Rc Auto e Intelligenza Artificiale
La costante crescita nell'utilizzo dell' Intelligenza Artificiale avrà un importante risvolto anche nel mondo dell'autoriparazione, lo sostiene l'Aiped, l'associazione italiana dei periti.
"L'intelligenza artificiale sta progressivamente sostituendo l'attività sul campo dei periti assicurativi. Oggi si assiste ad un vero stravolgimento del concetto di perizia: l'utilizzo sempre più diffuso dei sistemi da remoto, perizie in authority, videoperizie e addirittura il crescente ricorso alla IA (intelligenza artificiale) da parte delle compagnie di assicurazioni pone seri dubbi sulla compatibilità di tali modalità operative con il quadro normativo che consente la stima del danno solo ai periti iscritti al ruolo."
Questo il grido d'allarme dei periti dell'Aiped, ma cerchiamo di fare chiarezza, andando a scoprire come attualmente funziona davvero.
Rc Auto e Machine Learning
Secondo i dati dell' Ivass, il 43% delle imprese assicurative fa ricorso a una qualche forma di Intelligenza Artificiale, il 27% utilizza almeno un algoritmo di Machine Learning nei processi che hanno effetti diretti sulla loro clientela, in un mercato che già nel 2022 ha raggiunto i 500 milioni di euro secondo una recente studio dell’ Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano.
Prevenzione delle frodi assicurative
Il rapporto dell'Ivass va ancora più a fondo alla questione e rileva come in campo Rc Auto, l'utilizzo principale di queste nuove tecnologie è principalmente focalizzato nella prevenzione delle frodi e della relativa gestione dei sinistri. Questo procedimento si basa su tre capisaldi dell'AI ovvero l’apprendimento supervisionato e non supervisionato, il deep learning e la modellazione predittiva. Vediamo di spiegarne sinteticamente le differenze:
- L’ apprendimento supervisionato è un tipo di apprendimento automatico che utilizza un set di dati etichettato per addestrare il modello a imparare come mappare i dati di input alle etichette di output desiderate
- L’ apprendimento non supervisionato è un tipo di apprendimento automatico che non utilizza dati etichettati ma si basa sulla struttura dei dati stessi per imparare a raggruppare elementi simili
- Il deep learning è un tipo di machine learning che utilizza le reti neurali artificiali (ANN) che si ispirano alla capacità di apprendimento del cervello.
- La modellazione predittiva è un tipo di apprendimento automatico che crea modelli che fanno previsioni sugli eventi futuri sulla base di dati storici.
I reali vantaggi dell'AI
Quello che fa la differenza, aldilà della teoria, sono poi le applicazioni pratiche ed in questo senso non sono affatto trascurabili, perchè senza scendere troppo nei dettagli, con l'AI le compagnie assicurative possono:
- identificare schemi di frode che possono essere difficili da individuare per gli esseri umani
- automatizzare il processo di rilevamento delle frodi, liberando degli asset da utilizzare in altri ambiti come la gestione dei sinistri
- ottenere dei feedback in tempo reale sulle tendenze delle frodi, consentendo all'azienda di adattare rapidamente le proprie strategie
Non è tutto perfetto
In conclusione, è innegabile che l'AI è già oggi, un potente strumento in mano alle compagne assicuratrici sia per scopi gestionali che commerciali ma proprio per la sua stessa natura non è esente da alcuni rischi, come il potenziale uso improprio e una percentuale di precisione nel singolo caso, che una perizia svolta da remoto o tramite IA non può avere in quanto "non consente di accertare con precisione la complessità di un danno da sinistro stradale. Questo significa che, in caso di sottostima dei danni, l'assicurato riceverà un risarcimento inferiore a quello cui avrebbe diritto." come sottolineato dal presidente Aiped, Luigi Mercurio.
Autore: Gianluca Ferraris
Fonti: