Simplifai, società norvegese che ha sviluppato una soluzione di Agentic AI per la gestione dei sinistri assicurativi danni, ha aggiornato la sua piattaforma Simplifai AI. Questa nuova versione – secondo quanto affermato dalla società – garantirà maggiore accuratezza nell’analisi dell’intera gamma di documenti relativi a sinistri auto, casa e viaggio, consentendo a chi utilizza la soluzione tech di integrare altri documenti utili in pochi minuti.
“La lettura dei documenti assicurativi è sempre stata la parte più difficile della trasformazione della gestione dei sinistri – ha affermato Artem Gonchakov, Ceo di Simplifai – L’apprendimento automatico ci ha permesso di raggiungere un’elevata qualità, ma i costi di manutenzione erano proibitivi. La prima generazione di LLM ci ha garantito velocità, ma presentava problemi con i documenti più importanti: la scrittura a mano, il modulo europeo di denuncia sinistri e la complessa realtà di come una richiesta di risarcimento viene effettivamente presentata. Con questa nuova versione, la nostra piattaforma combina il meglio di entrambi i mondi e aggiunge un’ingegneria specifica per il settore assicurativo. Un’azienda che si occupa di sinistri può ora implementare un nuovo tipo di documento in pochi minuti”.
Cosa fa Simplifai
Fondata a Oslo nel 2017, la società è nota per aver sviluppato diverse soluzioni di intelligenza artificiale (IA) per il settore assicurativo. In particolare Simplifai è nota per aver ideato l’Agentic Insurance System (AIS), una piattaforma progettata specificamente per le compagnie assicurative danni, all’interno della quale gli agenti IA gestiscono attività concrete end-to-end a fianco del team. Partendo dalla gestione dei sinistri ed estendendosi all’intera catena del valore assicurativo, gli agenti IA di Simplifai combinano una profonda competenza di settore con il rigore ingegneristico richiesto dalle normative.
Il nuovo livello di Document Intelligence combina ampi modelli linguistici con componenti ingegnerizzati specificamente per il settore assicurativo: un migliore riconoscimento della scrittura a mano, analisi di moduli complessi, comprensione delle immagini e mantenimento del contesto in documenti multipli. Il risultato è una precisione quasi nulla sui documenti che mettono in difficoltà sia le pipeline di machine learning classiche che l’estrazione LLM generica.
