Contributo a cura di Giacomo Lusardi, Legal Director, DLA Piper
Con oltre 40 miliardi di euro pagati ogni anno in risarcimenti e prestazioni e più di 18 milioni di sinistri gestiti, il settore assicurativo italiano opera su scale sempre più imponenti (dati ANIA). A ciò si aggiunge l’aumento del costo dei sinistri in alcuni rami, come la responsabilità civile generale, dove il costo medio ha raggiunto i 7.065 euro. Per le compagnie assicurative, la sfida è quindi duplice: mantenere elevata la qualità del servizio e, al contempo, contenere costi e tempi di gestione. È in questo scenario che l’intelligenza artificiale sta assumendo un ruolo centrale, trovando applicazione lungo l’intero ciclo di gestione del sinistro, dalla denuncia fino alla liquidazione.
La domanda vera, però, non è se usare l’IA, ma cosa automatizzare e cosa deve restare umano.
Il treno e il pilota: RPA contro AI agentica
Per capire dove stiamo andando, conviene partire da una distinzione fondamentale. La RPA – robotic process automation – funziona come un treno sui binari: segue una sequenza di regole preimpostate, esegue compiti ripetitivi a grande velocità e non sbaglia finché il percorso è quello previsto. Il problema nasce quando il caso esce dallo schema. Un documento in formato inatteso, un sinistro con più parti coinvolte, una polizza con clausole particolari: il treno deraglia.
L’AI agentica è un salto di paradigma. Non segue binari: è più simile a un copilota che percepisce il contesto, prende micro-decisioni e orchestra flussi di lavoro complessi. Un agente può concatenare estrazione documentale, classificazione del sinistro, rilevazione di anomalie, richiesta automatica di documenti integrativi, instradamento al liquidatore competente, severity scoring e alert antifrode, tutto in un unico flusso adattivo. Se manca un dato, lo chiede. Se rileva un pattern sospetto, cambia strategia. Non si blocca.
Un sinistro, mille passaggi: come lavora un agente
Immaginiamo un sinistro domestico: un’infiltrazione d’acqua denunciata via app. L’agente riceve la First Notice of Loss, estrae i dati dalla foto e dalla descrizione, classifica il danno, confronta il profilo con lo storico del cliente, rileva eventuali anomalie, richiede un preventivo integrativo e instrada la pratica con un punteggio di severità. In parallelo, il modulo antifrode verifica la coerenza tra le informazioni dichiarate e i dati di rete.
Pensiamo ora a uno scenario internazionale: un evento in Germania, una polizza in Italia. L’agente gestisce la traduzione automatica, identifica la giurisdizione applicabile, segnala il potenziale conflitto tra lex loci damni e lex contractus e avvisa il liquidatore prima di procedere. In casi come questo, più complessi, l’automazione prepara il terreno ma non può decidere da sola.
I numeri parlano chiaro
Le evidenze di mercato sono incoraggianti. AXA Italia ha ridotto un processo di gestione da 30 minuti a 1 solo minuto, con oltre il 90 per cento di accuratezza. McKinsey stima che la FNOL, la prima notifica di sinistro, possa essere automatizzata tra il 50 e il 100 per cento. DOMCURA, in collaborazione con Parloa, riporta un taglio del 60 per cento nei tempi di lavorazione.
Ma attenzione: non tutti i sinistri si prestano allo stesso livello di automazione. I sinistri RCA di routine (alti volumi, importi contenuti, documentazione standard) sono il terreno ideale. I rami property e infortuni, con le loro perizie tecniche, si collocano a un livello intermedio. I sinistri vita e salute, la RC professionale, la D&O e i sinistri catastrofali o cross-border restano a bassa automazione: troppo complessi, troppo rischiosi, troppo “unici” per essere affidati a una macchina senza supervisione.
Il quadro normativo: l’uomo al centro
Il legislatore europeo e italiano convergono su un principio chiaro: la tecnologia assiste, la decisione resta umana. Quattro pilastri definiscono il perimetro.
- AI Act: classifica come ad alto rischio i sistemi di IA per la valutazione del rischio e la tariffazione vita e salute. I sistemi di gestione sinistri non rientrano automaticamente in questa categoria, ma restano soggetti a obblighi di trasparenza quando interagiscono con persone fisiche.
- GDPR, articolo 22: vieta decisioni basate unicamente su trattamenti automatizzati che producano effetti giuridici significativi. Anche quando un’eccezione lo consente, l’interessato ha sempre diritto all’intervento umano.
- Codice delle Assicurazioni, articolo 148: l’offerta o il diniego devono essere motivati. La decisione deve poter essere spiegata; l’IA non può essere una scatola nera.
- Legge italiana 132/2025 sull’IA: conferma l’impostazione antropocentrica e i principi di uso corretto, trasparente e responsabile.
- Il filo conduttore è unico: accoglimento, diniego e quantum non vanno delegati a una macchina. Servono un decision record e piena tracciabilità.
Perché il liquidatore resta insostituibile
L’agente intelligente istruisce la pratica, ma il liquidatore resta centrale. È lui che valuta criticamente l’output dell’IA, conosce il contesto giudiziario locale, gestisce le eccezioni e i casi complessi, mantiene la relazione con assicurato e danneggiato, conduce l’antifrode di secondo livello e sceglie i consulenti esterni.
C’è poi un tema specificamente italiano: l’imperfezione dei dati. Le sentenze di primo grado non sono sistematicamente digitalizzate, le banche dati sono frutto di selezione, non esiste un precedente vincolante e il quantum varia da distretto a distretto con tabelle diverse. Questo gap informativo impone un controllo umano rigoroso e limita ogni velleità di automazione cieca.
Governance: come introdurre l’AI agentica senza perdere il controllo
L’adozione dell’AI agentica nella gestione dei sinistri non è anzitutto una questione tecnologica, ma di governance. Il punto non è semplicemente automatizzare più attività, bensì individuare dove l’automazione genera valore, quali rischi introduce e quali decisioni debbano rimanere sotto la responsabilità umana.
Per questo motivo, le compagnie dovrebbero partire da alcuni elementi essenziali: formazione del personale sui limiti e le potenzialità degli strumenti di AI; chiara ownership interna di ciascuna soluzione adottata; valutazione strutturata dei casi d’uso e dei relativi rischi; coinvolgimento sin dalle fasi iniziali delle funzioni Legal, Compliance, Risk e IT Security.
Non tutte le attività, infatti, presentano lo stesso livello di rischio. Automatizzare la classificazione iniziale di un sinistro è ben diverso dall’utilizzare sistemi di AI a supporto di valutazioni che incidono sull’accoglimento della richiesta, sulla quantificazione del danno o sulla gestione di casi complessi. All’aumentare dell’impatto sul cliente, deve aumentare anche il livello di supervisione umana.
L’AI agentica può rappresentare un potente acceleratore dell’efficienza operativa, supportando liquidatori e operatori nell’analisi delle informazioni, nell’individuazione di anomalie e nella prioritizzazione delle attività. Le decisioni che incidono sui diritti degli assicurati e sull’esito del sinistro, tuttavia, dovrebbero continuare a rimanere sotto il controllo di persone competenti e responsabili. La sfida non è scegliere tra uomo e macchina, ma costruire un modello in cui l’AI amplifichi le capacità decisionali delle persone senza sostituirne il giudizio.
