Tra tutti i settori che si confrontano con l’intelligenza artificiale, quello dell’Insurtech è uno di quelli che occupa una posizione peculiare, non per la quantità di dati che tratta, ma per la natura di questo comparto e per il modo in cui sono organizzati i processi che lo governano. Una polizza non è solo un contratto, è un insieme di obblighi giuridici, scadenze, documenti, verifiche e decisioni che si estende nel tempo, coinvolgendo più attori e richiedendo tracciabilità assoluta.
Una singola pratica di liquidazione può richiedere la lettura incrociata di certificati medici, atti notarili, documenti anagrafici, moduli interni, estratti di polizza. Contenuti molto spesso non strutturati e in formati eterogenei che richiedono interpretazioni contestuali. Questo si traduce ancora oggi in un intenso lavoro manuale che impatta sui tempi di gestione e liquidazione che secondo l’ANIA e l’IVASS sono minimo di 30 giorni.
Tutto ciò ovviamente si scontra con gli obiettivi di efficienza e di miglioramento dell’esperienza del cliente e più in generale, con la mission di modernizzazione dei sistemi e dei processi per rimanere competitivi in un mercato sempre più incentrato sul digitale. Imperativo, quest’ultimo, testimoniato anche dalla stima rilasciata dall’Italian Insurtech Association sugli investimenti in AI nel settore assicurativo italiano, destinati a pesare per un quarto dell’intera spesa in innovazione.
Nel settore Insurtech odierno, la fedeltà dei clienti, la competitività e la redditività dipendono strettamente dall’innovazione dei processi operativi. In questo scenario, gli Agenti AI rappresentano l’evoluzione ideale, operando in totale autonomia gestiscono workflow complessi: pianificano, analizzano e agiscono per analizzare documenti e valutarne la conformità, interrogano i sistemi aziendali, interagiscono con i clienti per richiedere dati mancanti e, non da ultimo, garantiscono la tracciabilità assoluta di ogni singola operazione.
Un workflow a misura di AI agentica
La gestione di una polizza è per definizione un workflow, una sequenza di step con regole precise, dipendenze tra attività, documenti da verificare, procedure normative da rispettare. Questo tipo di processo ha alcune caratteristiche che lo rendono particolarmente adatto all’azione degli agenti AI. In primo luogo, è deterministico nella struttura, esiste una procedura formalizzata che definisce cosa va fatto, in quale ordine, con quali controlli. Secondo, è documentale, ogni passaggio genera o richiede un documento, il che consente agli agenti di leggere, interpretare e verificare la conformità di ogni elemento. Terzo, ha un forte fabbisogno di tracciabilità, dato che in ambito assicurativo ogni azione deve essere registrata e giustificabile, il che si allinea perfettamente con la natura degli agenti AI che producono traccia di tutto ciò che fanno.
A differenza di una Robotic Process Automation tradizionale, che esegue regole rigide su interfacce statiche, un agente AI è in grado di interpretare il contenuto di un documento anche quando non è strutturato, di accedere a sistemi aziendali per recuperare norme e procedure aggiornate, di segnalare agli operatori ambiguità o criticità anziché bloccarsi e di comunicare direttamente con il cliente per richiedere un documento mancante o illustrare cosa non è conforme in quello inviato. In altre parole, non si tratta di una automazione cieca, ma di un’automazione che potremmo definire “ragionante”.
La tecnologia al servizio del processo, non viceversa
L’errore più comune nell’introdurre l’AI agentica è partire dalla tecnologia anziché dal processo. Il ROI è invece strettamente legato a un approccio opposto che prenda il via da un’analisi dettagliata del processo operativo, identificazione dei punti di attrito e dei passaggi ripetitivi, individuazione delle decisioni strutturabili, e solo dopo la progettazione della soluzione tecnologica. Questo cambio di prospettiva non è banale. Significa che la tecnologia serve il processo, non lo sostituisce.
In questa direzione c’è un prerequisito che rappresenta spesso il vero ostacolo all’adozione: la necessità di avere un workflow digitale prima di poterlo automatizzare. Molte compagnie assicurative hanno procedure formalizzate e condivise, a volte in modo molto dettagliato, ma non hanno un flusso digitale del processo, ovvero non hanno nessuna rappresentazione strutturata di chi fa cosa, quando, con quali input e output, in quale sequenza, senza la quale si rischia solo che gli agenti AI generino e amplifichino le ambiguità organizzative.
Dalla gestione sequenziale al patrimonio informativo
Uno dei limiti storici dell’execution nel mondo assicurativo è la natura sincrona e sequenziale del lavoro che determina che l’operatore apre una pratica, la lavora, la sospende e passa a un’altra. I collidi bottiglia non sono quindi di sistema, ma “umani”.
Al contrario gli agenti AI sono per natura asincroni, ovvero lavorano in parallelo su più pratiche simultaneamente, senza affaticarsi o dimenticare quanto fatto in precedenza. Questo non significa eliminare l’operatore umano, ma concentrare il suo apporto dove è davvero necessario, a partire dalle eccezioni e ambiguità e ovviamente lasciando a lui le decisioni finali e critiche. Il modello che emerge come vincente è quello di un team di Agenti AI che lavora a supporto dell’operatore che mantiene sempre la supervisione di ciò che accade e ha l’ultima parola.
Infine non va sottovalutato che il settore assicurativo è tra i più disciplinati. Articoli di legge e regolamenti come IVASS, Codice delle assicurazioni private, normative europee, requisiti di compliance creano un intricato in quadro regolatorio (e in continua evoluzione) a protezione dei consumatori e a garanzia della stabilità dei mercati finanziari, ma tradizionalmente percepito come ostacolo all’innovazione. Al contrario questa caratteristica con gli agenti AI diventa invece un punto di forza. Un sistema agentico può infatti essere progettato per rispettare le procedure normative come condizione necessaria per completare qualsiasi pratica, con ogni azione tracciata e ogni dossier sempre verificabile e condivisibile.
Tutto ciò si traduce nei vantaggi finora descritti – riduzione dei tempi e dei costi, miglioramento della customer experience e gestione della compliance integrata nel flusso – ma aggiunge una ulteriore ricaduta positiva, forse la più strategica, quella di una migliore governance del business. Una compagnia che sa in ogni momento quante pratiche sono in lavorazione, in quale fase si trovano, dove si concentrano le criticità operative e quali procedure generano maggiori frizioni nei clienti, dispone di un patrimonio informativo impossibile da ottenere quando queste informazioni sono distribuite tra operatori, e-mail e fogli Excel. Se le azioni degli agenti AI vengono sintetizzate e catalogate indashboard, la compagnia dispone di uno strumento di controllo, ma ancor prima, di una leva con cui può trasformare la visibilità operativa in decisioni strategiche.
di Antonio Burinato, Direttore Generale di Innovaway
