Giovanni Brandani, ceo di Join Business Management Consulting: «L’intelligenza artificiale non rappresenta più un terreno di sperimentazione. Oggi il tema è capire come tradurre il potenziale tecnologico in risultati concreti. E la vera differenza competitiva non sarà determinata dal numero di use case sviluppati…».
L’intelligenza artificiale nel settore assicurativo? “Sta entrando in una nuova fase di maturità. Dopo anni caratterizzati da sperimentazioni, proof of concept e iniziative pilota, la sfida non è più individuare nuovi casi d’uso, ma trasformare quelli esistenti in capacità operative in grado di generare valore misurabile e sostenibile”. È l’analisi attuale di Join Business Management Consulting (Jbmc), società di consulenza manageriale focalizzata nel settore dei financial services.
Negli ultimi anni, ha fatto notare Jbmc, le compagnie hanno investito in progetti AI lungo tutta la catena del valore, dall’underwriting alla gestione sinistri, dall’antifrode al customer service, fino alla compliance e al supporto alla distribuzione. “Tuttavia, poche organizzazioni sono riuscite a portare queste iniziative a una scala realmente industriale. Il problema non è più tecnologico. Le soluzioni sono mature e disponibili. La proliferazione di use case sviluppati da funzioni diverse rischia, però, di generare una nuova frammentazione, aumentando la complessità senza produrre benefici proporzionati”.
Secondo Giovanni Brandani, ceo e founder di Jbmc, l’AI «non rappresenta più un terreno di sperimentazione. Oggi il tema è capire come tradurre il potenziale tecnologico in risultati concreti. La vera differenza competitiva non sarà determinata dal numero di use case sviluppati, ma dalla capacità di integrarli nei processi core dell’organizzazione, renderli scalabili e collegarli a obiettivi di business misurabili».
Il valore, quindi, si genera quando l’AI diventa “parte integrante dei processi decisionali e operativi”. Nel settore assicurativo questo significa “ripensare attività fondamentali come underwriting, gestione sinistri, distribuzione e risk management”.
Con riferimento, per esempio, all’underwriting, ha sottolineato Jbmc, l’AI “può supportare l’intero processo, dall’analisi della documentazione alla formulazione delle raccomandazioni per l’underwriter, fino alla quotazione. Nella gestione sinistri, il beneficio maggiore non deriva dall’automazione di singole attività, ma dalla capacità di orchestrare l’intero flusso operativo, dalla raccolta delle informazioni fino alla liquidazione”.
Con l’aumentare delle applicazioni AI emerge, infatti, il rischio di “creare nuovi silos tecnologici e, soprattutto, una frammentazione della conoscenza aziendale”. Le organizzazioni “più mature”, quindi, stanno iniziando a ragionare “in termini di “company brain”, cioè “una piattaforma di conoscenza aziendale che consente di mettere a sistema dati, competenze, regole e processi, creando una base condivisa sulla quale sviluppare e coordinare le diverse applicazioni AI”.
Il company brain crea, inoltre, le condizioni “per una collaborazione coordinata tra agenti AI specializzati all’interno dei processi aziendali, secondo il modello Agentic Mesh”.
L’obiettivo è “trasformare il patrimonio di conoscenza dell’impresa in una capacità operativa riutilizzabile e scalabile, valorizzando le applicazioni AI già in produzione e integrandole con le architetture esistenti”. «L’adozione dell’AI non può essere affrontata come un progetto esclusivamente tecnologico. È fondamentale disporre di una base comune di conoscenza e regole che consenta all’intera organizzazione di operare in modo coerente, anche di fronte a forti variazioni dei volumi», ha osservato Laura Gargasole, partner insurance di Jbmc. «Le iniziative che generano il maggiore impatto sono quelle in cui competenze di dominio, dati, tecnologia e governance lavorano in modo integrato».
Per Jbmc, per trasformare l’AI in un asset strategico servono quattro condizioni fondamentali: “ridisegnare i processi, non limitarsi ad automatizzare attività isolate; coinvolgere business, IT, risk management e compliance fin dall’inizio, con responsabilità condivise e obiettivi comuni; integrare le soluzioni AI nei sistemi e nei flussi operativi esistenti; collegare ogni iniziativa a Kpi di business misurabili”
Allo stesso modo “la maturità dell’intelligenza artificiale non si misura dal numero di modelli sviluppati, ma dalla sua capacità di incidere sulle performance aziendali”. Le metriche “più rilevanti”, secondo Jbmc, riguardano quattro aree principali: “efficienza operativa, attraverso la riduzione dei tempi di gestione e dei costi; qualità delle decisioni, grazie a una migliore valutazione dei rischi, all’identificazione delle frodi e dei leakage nella gestione sinistri; customer experience, con servizi più rapidi e personalizzati; valore economico, misurato in termini di produttività, redditività e retention”.
La sfida, in definitiva, è “trasformare la conoscenza aziendale in un asset operativo condiviso, riutilizzabile e scalabile, capace di tradurre il potenziale dell’AI in risultati di business misurabili”.
Fabio Sgroi
© RIPRODUZIONE RISERVATA
