio, individuare le frodi e ridurre gli errori umani, gli algoritmi a loro volta possono non essere del tutto affidabili a causa di diversi problemi di interpretabilità. Non a caso, il quadro normativo europeo[5], classifica i sistemi di AI utilizzati nell’underwriting assicurativo come ad alto rischio, imponendo requisiti stringenti su monitoraggio dei bias, documentazione e comprensione dei modelli.
Perché il ruolo umano resta centrale
È proprio per tali ragioni che la componente umana continua a giocare un ruolo essenziale. L’esperienza degli underwriter, la capacità di leggere scenari complessi e di interpretare segnali apparentemente trascurabili, rappresentano elementi difficilmente sostituibili. Il giudizio umano consente di contestualizzare gli output dell’AI, validarne la coerenza e intervenire nei casi in cui i modelli mostrino limiti o incertezze. Recenti studi sottolineano come i sistemi più efficaci siano quelli “human-in-the-loop”, in cui la decisione finale resta sotto controllo umano, proprio per garantire affidabilità e accountability nei contesti ad alto rischio[6]. L’automazione completa rimane quindi impraticabile e sconsigliabile in scenari in cui il giudizio e la responsabilità umana sono cruciali. Non a caso, esperienze di mercato mostrano che tentativi di eliminare completamente l’intervento umano nell’underwriting non hanno prodotto risultati soddisfacenti.
Uomo e macchina come leva strategica per le compagnie
Una costante integrazione tra uomo e macchina è ad oggi l’unica alternativa possibile. L’AI eccelle nella gestione della complessità computazionale, nella velocità e nella capacità di individuare pattern nascosti; l’essere umano garantisce interpretazione, senso critico e adattabilità. L’apporto di entrambi è indispensabile a gestire la complessità, sebbene di natura diversa: nel primo caso essa riguarda la gestione di consistenti flussi di lavoro e nel secondo, l’interpretazione di scenari non sempre prevedibili.
Questo binomio permette così di costruire processi decisionali più solidi, combinando efficienza operativa e qualità del giudizio. Le compagnie che riescono a orchestrare efficacemente questa complementarità possono di fatto ottenere un vantaggio competitivo significativo, trasformando l’underwriting da funzione operativa a vera e propria leva strategica.
Il futuro dell’underwriting assicurativo con l’AI
In un orizzonte temporale futuro, l’underwriting si configura sempre più come una funzione ibrida. L’AI continuerà ad ampliarne i confini, superarne i limiti strutturali, abilitando livelli di automazione e precisione sempre maggiori, ma non sostituirà il ruolo umano. Piuttosto, ne ridefinirà le competenze: l’underwriter del futuro sarà molto probabilmente meno focalizzato sulle attività manuali e più orientato alla supervisione dei modelli, all’interpretazione dei risultati e alla gestione strategica del rischio. In questo equilibrio dinamico e in continua ridefinizione, tra tecnologia e competenza umana, risiede la chiave per affrontare un contesto assicurativo sempre più complesso e incerto, plasmato alla velocità dei cambiamenti in atto.
Note
[1] https://www.accenture.com/us-en/insights/insurance/underwriting-rewritten
[5] https://eur-lex.europa.eu/legal-content/IT/TXT/PDF/?uri=OJ:L_202401689
Partecipa alla community