LE MACCHINE IMPARANO A GESTIRE I SINISTRI

La trasformazione digitale che guida oggi la spinta evolutiva delle imprese impone investimenti in R&S finalizzati a riposizionare il modo di lavorare tradizionale verso una maggiore aderenza alle tecnologie innovative. Le grandi aziende, compagnie assicurative in primis, hanno sperimentato che per farlo è più semplice unire l’esperienza consolidata aziendale alla velocità di una start up. 

È stata questa la scelta anche di Kirey Group. Nonostante si parli di una realtà che può contare su qualche centinaio di dipendenti, anche Kirey ha optato per la flessibilità della start up dando vita a Kubris, società con la mission di fare ricerca e sviluppo nell’ambito della trasformazione digitale occupandosi di internet of things, telematica, reti neurali e blockchain. Alessandra Girardo, ceo di Kubris, spiega così le motivazioni che hanno portato all’iniziativa. “Nella start up abbiamo messo a fattore comune le conoscenze sulle nuove tecnologie che erano diffuse nel gruppo avendo allo stesso tempo l’autonomia di poter investire in R&S con risorse competenti e dedicate alla ricerca. Il nostro mercato è per ora composto da un 40% di settore assicurativo, 30% di banche e 30% di industrie, quest’ultime più predisposte a mettersi in gioco nell’innovazione”.

Il settore assicurativo guarda con interesse sempre maggiore alle potenzialità tecnologiche, con il doppio obiettivo di rendere più efficienti i modelli operativi interni e di creare offerte che attraggano l’interesse del cliente. Le compagnie seguono processi consolidati che sono lunghi e complessi, e hanno concreti vincoli nello sviluppare al proprio interno, in parallelo all’attività quotidiana, delle soluzioni o dei modelli più moderni, tanto da ricorrere esse stesse alla collaborazione con start up. “Integrare soluzioni innovative con processi consolidati – osserva Girardo – è la prima difficoltà che le compagnie incontrano quando scelgono di adottare nuove soluzioni su base tecnologica. In particolare questo si verifica con i prodotti antifrode in ambito di gestione sinistri, dove accade che le modalità dei tool tecnologici non si adattino al processo interno della compagnia, che si basa su procedure codificate e non automatizzate”.

 

È proprio nella gestione dei sinistri che si registra il maggiore interesse verso l’automazione, in risposta a due esigenze principali quali il bisogno di efficienza, con ottimizzazione di costi e di risorse, e il massimo contenimento del numero delle frodi. “I nostri obiettivi in questo ambito sono la riduzione dei costi di perizia e l’evidenza di possibili frodi tramite specifici tool che analizzano, ad esempio, le immagini per capire se siano state alterate”, spiega Girardo che specifica come i costi delle perizie possano essere ridotti diminuendo il numero di interventi: “se la storia del cliente e la tipologia del sinistro non hanno le caratteristiche che possono far pensare alla frode, gli interventi peritali possono essere ridondanti. Con un’analisi preventiva dei casi, realizzata con adeguati strumenti, si possono liberare delle risorse da dedicare invece laddove il rischio frode è più evidente”.

Semplice a dirsi, ma per mettere in pratica un simile sistema è necessario elaborare strumenti affidabili: IoT, telematica, reti neurali e blockchain sono oggi riconosciuti come la nuova frontiera, tutta da esplorare, dell’insurtech. Come spiega il ceo di Kubris, “l’uso di tecnologie machine learning consente di automatizzare la comprensione di un sinistro e, tramite le devianze rispetto a determinati modelli, capire se ci sono degli aspetti che rientrano nella casistica delle frodi. L’automazione ci permette in primo luogo di distinguere i sinistri reali e semplici da risolvere da quelli che necessitano di maggiore investigazione, e per i quali puntiamo a controllo e velocizzazione dell’iter. Il machine learning consente anche di fornire un diverso servizio alla clientela sulla base della classificazione del profilo di rischio della stessa, dando più cura e attenzione a quella più virtuosa”.

 

La quadratura del cerchio sta nello sviluppo di soluzioni elaborate in collaborazione con le compagnie stesse, tramite le quali la macchina comincia a raccogliere le esperienze dei diversi casi, a farle proprie e ad apprendere. “Per realizzare un sistema quanto più fedele alla realtà delle compagnie – prosegue Girardo – stiamo sviluppando un prototipo di Triage del sinistro insieme a Gicar (Generali innovation center for automotive repair), che può contare su una casistica sinistri assai ricca: loro ci mettono a disposizione le loro competenze e i materiali raccolti a cui noi uniamo l’esperienza sulle reti neurali”. La collaborazione diretta con un team assicurativo consente di addestrare l’intelligenza artificiale sulle concrete esigenze degli assicuratori, modulandola sulla ricerca delle informazioni e sui parametri che abitualmente la compagnia utilizza.

Ma i sistemi di machine learning possono trovare applicazione anche in altre attività assicurative. “Le polizze future potranno essere basate sulla profilazione dell’utente, non solo in ambito auto ma nei danni in generale, e lasciare un po’ alla volta il concetto di segmentazione del mercato per andare verso la totale personalizzazione”. Le reti neurali unite alla raccolta di dati permettono di capire chi è l’assicurato e quindi di disegnare ogni polizza sulle esigenze reali dell’end user. Girardo ne fornisce un esempio: “stiamo lavorando all’utilizzo dello smartphone nella funzione di black box. Si tratta di un device legato alla persona, e non al veicolo, che per questo può raccogliere informazioni più precise sullo stile di guida individuale, sulle abitudini e anche sui rischi a cui l’automobilista è esposto; in cambio – conclude Girardo – il cliente riceve informazioni precise sulla zona che abitualmente frequenta: un modo per consolidare, tramite il servizio, il rapporto con la compagnia”.