L’IVASS- Istituto per la Vigilanza sulle Assicurazioni- ha pubblicato un’indagine sull’utilizzo di algoritmi di Machine Learning (ML) da parte delle imprese di assicurazione in processi con impatto sulla clientela.
Indagine IVASS Machine Learning: esiti
Il 43% delle imprese intervistate fa ricorso a una qualche forma di Intelligenza Artificiale; il 27% utilizza almeno un algoritmo di ML nei processi che implicano effetti diretti sulla clientela, per una quota di mercato pari al 78% nel comparto danni e al 25% nel comparto vita.
I principali ambiti di utilizzo degli algoritmi di ML5 nei processi retail sono relativi alla prevenzione delle frodi e alla gestione dei sinistri, principalmente in ambito RC Auto, e alla identificazione delle intenzioni di abbandono dei clienti (modelli di churn).
Nella prevenzione delle frodi RC Auto, gli algoritmi sono per lo più impiegati a supporto di modelli predittivi, costituiti da regole generate sulla base dell’analisi di un campione di sinistri, finalizzati a richiamare l'attenzione dell'operatore umano su potenziali indicatori di frode e per valutare le relazioni tra i soggetti coinvolti nei sinistri, ad esempio: conducenti, testimoni e periti.
Il ML viene impiegato per ottimizzare i tempi di gestione del sinistro RC Auto, con, ad esempio, la valutazione del danno mediante foto effettuate e inviate dal danneggiato, poste a confronto con una banca dati di foto di danni similari già liquidati; in altri casi fornisce una valutazione della priorità per la gestione dei sinistri, identifica i casi in cui il cliente potrebbe avere vantaggio nel rifondere il costo per non incorrere nel malus e, in generale, anche in ambiti non RC Auto, viene impiegato per rendere più efficiente la gestione di sinistri non complessi mediante l’analisi della documentazione.
Nei processi assuntivi si rileva l’utilizzo di algoritmi ML per il riconoscimento facciale del cliente in caso di contatto a distanza e, nelle polizze salute, per la previsione delle malattie che possono insorgere con maggiore probabilità, da portare all'attenzione degli underwriter, sulla base dell’anagrafica e della storia clinica dei clienti.
In ambito pricing, si segnalano i seguenti algoritmi utilizzati nel comparto auto:
- per ottimizzare la precisione predittiva delle stime della probabilità di abbandono dei clienti (churn) al momento del rinnovo. La probabilità calcolata con ML viene confrontata con quella determinata attraverso i tradizionali Modelli Lineari Generalizzati (GLM) e, unitamente alla stima della redditività attesa della polizza, contribuisce a definire un possibile sconto al rinnovo del contratto;
- per costruire cluster di rischio in cui classificare i veicoli e le zone geografiche, per determinare i coefficienti di tariffa nel calcolo del premio.
Il 56% delle imprese che utilizzano algoritmi di ML dichiara di essersi dotata di meccanismi interni per valutare la fairness verso gli assicurati e rilevare indesiderate esclusioni o discriminazioni dei clienti. Le imprese che non si sono dotate di questi presidi affermano di non averne bisogno per la natura degli algoritmi e dei dati, che non avrebbero impatti sulla equità di trattamento degli assicurati.
Tra le altre tecnologie utilizzate dalle imprese congiuntamente ai modelli di IA l’1% delle imprese indica di impiegare in produzione tecnologie legate alle blockchain, il 37% utilizza il cloud computing, il 16% adotta l’IoT – Internet of Things, il 27% sfrutta le informazioni derivanti dai big data.
Il 20% degli algoritmi è gestito in outsourcing, mentre il restante è sviluppato direttamente dall’impresa o in collaborazione con partner tecnologici.
Fra le compagnie che utilizzano ML, il 70% delle imprese nel comparto danni e il 22% nel comparto vita dichiarano di utilizzare specifici KPI/KRI (key performance indicator/key risk indicator) in relazione agli algoritmi, per valutare la performance dei modelli; gli indicatori non sono ancora applicati alle funzioni di business coinvolte.
Alcuni modelli si caratterizzano come una black-box non accessibile o modificabile da parte delle imprese (ad esempio reti neurali nell’ambito della computer vision o del natural-language processing). Le imprese indicano di utilizzare tali modelli chiusi affiancati da strumenti che aiutano a spiegarne le logiche e il funzionamento interno.
Indagine IVASS Machine Learning: parametri
L’indagine ha coinvolto 93 imprese di assicurazione (tutte le imprese italiane e le 4 imprese extra UE), ed è stata svolta tra giugno e settembre 2022.
Il questionario prevedeva una sezione generale sull’utilizzo dell’Intelligenza Artificiale (IA), ML e altre tecnologie e sezioni specifiche sui seguenti aspetti, relativi agli algoritmi di ML3:
- Governance
- Sicurezza
- Spiegabilità
- Fairness
- Outsourcing
- Principali algoritmi ML utilizzati dalle imprese.
