L’ascesa (resistibile) dell’AI

L’AI è ormai stabilmente al centro delle strategie di sviluppo del business e del funzionamento delle imprese assicuratrici. La numerosità di annunci e dichiarazioni d’intenti è stata fin qui tale da far pensare a una crescita inarrestabile delle applicazioni con i relativi benefici (incremento di produttività e, quindi, redditività) e le possibili criticità (difficoltà di adattamento delle organizzazioni, potenziale esubero di risorse umane).

Si prendano ad esempio le due principali compagnie italiane. Generali ha dichiarato nel proprio piano strategico che investirà, tra il 2025 e il 2027, 1,3 miliardi di euro in tecnologia e intelligenza artificiale.¹ Per lo stesso periodo, Unipol ha dichiarato di investire 500 milioni di Euro, con 400 nuove assunzioni e 170.000 ore di formazione erogate.²

Da un’analisi della prassi del settore assicurativo, una delle due aree (insieme con il banking) in cui, in Italia, opera Capco, emergono alcune tendenze chiare.

La prima è che l’applicazione dell’AI non ha ancora un peso rilevante nel funzionamento operativo delle organizzazioni. Abbondano i piloti (Proof of Concept), che interessano tutte le aree, ma nei processi operativi dell’AI quasi non c’è traccia. Gli investimenti di compagnie e di altri operatori della filiera assicurativa non sono mancati (anche se non c’è una corrispondenza diretta tra le dichiarazioni sull’importanza strategica delle applicazioni e gli impegni di spesa), i manager esprimono fiducia nel potenziale dell’IA, ma la maggior parte delle organizzazioni non ha ancora ottenuto rendimenti tangibili e ripetibili. Si è investito sui casi d’uso, più che nelle capacità strategiche che trasformano i casi in valore aziendale ripetibile.

L’AI, in pratica, tende a essere una sperimentazione (di cui si apprezza il potenziale) spesso non seguita da un’applicazione effettiva. Una delle ragioni è la complessità posta dalla gestione dell’impatto, per esempio la conformità alle diverse normative che disciplinano il settore assicurativo.

Altro punto rilevante del quadro di oggi è che i piloti sono realizzati attraverso un numero elevato di vendor di tecnologia (produttori, integratori o distributori), tendenza che si spiega con la mancanza di una strategia strutturata, che poi rende difficile scalabilità e redditività dell’investimento.

C’è, infine, il deficit delle competenze per la messa a terra dei progetti: un conto è la sperimentazione, un altro l’incorporazione nei processi operativi, con la conseguente necessità di profili professionali che combinano competenze innovative con quelle tradizionali dei sistemi core.

L’insieme di questi limiti sta portando le organizzazioni a considerare che i progetti pilota, da soli, non sono sufficienti. La generazione di valore dipende da un programma trasversale che consenta una crescita coordinata, continua e rapida dell’AI. In assenza di strategia e coordinamento, aumentano i costi mentre vengono limitati il valore aziendale e il ritorno sull’investimento.

È quindi necessario che, in questa fase, le esperienze pilota dal basso siano ricondotte a una visione strategica top-down che definisca il livello di ambizione della compagnia e lo traduca in quattro dimensioni coerenti: architettura, organizzazione, approvvigionamento, talenti. La metodologia usata da Capco (Strategic Lever Framework) va in questa direzione: traduce l’AI in un modello operativo indirizzando gli investimenti verso un obiettivo comune e di maggiore valore per il business, definendo le priorità e bilanciando rischio e tempi del cambiamento. In questo modo, l’AI può permeare il modello operativo sviluppando sinergia e superando i limiti di oggi: frammentazione di tecnologia e vendor, limitazione dei benefici, sconnessione dai processi operativi.

Riferimenti