Vai al contenuto

Le compagnie assicurative manifestano ottimismo riguardo l’impatto dell’AI sul miglioramento dell’underwriting e sulla riduzione delle frodi, tuttavia la fiducia degli underwriter rimane moderata

22 apr 2024
  • Il 62% dei dirigenti del settore assicurativo ritiene che le tecnologie basate sull’intelligenza artificiale e sul machine learning possano migliorare la qualità dell’underwriting e contenere l’incidenza delle frodi
  • Il 43% degli underwriter manifesta fiducia e accoglie abitualmente le raccomandazioni automatiche fornite degli strumenti di analisi predittiva, sebbene permangano perplessità relative alla complessità e all’affidabilità dei dati

Milano, 22 aprile 2024 – Il World Property and Casualty Insurance Report 2024, realizzato dal Capgemini Research Institute, evidenzia che le attività di underwriting nel settore assicurativo sono frenate da limitazioni organizzative. Secondo il report, solo l’8% delle compagnie Danni si distingue come apripista nell’ambito dell’underwriting, superando costantemente la concorrenza grazie all’impiego di dati e processi automatizzati basati sull’intelligenza artificiale, che facilitano decisioni e valutazioni del rischio altamente efficienti. Questi innovatori del settore puntano a una maggiore collaborazione e trasparenza con i clienti, ponendo gli underwriter al centro di ogni decisione.

Le sfide aumentano per le compagnie assicurative Danni

A causa delle pressioni inflazionistiche che incidono sul potere di acquisto degli assicurati, si registra una maggiore richiesta di contenimento dei costi, semplicità e trasparenza da parte della propria compagnia assicurativa. Secondo il report, il 42% degli assicurati ritiene che l’attuale processo di underwriting sia troppo articolato e complesso e il 27% dichiara di aver cambiato compagnia negli ultimi due anni nel tentativo di ottenere premi più bassi (60%) e una migliore copertura (53%).

Nonostante l’aumento dei premi, le pratiche di underwriting si sono scontrate con combined ratio superiori al 100% a causa di catastrofi naturali, complessità normative e rischi emergenti dovuti all’innovazione tecnologica come le minacce cyber e la diffusione dell’AI generativa. La ricerca di Capgemini rivela inoltre che i dirigenti del settore identificano significative difficoltà organizzative che limitano la loro capacità di soddisfare i clienti, quali accesso insufficiente ai dati (54%), sistemi obsoleti (51%) e mancanza di competenze specifiche (47%).

“Oggi le compagnie assicurative operano in uno dei contesti più volatili e dinamici che si ricordino negli ultimi tempi. Il settore deve quindi reagire rivedendo a fondo le strategie di sottoscrizione dei rischi”, ha affermato Matteo Bonati, Insurance Director di Capgemini in Italia.Ciò richiede di abbandonare i modelli legacy, modernizzando i sistemi core e implementando le tecnologie avanzate che abilitino a migliori risultati e a maggiore trasparenza. Al fine di aumentare la redditività in modo competitivo per il settore assicurativo, sarà fondamentale sfruttare pienamente il cambiamento portato dall’AI e dalle nuove strategie di automazione in ambito underwriting, consentendo un maggior adattamento a dinamiche di rischio in continua evoluzione e a comportamenti mutevoli degli assicurati.”

La fiducia degli underwriter è fondamentale per raggiungere i benefici riservati agli apripista

Il report rileva che il 62% dei dirigenti riconosce che le tecnologie legate all’intelligenza artificiale e al machine learning (AI/ML) stanno migliorando la qualità dell’underwriting e riducendo le frodi. Nonostante questi vantaggi, solo il 43% degli underwriter dichiara di fidarsi e di accettare regolarmente i suggerimenti automatizzati degli strumenti di analisi predittiva nel supportare le decisioni. Questa esitazione deriva dalla percezione di eccessiva complessità (67%) e dalle preoccupazioni sull’affidabilità dei dati (59%). Secondo il report, le compagnie assicurative possono superare questa riluttanza coinvolgendo gli underwriter fin dalle prime fasi del processo, ottenendo sia il loro consenso, che mantenendo un’interazione umana al fine di spiegare e rendere trasparenti i modelli di AI/ML e valutare continuamente i progressi realizzati.

Sebbene alcuni operatori si siano dimostrati molto promettenti in queste aree, non sono molte le compagnie assicurative che riescono a dimostrare le qualità di “apripista”[1], ossia la capacità di offrire soluzioni di underwriting rapide, imparziali e all’avanguardia. Con le giuste capacità di underwriting avanzato, queste ultime possono aspettarsi di ottenere vantaggi in termini di efficienza (maggiore velocità e minori spese), accuratezza (costi dei sinistri e rilevamento delle frodi) e customer experience (acquisizionie di nuovi clienti e fidelizzazione degli assicurati). Il report rileva che meno del 13% di questo gruppo non raggiunge gli obiettivi di business associati a queste priorità, rispetto al 21-36% delle compagnie tradizionali.

Per semplificare l’underwriting è necessario partire dall’acquisizione di informazioni dettagliate

La maggioranza (83%) dei dirigenti del settore assicurativo dei rami Danni ritiene che i modelli predittivi siano fondamentali per il futuro dell’underwriting, e solamente il 27% afferma che la propria azienda disponga di capacità avanzate in questo ambito. Il percorso che consente di sfruttare i dati e le informazioni utili inizia con l’adozione di un ecosistema di dati sicuro.

In generale, il 53% degli assicurati esprime preoccupazione per la quantità di informazioni personali raccolte dalle compagnie assicurative. Tuttavia, circa due terzi si dicono disposti a condividere più dati in cambio di trasparenza, sconti e rassicurazioni sulla sicurezza delle informazioni. Queste opinioni possono rappresentare un’opportunità per potenziare le proposte di mitigazione del rischio e migliorare l’assicurabilità, creando al tempo stesso il coinvolgimento e la fiducia necessari in modo da ottenere una maggiore fidelizzazione dei clienti.

Le compagnie assicurative Danni devono affrontare una sfida significativa per rispondere alle esigenze relative ai dati necessari ai loro underwriter, in quanto esiste un divario non trascurabile tra l’importanza dei vari tipi di dati e la maturità relativa alla gestione degli stessi da parte delle compagnie. Secondo il report, il 49% degli underwriter attribuisce valore ai dati relativi alle immagini dei droni, ma pochissime compagnie sono attrezzate per analizzarli e utilizzarli efficacemente. Analogamente, un underwriter su due vorrebbe avere dati da dispositivi connessi che forniscano informazioni in tempo reale su beni personali e commerciali, anche se solo il 12% delle compagnie è in grado di acquisirli in modo efficace.

Secondo il report, la conseguente carenza in termini di padronanza dei dati danneggia l’attività principale delle compagnie assicurative, in quanto una valutazione incompleta del rischio ne interessa il 77%. A causa delle scarse risorse in termini di dati, il 73% delle compagnie si trova ad affrontare una ridotta accuratezza nel pricing, che impedisce un’adeguata copertura dei sinistri e, in ultima analisi, può minacciare la solvibilità. Un ulteriore 70% afferma che le scelte di underwriting poco coerenti sono un problema diffuso.

Metodologia di ricerca

Il World Property & Casualty Insurance Report 2024 si basa su tre fonti primarie: il Global Insurance Voice of the Customer Survey 2024, il Global Insurance Executives’ Survey 2024 e il Global Insurance Underwriters’ Survey 2024. Lo studio riguarda 18 mercati: Australia, Belgio, Brasile, Canada, Francia, Germania, Hong Kong, India, Italia, Giappone, Lussemburgo, Paesi Bassi, Norvegia, Portogallo, Spagna, Svezia, Regno Unito e Stati Uniti.


[1] Le compagnie con le qualità di “apripista” sono quelle che sfruttano attivamente tecnologie avanzate per fornire raccomandazioni e decisioni in tempo reale e basate sui dati. Integrando perfettamente fonti di dati di terze parti e tradizionali, queste compagnie promuovono un ecosistema collaborativo in grado di mantenerle al centro e promuovere al contempo la trasparenza con i clienti.