La digitalizzazione dei processi aziendali e del mondo lavorativo sta avendo un importante impatto anche sul settore assicurativo. Anche le compagnie più legate alla tradizione stanno rivalutando e revisionando i loro processi di back office e di CRM alla luce delle innovazioni tecnologiche recenti. L’attenzione delle compagnie assicurative è rivolta sia ai flussi di lavoro amministrativi, che sono complicati e a volte ingolfati da operazioni ridondanti, sia alla qualità dell’esperienza offerta ai consumatori, con un occhio di riguardo alle cause di insoddisfazione dei rapporti con la clientela.
Automazione RPA
RPA è l’acronimo di Robot Process Automation, nota anche come robotica software, e indica quell’insieme di software che hanno come scopo l’utilizzo di tecnologie di automazione per imitare le attività di back-office dei lavoratori umani, come l’estrazione di dati, la compilazione di moduli, lo spostamento di file. L’automazione consente alle aziende di ridurre i costi spesi per il lavoro di routine relativo alle attività burocratiche più ripetitive e di riorientare alcuni dipendenti verso altre mansioni. Grazie ai comportamenti acquisiti tramite il Machine Learning, i software RPA possono essere impiegati negli ambiti più svariati, come l’analisi preliminare dei sinistri auto, i pagamenti e le operazioni di data entry più generiche, contribuendo a snellire i flussi di back office in modo significativo.
Stima dei rischi con dati personalizzati
Il tradizionale modello di valutazione del rischio si basa su dataset impersonali. Franchigie, massimali, range sono calcolati su popolazioni di dati generiche e spesso i risultati non riescono a essere competitivi né dal punto di vista della compagnia né da quello dell’assicurato. Grazie alle attuali tecnologie IoT, è possibile ora raccogliere dati più granulari, utilizzando dispositivi mainstream come smartwatch o cellulari, oppure device IoT progettati su misura per impieghi specifici, come ad esempio per la valutazione dei rischi di una polizza casa. Questi device IoT registrano specifici comportamenti o monitorano determinate situazioni e abitudini, per impiegare i dati raccolti come modello di una valutazione del rischio personalizzata, che possa anche avere una funzione proattiva alla proposta di coperture tagliate su misura per casi specifici.
Assicurazioni Peer To Peer
Il modello assicurativo P2P consiste in un gruppo di ridotte dimensioni di individui con un certo livello di legame, ad esempio di familiari, amici o persone con interessi comuni, che creano un pool dove i loro premi assicurativi sono combinati per fare fronte a rischi comuni. Quando si verifica un sinistro, il denaro del pool viene utilizzato per risarcire la persona danneggiata. In questo modo il comportamento di ogni assicurato impatta sul profilo di rischio e di rimborso dell’intero gruppo, perciò ogni partecipante viene motivato a minimizzare i comportamenti rischiosi per mantenere bassi i costi per tutti i soggetti coinvolti. I pool assicurativi P2P sono spesso gestiti con una applicazione mobile, e ultimamente sono state introdotti anche dei contratti assicurativi basati su blockchain, per garantire una maggiore trasparenza e sicurezza.
Rilevamento delle frodi assicurative
Nonostante i numerosi sistemi di controllo, le frodi assicurative hanno un impatto significativo sui bilanci delle compagnie, che hanno un forte bisogno di sistemi di prevenzione e di rilevamento delle frodi sempre più sofisticate. Per arginare il fenomeno delle frodi, sono stati sviluppati numerosi sistemi basati su intelligenza artificiale, che impiegano sia il Machine Learning sia l’analisi del linguaggio NLP.
Il Machine Learning viene utilizzato per analizzare grandi set di dati per trovare pattern ripetitivi nell’apertura dei sinistri. Ad esempio, un algoritmo di apprendimento automatico potrebbe essere in grado di rilevare che in certi casi di sinistri sospetti si presentano in maniera ripetuta situazioni simili, oppure che attori coinvolti in sinistri diversi sono accomunati da qualche tipo di legame.
L’analisi NLP viene invece impiegata per analizzare gli aspetti linguistici della descrizione di un sinistro, di una e-mail o di una telefonata, alla ricerca di elementi sospetti o correlabili ad altri sinistri. I software NLP, acronimo di Natural Language Processing, si occupano infatti di analizzare grandi quantità di dati provenienti dal linguaggio naturale, e la loro applicazione al contesto assicurativo permette di evidenziare frasi o espressioni sospette basandosi su modelli di apprendimento alimentati da dataset storici.
Incubatori in cerca di nuove idee
Sulla scia dell’interesse generato da tutti questi nuovi scenari, le principali compagine assicurative hanno incrementato gli investimenti nella ricerca e sviluppo. Una corsia preferenziale per accedere a queste risorse è quella degli incubatori, che vengono impiegati in diverse modalità, a partire dal semplice grant finanziario alla fornitura di spazi di coworking o supporto operativo e legale. Gli incubatori offrono ai team in fase di formazione un’opportunità per fare network, allargare le proprie competenze, strutturare la propria idea di business e crescere fino a diventare aziende completamente formate. La compagnia assicurativa può intervenire con diversi gradi di partecipazione, fino anche ad acquisire delle quote dell’azienda incubata. Dagli incubatori sono uscite alcune proposte Insurtech più interessanti degli ultimi anni, alcune delle quali hanno poi avuto una diffusione mainstream a livello nazionale. Il settore assicurativo è in continua evoluzione e l’impegno in ricerca e sviluppo garantirà una maggiore attenzione ai bisogni dei consumatori per mezzo di proposte assicurative sempre più adeguate alle situazioni attuali, personalizzate sulle necessità degli individui specifici, e smart.
