LE CINQUE SFIDE DELL’INTELLIGENZA ARTIFICIALE

Machine learning e intelligenza artificiale possono entrare nei processi che guidano le compagnie assicurative e portare valore alla relazione con il cliente. Migliorare l’operatività abbreviando i tempi e accrescendo la qualità, permette di dare all’assicurato una migliore esperienza. Il cliente si aspetta per prima cosa la velocità nella risoluzione di un bisogno; si attende empatia, soprattutto nei momenti legati al sinistro. Ma si aspetta anche di essere valutato in maniera oggettiva e neutrale, così come di avere di fronte un interlocutore flessibile e capace di dare risposte personalizzate.

Su questi temi l’esperienza trentennale nelle applicazioni di intelligenza artificiale e machine learning di expert.ai, illustrata da Pamela Negosanti, global head of insurance solutions della società, si è orientata alle specificità del settore assicurativo e prevalentemente alla gestione dei sinistri, all’underwriting e ai sistemi di relazione con il cliente. Le best practice si basano su Intelligent process automation, un sistema che integra l’IA all’automazione dei processi, dando ampio valore all’apporto delle competenze umane (human in the loop).

Focalizzando sulla gestione dei sinistri, Negosanti ne ha sintetizzato le criticità a cui l’IA può dare risposta. A oggi i processi sono ancora in buona parte manuali, la standardizzazione è limitata e ciò contribuisce alla crescita dei costi; il processo manuale ha inoltre le controindicazioni di richiedere tempo e di poter essere influenzato dalla soggettività di chi lo prende in carico. 

Automatizzare la gestione dei sinistri comporta per Negosanti cinque sfide: “il primo passo è capire da quale istanza partire; va poi indagata la qualità del dato, delineate le aspettative e definito come misurare i risultati. È necessario pianificare anticipatamente il progetto per calarlo nella realtà aziendale e coinvolgere le risorse umane”. 

Ne discende che il passo preliminare è la definizione del business case, con obiettivi misurabili e realistici. In base all’esperienza di expert.ai, “è possibile automatizzare fino al 40% di un processo e l’accuracy non è mai pari al 100%”. Anche per queste ragioni il ruolo umano è indispensabile: “il concetto di human in the loop è vitale perché lo scopo della tecnologia è di potenziare le capacità delle persone”. L’esperienza umana affianca la macchina e aumenta il valore del processo di automazione intelligente; come ha spiegato Negosanti “il sistema crea algoritmi basati su data set e l’approccio è tanto più vincente quanto le informazioni sono di qualità; laddove ciò non sia possibile, per addestrare l’algoritmo di ML si ricorre all’approccio più tradizionale all’IA, chiamato simbolico, che integra nel processo di apprendimento la conoscenza trasmessa dalle persone. La chiave del successo è unire le due strategie in un approccio ibrido, che Gartner definisce come Composite IA”.