Un volto che parla senza aver mai pronunciato quelle parole. Un video credibile che non è mai esistito. I deepfake stanno ridefinendo il confine tra reale e artificiale, rendendo il “vedere per credere” sempre meno affidabile. In un mondo in cui l’inganno si nasconde nei dettagli più impercettibili, la sfida diventa saper leggere ciò che non si vede. È da qui che parte Neuramancer AI Solutions, startup bavarese che analizza il rumore invisibile di immagini e video per scoprire le tracce lasciate dalla manipolazione. La realtà di Norimberga, precedentemente nota come Neuraforge, ha recentemente raccolto 1,7 milioni di euro in un round di finanziamento pre-seed per espandere la sua tecnologia contro i deepfake.
Nata da un’idea di Anatol Maier e Anika Gruner, l’insurtech ha sviluppato un sistema di rilevamento in grado di esaminare sottili artefatti prodotti durante la generazione di contenuti multimediali manipolati. Ma non solo. La tecnologia proprietaria di Neuramancer AI Solutions è in grado di valutare i segnali strutturali anziché il contenuto visibile, anche quando i deepfake appaiono visivamente impeccabili agli osservatori umani. Altrettanto importante è ciò che accade dopo che viene rilevata una manipolazione. Il sistema della startup è addestrato per produrre report forensi dettagliati che spiegano come e dove si sono verificate le alterazioni all’interno dei file analizzati. Invece di limitarsi a segnalare contenuti sospetti, l’analisi fornisce informazioni utili che le organizzazioni possono utilizzare per prevenire frodi o indagare su incidenti. Noi di InsurZine abbiamo intervistato in esclusiva la Co-founder Anika Gruner e Martin Sondenheimer, Chief Commercial Officer della società.
Oggi si parla spesso dei deepfake in relazione alla politica e alla disinformazione, ma nel mondo assicurativo la questione ha implicazioni molto concrete: con quale rapidità sta crescendo il rischio di frodi basate su immagini e video manipolati?
Anika Gruner: “I sistemi di IA stanno migliorando a un ritmo incredibile. Solo due anni fa, i critici non ci credevano quando dicevamo che i falsi sarebbero diventati fotorealistici: oggi lo sono. La frode basata sull’IA generativa è una nuova categoria di frode in rapida crescita. Si tratta di una svolta epocale sia per la criminalità organizzata che per i criminali opportunisti. Il settore assicurativo deve agire in questo ambito per rimanere competitivo nel lungo termine”.
Martin Sondenheimer: “La frode assicurativa è già oggi un problema da miliardi di dollari. La misura in cui i media generati e manipolati dall’IA contribuiscono a questo fenomeno è attualmente ancora oggetto di indagine, e stiamo collaborando attivamente con le associazioni assicurative su questo tema. Tuttavia, prevediamo che con la rapida diffusione dell’IA generativa e il continuo miglioramento dell’IA, il rischio rappresentato dai media generati e manipolati aumenterà drasticamente nel prossimo futuro. Secondo la 2025 State of Ransomware Survey di CrowdStrike, l’87% delle organizzazioni intervistate ritiene che l’AI renda più convincenti le esche di phishing, mentre i deepfake stanno emergendo come un importante driver dei futuri attacchi ransomware.
A che punto un deepfake o una manipolazione sintetica diventano un vero problema per gli assicuratori: nella fase di segnalazione del sinistro, durante la gestione del sinistro o addirittura prima, nella fase di verifica dei documenti?
M.S. “La maggior parte dei casi di frode digitale si verifica sia nella fase di sottoscrizione dei nuovi contratti assicurativi sia nella fase di segnalazione del sinistro. Si utilizzano identità false per ottenere una copertura assicurativa. Nelle situazioni di sinistro, riscontriamo ogni tipo di caso di frode digitale. Ad esempio, abbiamo scoperto casi in cui le foto dei danni a un veicolo sono state manipolate in modo tale che il danno apparisse significativamente maggiore. Abbiamo anche scoperto immagini di smartphone difettosi generate interamente dall’intelligenza artificiale. Un altro esempio è quello di un assicuratore di animali domestici, in cui presunti interventi chirurgici su cani sono stati simulati con successo più volte utilizzando radiografie generate dall’intelligenza artificiale e fatture contraffatte – queste ultime potevano essere manipolate su due livelli: a livello di immagine e a livello di contenuto”.
Neuramancer opera su immagini e video: quali sono attualmente i casi più complessi che le compagnie assicurative devono affrontare, tra contenuti interamente generati e materiale reale parzialmente alterato?
A.G. “I contenuti interamente generati sono ancora rari al giorno d’oggi; è molto più difficile individuare le manipolazioni parziali. Oggi posso scattare una foto reale della mia auto e utilizzare l’IA generativa per aggiungere graffi che sembrano incredibilmente reali. Questo rende ogni caso di individuazione delle frodi una vera sfida”.
Molti operatori temono che l’intelligenza artificiale renda le frodi sia più facili da commettere sia più difficili da individuare: secondo lei, il settore assicurativo è pienamente consapevole della portata di questa minaccia, o siamo ancora in una fase iniziale di presa di coscienza?
M.S. “Molti assicuratori con cui parliamo sono in linea di massima consapevoli di questo problema in crescita. Tuttavia, a nostro avviso, l’intero settore non è ancora pienamente consapevole della portata della minaccia. La sfida sta nel fatto che non si sa ciò che non si sa. Gli attuali approcci e le tecnologie di rilevamento delle frodi utilizzati dagli assicuratori non sono in grado di individuare in modo affidabile questo nuovo tipo di frode. Di conseguenza, l’entità delle perdite dovute ai sinistri è molto probabilmente molto più grande di quanto la maggior parte degli assicuratori pensi. Ecco perché siamo convinti che sia necessario un nuovo approccio tecnologico al rilevamento delle frodi”.
Lei pone grande enfasi sulla trasparenza e sull’IA spiegabile: perché non basta semplicemente segnalare un contenuto come sospetto, ma è necessario spiegare chiaramente perché viene considerato tale?
A.G. “Ad esempio, se mi presento in tribunale per un caso, non posso limitarmi a dire: “È così perché l’IA o il software lo hanno detto”. Nella scienza forense multimediale (ed è da lì che proveniamo), dobbiamo esaminare la cronologia di elaborazione con la stessa attenzione con cui valutiamo la spiegabilità dei metodi di rilevamento utilizzati. Provenendo da un background di ricerca, riteniamo che questo sia l’unico approccio sensato da adottare nel campo della prevenzione delle frodi. In alcuni casi, la segnalazione è sufficiente, ma in generale possiamo utilizzare strumenti come le mappe di calore per individuare con precisione i punti di manipolazione nell’immagine: questo gioca un ruolo cruciale per il gestore della pratica, poiché gli consente di prendere decisioni migliori”.
M.S. “Applicando la questione al settore assicurativo, una semplice segnalazione non fornisce informazioni sufficienti a uno specialista antifrode. Un rapporto dettagliato di analisi forense, invece, fornisce informazioni su dove e come un’immagine o una fattura è stata alterata e consente quindi una lotta alle frodi efficace”.
Quando si lavora con le compagnie assicurative, qual è oggi l’esigenza principale: una verifica più rapida, meno falsi positivi, un migliore supporto agli investigatori o prove tecniche più solide in caso di controversie?
A.G. “Quando si individuano i deepfake nel settore assicurativo, il fattore più importante è l’affidabilità del processo di rilevamento: soprattutto, le immagini autentiche non devono essere scambiate per false (falsi positivi), poiché ciò comporterebbe un carico di lavoro superfluo”.
M.S. “Consapevoli del fatto che i falsi positivi creano lavoro superfluo per gli specialisti in frodi e che possono mettere a rischio il rapporto con il cliente, abbiamo sviluppato la nostra soluzione in modo tale che possa fornire la risposta ‘Incerto’ se il risultato del rilevamento non è chiaro”.
L’integrazione nei processi operativi è una questione fondamentale: come pensate che una tecnologia come la vostra possa inserirsi nel lavoro quotidiano dei gestori dei sinistri, dei team antifrode e dei periti assicurativi?
M.S. “Consideriamo il nostro prodotto come una soluzione a due livelli: da un lato, offriamo la possibilità di integrazione tramite Api per segnalare tutti i casi sospetti non appena viene presentata una richiesta di risarcimento – ad esempio al momento della prima notifica del sinistro; dall’altro, forniamo una piattaforma web per gli specialisti in frodi”.
La vostra attenzione iniziale al settore assicurativo suggerisce un’esigenza particolarmente urgente: cosa rende questo settore particolarmente esposto ai rischi rappresentati dai deepfake?
A.G. “L’intelligenza artificiale è ormai ampiamente disponibile, e la frode assicurativa è spesso ancora vista come un reato minore – dopotutto, l’occasione fa il ladro. Questo crea sfide significative per il settore assicurativo”.
Considerata la rapida evoluzione dei modelli generativi, pensi che la sfida futura sarà principalmente tecnologica o piuttosto culturale e organizzativa, richiedendo agli assicuratori di ripensare i processi, le competenze e i modelli di fiducia?
A.G. “Sarà una combinazione di tecnologia, cultura e requisiti normativi e di conformità che dovremo padroneggiare il più rapidamente possibile”.
Guardando al futuro, credi che il rilevamento dei deepfake rimarrà uno strumento antifrode o diventerà una componente strutturale della governance del rischio assicurativo, influenzando la sottoscrizione, la conformità e la fiducia dei clienti?
A.G. “Il rilevamento dei deepfake sta diventando una tecnologia chiave nella comunicazione aziendale, sia che si tratti di sinistri o di verifica dei clienti (parola chiave: Know Your Customer)”.
M.S. “Un altro aspetto interessante: ho sentito da alcuni assicuratori che stanno valutando come integrare (o escludere) tale problema nelle polizze di assicurazione contro i rischi informatici”.
