L'AI nel settore assicurativo

L'AI nel settore assicurativo comporta l'uso dell'intelligenza artificiale, dell'automazione e di altre tecnologie avanzate per migliorare la copertura e l'erogazione dei servizi.

Come altri settori dei servizi finanziari, il settore assicurativo richiede una grande quantità di dati che aiutano le compagnie a decidere quale assicurazione offrire a quali persone e quali premi addebitare. L'intelligenza artificiale può migliorare le capacità decisionali dei fornitori, migliorando l'assistenza ai clienti e i profitti.

Il settore assicurativo ha sempre fatto ampio uso di dati e algoritmi, come ad esempio nel calcolo dei premi assicurativi e nell'elaborazione di dati personali e non nel processo di sottoscrizione per valutare i rischi e il prezzo delle polizze. Ma l'AI migliora queste funzionalità su larga scala e velocità.

L'ascesa delle aziende insurtech che utilizzano la tecnologia per servire i clienti può fornire servizi a legacy o sfidarli per il business.

Le tecnologie basate sull'AI possono aiutare le organizzazioni che offrono assicurazioni a privati e aziende. Pertanto, i fornitori di assicurazioni e le altre organizzazioni all'interno dell'ecosistema assicurativo dovrebbero prendere in considerazione lo sviluppo di diverse iniziative basate sull'AI per realizzare i benefici di questa potente tecnologia.

Esistono diverse applicazioni di AI che gli assicuratori possono utilizzare per migliorare le loro operazioni.

• API
• Automazione del processo aziendale
• Generative AI
• Automazione intelligente
• Apprendimento automatico
• Elaborazione del linguaggio naturale
• Riconoscimento ottico dei caratteri

Le API consentono alle applicazioni software di comunicare tra loro per scambiare informazioni. Le API possono collegare i vari tipi di organizzazioni all'interno dell'ecosistema assicurativo per collaborare. Possono mettere in contatto compagnie (società di regolazione di terze parti) e richiedenti per condividere e accedere meglio alle informazioni. Sono inoltre responsabili della continua crescita del settore assicurativo. Ad esempio, l'ascesa delle società insurtech, come gli intermediari assicurativi e gli aggregatori, possono utilizzare le API per connettersi con le compagnie assicurative e mostrare tariffe e offerte ai propri clienti.

L'automazione dei processi aziendali (BPA) automatizza i processi aziendali complessi e ripetitivi nell'assicurazione. La BPA è in grado di gestire facilmente l'onboarding dei clienti, l'elaborazione dei sinistri, la sottoscrizione e altri servizi di gestione delle polizze.

L'AI generativa (gen AI) utilizza modelli linguistici di grandi dimensioni (LLM) che possono aiutare le compagnie assicurative in diversi modi. La gen AI può aiutare i dipendenti assicurativi a semplificare attività come rispondere ai problemi del servizio clienti e analizzare documenti o singoli blocchi di testo. Può aiutare i rappresentanti del servizio clienti a rispondere meglio ai loro problemi e a risolverli attraverso l'uso di tecnologie AI come chatbot e assistenti virtuali. Ad esempio, IBM aiuta le aziende a ottimizzare i processi utilizzati per la gestione di documenti e blocchi di testo o immagini di grandi dimensioni utilizzando l'AI generativa attraverso la sua tecnologia watsonx. IBM ha anche creato un chatbot per un cliente del settore assicurativo che ha aiutato gli assicurati a fornire i documenti necessari e ad accedere alla visualizzazione completa delle coperture fornite nel loro pacchetto assicurativo. Di conseguenza, il 77% dei dirigenti del settore ha dichiarato di dover adottare rapidamente la gen AI per essere all'altezza della concorrenza, secondo un rapporto dell'Institute for Business Value.

L'automazione intelligente è un punto focale di qualsiasi workflow basato sull'AI. Implica l'uso di tecnologie di automazione per semplificare e scalare il processo decisionale all'interno delle organizzazioni. Ad esempio, una compagnia assicurativa può utilizzare l'automazione intelligente per calcolare i pagamenti, stimare le tariffe e soddisfare le esigenze di conformità.

Il machine learning (ML) utilizza dati e algoritmi per consentire all'AI di imitare il modo in cui gli esseri umani apprendono, migliorandone gradualmente l'accuratezza. Le compagnie assicurative possono utilizzare le tecnologie di apprendimento automatico (ML), come il deep learning, per analizzare i dati dei clienti e fornire servizi che consigliano i prodotti a clienti e potenziali clienti.

L'elaborazione del linguaggio naturale (NLP) è un tipo di AI che utilizza il machine learning per consentire ai computer di comprendere e comunicare con il linguaggio umano. Le compagnie assicurative possono utilizzare l'NLP per analizzare le informazioni fornite dai clienti e identificare se possono offrire l'assicurazione giusta e a quale costo. Ad esempio, le organizzazioni che forniscono assicurazioni sanitarie possono porre domande ai potenziali clienti sulla loro storia medica per preparare al meglio la loro offerta assicurativa.

Il riconoscimento ottico dei caratteri (OCR), noto anche come riconoscimento testuale, utilizza l'estrazione automatica dei dati per convertire rapidamente le immagini di testo in un formato leggibile dalle macchine. Si tratta di una componente cruciale dell'approccio delle compagnie assicurative alla digitalizzazione, in quanto trasforma gli asset legacy in contenuti digitali ricercabili. L'utilizzo dell'OCR per digitalizzare vecchi moduli e richieste di risarcimento da inserire in un database aiuta a comprendere meglio l'intera storia dell'attività e delle offerte di servizi di una compagnia assicurativa.

Le soluzioni di AI sono alla base di diversi casi d'uso relativi alle compagnie assicurative.

• Gestione dei reclami
• Modernizzazione del codice
• Rilevazione di frodi
• Gestire il rischio
• Sviluppo di un nuovo prodotto
• Sottoscrizione

Gli strumenti di AI possono migliorare il processo di gestione dei sinistri accelerandone l'elaborazione e le liquidazioni. Utilizzando l'elaborazione del linguaggio naturale (NLP), le compagnie assicurative possono leggere, interpretare ed elaborare documenti e immagini per decidere se concedere o meno un reclamo.

Raccogliendo grandi quantità di dati storici, l'AI discriminativa può essere utilizzata per effettuare valutazioni di plausibilità e promuovere la qualità e l'uniformità nel processo di aggiustamento. Inoltre, l'AI generativa sarà in grado di aiutare il perito a riassumere i dati e generare un rapporto preliminare.

Le compagnie assicurative, soprattutto quelle fondate decenni fa, possono utilizzare un mix di tecnologie legacy come Cobol, Assembler e PL1. IBM utilizza l'AI generativa per aiutare le compagnie assicurative affermate a modernizzare i loro sistemi IT e a creare codice che funzioni con le tecnologie esistenti. La compagnia assicurativa Sun Life ha utilizzato la soluzione IBM Application Discovery and Delivery Intelligence (ADDI) per modificare il codice, eseguire il debug e avviare l'application discovery per l'analisi dell'impatto sul suo mainframe IBM zSystems.

Gli strumenti di AI possono migliorare il processo di gestione dei sinistri accelerandone l'elaborazione e le liquidazioni. Utilizzando l'elaborazione del linguaggio naturale (NLP), le compagnie assicurative possono leggere, interpretare ed elaborare documenti e immagini per decidere se concedere o meno un reclamo.

Raccogliendo grandi quantità di dati storici, l'AI discriminativa può essere utilizzata per effettuare valutazioni di plausibilità e promuovere la qualità e l'uniformità nel processo di aggiustamento. Inoltre, l'AI generativa sarà in grado di aiutare il perito a riassumere i dati e generare un rapporto preliminare.

Il rilevamento delle frodi è il processo di identificazione di attività sospette che indica che potrebbe essere in corso un'attività criminale nel settore assicurativo. Il più grande esempio di potenziale frode nel settore assicurativo riguarda false richieste di risarcimento assicurativo dovute all'invenzione di un incidente o all'esagerazione dei fatti. Altri esempi includono cartelle cliniche falsificate, utilizzo dell'identità di un'altra persona o altre false dichiarazioni. L'AI può analizzare i dati forniti e confrontarli con i dati storici per determinare meglio se un'affermazione è accurata o meno.

Un software di rilevamento delle frodi basato sull'AI può monitorare transazioni, applicazioni, API e comportamento degli utenti per aiutare le organizzazioni a prevenire meglio le frodi o a fermare quelle in corso.

La gestione e la valutazione del rischio sono componenti chiave della strategia aziendale di una compagnia assicurativa. Per incoraggiare la redditività, compagnie e riassicuratori devono comprendere il rischio che si verificherebbe qualora ciascuno dei loro clienti presentasse un reclamo. Questo vale per ogni tipo di assicurazione. L'utilizzo dell'AI per analizzare le grandi quantità di dati di cui dispone una compagnia assicurativa, provenienti da eventi esterni e da quelli forniti dai suoi clienti, può aiutarla a valutare le proprie polizze in modo appropriato e tentare di ridurre al minimo gli imprevisti.

IBM utilizza attualmente la sottoscrizione di assicurazioni sulle proprietà e le indagini sulle richieste di rimborso per creare foundation model nel portfolio di prodotti AI di IBM watsonx. L'obiettivo del modello è quello di migliorare il successo e l'efficienza della valutazione del rischio e dei processi decisionali.

Uno studio dell'Institute for Business Value ha rilevato che il 60% degli assicuratori prevede che i prodotti e i servizi non tradizionali genereranno presto entrate pari a quelle dei prodotti tradizionali esistenti. Le compagnie assicurative possono dilettarsi in un ambiente a rischio differenziato, come l'assicurazione basata sul comportamento. Avranno bisogno di strumenti di AI per comprendere meglio questi ambienti e sapere come stabilire con precisione il prezzo delle loro polizze.

La sottoscrizione è il processo per decidere se offrire una polizza assicurativa a un richiedente e stabilirne il prezzo in modo appropriato. I modelli AI possono aiutare le aziende a migliorare la sottoscrizione analizzando i dati forniti dai clienti. Il vettore può scegliere di far decidere all'AI se fare o meno l'offerta e di utilizzare i dati forniti per stabilire il prezzo della polizza.

L'adozione dell'AI produce diversi benefici per le compagnie e le altre organizzazioni del settore assicurativo.

• Maggiore efficienza
• Cybersecurity migliorata
• Esperienze dei clienti personalizzate
• Analitica predittiva
• Riduzione dei sinistri

L'utilizzo di strumenti di AI, come l'AI generativa e il machine learning, aiuta le organizzazioni del settore assicurativo a completare meglio le attività manuali come l'elaborazione dei sinistri, l'iscrizione di nuovi clienti e le attività di marketing e comunicazione. L'utilizzo dell'AI per gestire molte di queste attività aiuta i dipendenti ad affrontare compiti più importanti, come la risoluzione dei problemi più difficili dei clienti. L'AI aiuta inoltre a migliorare i workflow. IBM ha utilizzato la sua offerta IBM Cloud Pak for Business Automation per contribuire a trasformare le chiusure trimestrali del dipartimento finanziario di Swiss Re utilizzando strumenti, report e dashboard low-code insieme all'analytics basata sull'AI.

L'AI può aiutare le organizzazioni a rilevare meglio potenziali frodi o problemi di sicurezza. La cybersecurity basata sull'AI può rilevare i problemi più rapidamente e persino potenzialmente porvi rimedio senza l'intervento umano. Dato che le compagnie assicurative ospitano dati personali importanti, l'utilizzo di AI può aiutare a evitare grossi problemi reputazionali e normativi.

L'AI aiuta le organizzazioni a migliorare l'esperienza del cliente rivolgendosi in modo mirato a gruppi specifici utilizzando messaggi personalizzati. Migliora inoltre il supporto clienti fornendo strumenti di self-service più potenti come chatbot e assistenti virtuali e fornendo ai rappresentanti del servizio clienti maggiori informazioni attraverso l'AI generativa. Il sondaggio dell'Institute for Business Value ha rilevato che gli assicuratori che hanno utilizzato la gen AI hanno registrato un aumento del 14% nel tasso di fidelizzazione e del 48% nel Net Promoter Score.

Le compagnie assicurative possono usare l'AI nelle procedure di gestione dei dati per migliorare la raccolta e l'analisi degli insight. Devono sapere cosa è probabile che accada in futuro e cosa potrebbe avere un impatto sulle loro passività in relazione alle politiche esistenti. Usare l'AI per ricavare insight predittivi dai dati esistenti può aiutarle a definire una strategia che capitalizzerà l'ambiente esistente ed eviterà potenziali problemi in futuro.

L'AI può essere utilizzata a livello interno per cose come la tecnologia Internet of Things (IoT), per esempio i rilevatori di monossido di carbonio e fumo per avvisare i proprietari di casa in tempo reale quando si verifica un potenziale incidente dannoso. L'AI utilizzata nei dispositivi intelligenti può anche aiutare a ridurre il rischio di morte nelle richieste di risarcimento sulla vita rilevando potenziali situazioni di pericolo di vita o problemi di stato di salute.

L'integrazione dell'AI nel settore assicurativo comporta alcuni rischi potenziali che le aziende devono anticipare.

• Qualità dei dati
• Potenziale di discriminazione
• Problemi normativi
• Divari di competenze

L'uso della sola AI può creare alcuni problemi con i dati. La tecnologia sta ancora migliorando, quindi è possibile che commetta errori, come allucinare dati che non ci sono o fare ipotesi errate su una richiesta. Un errore di calcolo o l'inserimento di dati fantasma potrebbe avere un impatto significativo sulle decisioni strategiche che derivano da tali dati. Ciò rafforza la necessità di utilizzare i dipendenti per verificare i risultati prodotti dall'AI o utilizzare altri tipi di controlli.

Poiché l'AI è addestrata su set di dati umani, i modelli possono discriminare, rifiutandosi di offrire assicurazioni a determinati gruppi demografici o addebitando un sovrapprezzo dei premi. Se le aziende non adottano misure adeguate per ridurre questi problemi, potrebbero verificarsi problemi normativi. Pertanto, le compagnie assicurative non dovrebbero utilizzare gli strumenti di AI generativa più generici come ChatGPT, ma collaborare con aziende che sviluppano strumenti specifici per i loro casi d'uso, come IBM, oppure sviluppare strumenti propri.

Le compagnie assicurative devono adottare misure per proteggere i dati dei clienti. L'AI può aiutare, ma utilizzarla su strumenti di AI esterni può comportare una violazione di alcune normative. Le compagnie assicurative devono indagare a fondo su tutti gli strumenti di AI che intendono utilizzare e cercare la guida di professionisti legali prima di esporre i dati dei clienti a tali tecnologie. Il toolkit IBM watsonx.governance aiuta le compagnie assicurative a monitorare e governare l'intero ciclo di vita dell'AI, riducendo al minimo i rischi e i problemi di conformità.

Le aziende del settore assicurativo potrebbero non avere le risorse interne adatte per sfruttare appieno l'AI. Potrebbero non avere il personale giusto, o i dipendenti attuali potrebbero non avere le giuste competenze. Come avviene per le aziende di altri settori, le compagnie assicurative dovrebbero investire nel potenziamento delle competenze dell'AI per preparare i dipendenti a futuri lavori che includono l'AI come componente principale. Inoltre, dovrebbero assumere nuovi dipendenti che abbiano già competenze legate all'AI quando pubblicano le proprie offerte di lavoro.