L’intelligenza artificiale nel settore assicurativo ha cambiato registro. Non parliamo più di chatbot, né di automazione dei sinistri. Si comincia a ragionare su cosa succede se un agente AI prende una decisione sbagliata, e nessuno sa spiegarti perché l’ha presa. È lì che il tema smette di essere una questione IT e diventa una questione di governance, di responsabilità, di cultura aziendale. Ed è esattamente quel momento che la seconda puntata di Insurance in the Mirror ha cercato di catturare con Davide delle Cave, Business Line Manager in S2E nell’area Data Analytics e Observability; Raffaele Avila, Head of Data & AI di Zurich Italia; Luca Magnoni, Chief Information Officer di Axa Italia; Alberto Dominici, Chief Operating Officer di Bene Assicurazioni. Il tema cade sull’observability dell’AI agentica, può sembrare tecnico, ma è anche quello con le implicazioni più concrete sul modo in cui le compagnie stanno ripensando i propri processi, le proprie strutture e il proprio rapporto con la tecnologia.
Due categorie di agenti che cambiano tutto
Davide delle Cave di S2E parte dall’inquadratura del fenomeno. “Il mercato sta producendo due grandi categorie di agenti AI. La prima riguarda la produttività interna: agenti che aiutano a scrivere una mail, sintetizzano una riunione, producono analisi. La seconda è orientata verso l’esterno: agenti inseriti nei prodotti e nelle applicazioni assicurative, capaci di supportare preventivazione, sottoscrizione, post-sales e interazione con il cliente. La distinzione non è solo classificatoria. Ha implicazioni profonde su come si misura il loro funzionamento e su chi è responsabile quando qualcosa va storto. Il problema specifico degli agenti AI – rispetto al software tradizionale – è che non operano su logiche deterministiche. Un sistema classico viene progettato, testato e certificato per produrre un output definito: se non lo produce, è perché c’è un’eccezione da correggere. Un agente AI opera su uno stato semantico. Ragiona in linguaggio naturale, elabora contesti, compone risposte e azioni a partire da catene di pensiero che non sono riducibili a una sequenza di istruzioni programmabili. Questo significa che può sbagliare in modi che non sono prevedibili in fase di design, e che la spiegazione dell’errore non sta in un log di sistema ma nella ricostruzione di un percorso cognitivo”. È qui che entra in gioco l’observability. “Le piattaforme di monitoraggio – spiega delle Cave – fino a ieri si occupavano di infrastrutture e applicazioni: la domanda era “il sistema funziona?”. Oggi devono occuparsi anche degli agenti, e la domanda diventa “l’agente sta ragionando come io ho inteso che ragionasse?”. Un salto di livello enorme, dal piano tecnico-infrastrutturale al piano semantico. E una sfida che richiede strumenti, KPI e competenze del tutto diversi”.
Zurich e i tre pilastri della strategia AI
Raffaele Avila di Zurich porta al tavolo la prospettiva di un grande gruppo internazionale che ha strutturato il proprio approccio all’AI su tre pilastri dichiarati. Il primo è AI for Everyone: dotare tutti i dipendenti degli strumenti e della formazione necessari per usare l’AI nella produttività individuale. Il secondo è AI at Our Core: ridisegnare i processi aziendali integrando l’AI nel loro funzionamento. Il terzo è AI for the Future: esplorare se e come l’AI possa trasformare il modello operativo nella sua interezza. Quello che Avila sottolinea con forza è il principio di fondo che guida l’intero framework: si parte sempre dal beneficio e dal bisogno del business, non dalla tecnologia disponibile. “Quello che è importante avere sempre a mente, per limitare il rischio che i piloti non vadano in produzione, è capire dove e come l’AI può creare valore. Serve procedere con cautela ma con ottimismo e lungimiranza”. Sul fronte pratico, Zurich sta conducendo un’iniziativa interna per sviluppare prototipi di AI agentica e valutare se e come procedere con l’implementazione. L’architettura dell’iniziativa è costruita su tre pilastri organizzativi: persone (un AI ambassador per ogni area aziendale), competenze (training condotto da fornitori specializzati) e collaborazione (team cross-funzionali che includono business, IT, HR e compliance). L’inclusione esplicita della compliance nei team di sviluppo dei prototipi non è un dettaglio: è una scelta metodologica che riflette la consapevolezza che la governance non può essere aggiunta a posteriori.
Axa Italia e la black box che non si può eliminare del tutto
Luca Magnoni di Axa Italia affronta il tema da un punto di vista diverso, più operativo. L’observability, per una compagnia assicurativa, serve a fare tre cose: verificare che gli agenti rispettino i processi aziendali; misurare se sono davvero più efficienti dove vengono impiegati; e osservare i percorsi che seguono per acquisire nuova conoscenza organizzativa. Quest’ultimo punto Magnoni lo spiega con precisione. Un agente AI può prendere strade diverse da quelle che una persona farebbe. Osservare AI agentica nel suo lavoro produce informazione che l’organizzazione non aveva prima. “L’observability ci crea nuova conoscenza – dice Magnoni. – Non è solo controllo: è apprendimento organizzativo continuo”. Sul rischio della black box , se senza observability l’AI agentica rischi di diventare un sistema troppo opaco per un settore regolato come quello assicurativo, Magnoni afferma: “Probabilmente una parte di black box rimane. Ma non è questo il punto. Il settore assicurativo conosce bene il concetto di lavorare nell’incertezza. Quello che ci importa è poter descrivere il modello, sapere grosso modo come si comporta, sapere che non è infallibile e saper gestire l’errore. La sfida non è eliminare l’incertezza ma strutturarla. Dobbiamo essere agili e umili nel saperlo applicare alle nuove tecnologie”. La visione che ne emerge è quella di un mondo ibrido, dove gli agenti automatizzano la parte più ripetitiva e prevedibile del lavoro, e la percentuale che non riescono a gestire viene passata all’esperto umano – assicurativo, IT, operativo – che porta il valore che solo l’esperienza e il giudizio sanno dare. Non è una soluzione di ripiego: è un disegno consapevole.
Bene Assicurazioni: i tre peccati capitali dell’AI
Alberto Dominici di Bene Assicurazioni porta al tavolo la prospettiva di una Compagnia che si avvicina al decimo anniversario dalla fondazione e che ha completato il nono esercizio di attività, nata su una visione esplicitamente tecnologica e con oltre il 40% della forza lavoro dedicata alle competenze IT. Per spiegare perché l’AI – a differenza di altre ondate tecnologiche come la blockchain, – sia davvero rivoluzionaria, Dominici ricorre ai sette peccati capitali. “L’AI colpisce la pigrizia: fa fare alla macchina quello che l’umano non vuole fare, e la pigrizia è uno dei motori dell’innovazione. Colpisce la superbia: con un prompt ben fatto si raccolgono informazioni, si diventa più competenti, si appare più intelligenti. E colpisce l’avidità: l’efficienza industriale, la riduzione delle strutture di costo, la performance. Siamo di fronte a qualcosa che cambierà veramente il modo in cui vivremo”. Il percorso che Bene Assicurazioni ha seguito per arrivare all’industrializzazione dell’AI è passato da varie fasi. La prima è stata la costruzione della cultura aziendale. Consulenti, professori universitari. “Da quel ‘crogiolo creativo’ – racconta Dominici – sono emerse idee concrete. La chat integrata con i sistemi gestionali che permette agli agenti di fare una quotazione auto digitando una targa, o di interrogare le condizioni generali di polizza in linguaggio naturale, è nata così: da un gruppo di colleghi che si era chiesto se si potesse fare. Poi è arrivato il momento di strutturare. Abbiamo definito policy, framework, e abbiamo adottato il team CAIO. Non un Chief Artificial Intelligence Officer in cima alla gerarchia, ma un team esteso con competenze tecnologiche, di processo, di data analysis, di cybersecurity e di compliance, collegato a tutti i process owner aziendali. Da lì è partita la revisione dei processi core dell’azienda, non più ottimizzazioni puntuali su singole attività ma ridisegno complessivo di come l’AI può trasformare i processi fondamentali end-to-end”. Sull’observability, Dominici propone uno spostamento di prospettiva: “Prima di misurare se il sistema funziona tecnicamente, bisogna misurare se porta valore. Se l’investimento è giustificato. Se le persone sono davvero coinvolte. Se si arriva a un risultato concreto. La tecnologia si introduce solo quando serve, non per inseguire una tendenza”. E qui arriva il quarto peccato capitale della sua teoria: l’invidia. “Fare l’AI perché la fanno gli altri è l’errore da evitare sopra ogni altro”.
La governance: chi decide cosa può decidere l’AI?
La governance è il nodo più difficile, e Avila lo introduce con una domanda che ha il sapore di una matrioska: “chi decide cosa può decidere l’AI?”. La risposta si muove su tre livelli. Il primo è formale: policy, ruoli, procedure, un framework capace di distinguere cosa è AI e cosa non lo è. Il secondo è architetturale: costruire sistemi monitorabili fin dall’inizio, con orchestratori centrali e agenti verticali con output definibili. Il terzo è il più sottile: scegliere, processo per processo, se serve un umano che verifichi ogni singola decisione oppure uno che monitora i trend nel tempo. Non esiste una risposta universale – dipende dalla criticità del processo e dal rischio accettabile. Sul fronte distributivo, Dominici porta la concretezza di chi conosce la vita quotidiana degli agenti plurimandatari. Bene Assicurazioni ha risposto su punti precisi: la chat in linguaggio naturale per interrogare le condizioni di polizza, e l’automazione delle deroghe direzionali, che elimina l’attesa della direzione centrale quando il cliente è già davanti all’agente. Delle Cave proietta uno scenario più radicale: “presto i consumatori useranno agenti AI personali per acquistare polizze, e quei agenti negozieranno direttamente con quelli delle compagnie. Chi non sarà in grado di stare in quella conversazione ne rimarrà fuori”. Sul dove impatterà di più questa trasformazione, le risposte convergono su alcuni ambiti. Avila indica claims, operations e underwriting come aree di efficienza immediata, ma segnala l’abilitazione della rete distributiva come il fronte su cui Zurich sta investendo più attenzione in questo momento. Magnoni sottolinea il cambiamento che riguarda le persone: non la sostituzione, ma il modo in cui si formano e crescono i professionisti in azienda. Chi ha esperienza moltiplica enormemente il proprio valore con questi strumenti. Chi non ce l’ha ancora va comunque fatto crescere, perché gli esperti di domani sono i junior di oggi. Dominici chiude con un’indicazione precisa: i sinistri. Il settore assicurativo, dice, può essere la Disneyland dell’intelligenza artificiale proprio perché ha come materia prima il dato e come catena produttiva la sua elaborazione. E il mondo dei sinistri è quello in cui quella materia prima arriva nella forma più caotica. Normalizzare tutto questo, classificarlo, usarlo per definire percorsi di gestione differenziati per complessità e profilo di rischio frode – qui il potenziale è enorme, e ancora largamente inespresso.
