Governare i dati per accelerare i processi innovativi nel settore assicurativo

dati, insurtech, big data

Governare i dati per accelerare i processi innovativi nel settore assicurativo.

Quanto sono importanti i dati nell’industria assicurativa? E quanto è fondamentale saperli sfruttare per accelerare i processi innovativi? A queste domande ha provato a rispondere il webinar “L’utilizzo dei dati come acceleratore dei processi innovativi nel mondo assicurativo”, organizzato dall’Italian Insurtech Association e dal Gruppo Digitouch svoltosi il 9 dicembre 2020.

Ad aprire i lavori è stata Donatella Busini, Senior Sales Manager presso Meware, società di DigiTouch Group. Busini ha iniziato il suo intervento fotografando l’attuale scenario assicurativo: “Quest’anno sono stati investiti 6,8 miliardi di dollari nel settore insurance, cioè il 62% in più rispetto al 2019”. A cambiare le carte in tavola è stato “il Covid-19 che ha fatto emergere una nuova normalità e nuovi bisogni da parte del consumatore”. Secondo Busini “è dunque necessario ripensare al ruolo delle soluzioni assicurative in questo nuovo contesto”. E proprio l’insurtech è il fattore differenziante nella nuova normalità.

“L’emergenza sanitaria – continua Busini – è stata lo stimolo di un mutamento sostanziale. Da ciò sono emersi 3 elementi: l’analisi dei bisogni dell’assicurato, cioè la necessità di definire nuovi modelli di business orientati alla persona; la personalizzazione dei prodotti assicurativi rispetto alle abitudini del consumatore e servizi di prevenzione; ed infine la semplificazione dei processi, ovvero automatizzare i processi ripetitivi”.

Da qui è arrivata la spinta alla digitalizzazione e all’uso di nuove tecnologie quali intelligenza artificiale, cloud, robotic process automation e IoT. “Nell’ultimo semestre – rivela Busini – queste tecnologie sono state oggetto di investimento strategico. Investimenti pianificati a breve e medio termine, nonostante i tagli di budget legati alla situazione economica globale”.

Si è investito molto nello sfruttamento dei dati. Dati che possono essere transazioni, testi,  immagini, oppure dati che arrivano da blackbox e sensori . Ma come si possono sfruttare questi asset? Risponde Busini: “Attraverso la definizione di casi d’uso comprensibili a tutti gli attori. La tecnologia non deve essere qualcosa a sé stante con un suo linguaggio, ma bisogna trovare una sorta di metalinguaggio. che attraverso casi d’uso che rispondono a un problema evidente, può essere automatizzato”. Il passo successivo è introdurre la machine learning come strumento efficace, ovvero l’abilità della macchina/computer di apprendere senza essere stata programmata preventivamente. Le modalità di apprendimento, cioè le esperienze, migliorano man mano che si svolgono azioni. Infine si applicano pattern, cioè algoritmi, si valutano i risultati, gli schemi in output e si verificano quanto si discostano. I principali approcci al machine learning sono associati ai caso d’uso. Ce ne sono 3, di cui due sono sottocategorie legate all’apprendimento automatico del computer con un supporto: supervised learning, unsupervised learning e reinforcement learning. Bisogna però utilizzare una metodologia, chiamata CRISP.DM per la costruzione di un modello di data mining. E così dallo use case si prepara e si studia il dato.

Non finisce qui. Continua Busini: “Per raggiungere gli obiettivi, sfruttando i dati, occorre creare una business unit (BU) interna, dando inoltre risorse economiche adeguate, e fare lo scouting di startup presenti sul mercato. Infine bisogna identificare quelle che meglio possono supportare le esigenze dei clienti e innestarle in modalità plug and play in modo rapido”. Ma come rafforzare una business uniti interna? Conclude Busini: “Prima di tutto bisogna avere nel proprio team data architect e esperti di dominio per la conoscenza del contesto e  poi bisogna sfruttare in modo chiaro gli use case in modo che non siano interpretabili. I talenti sono in grado di definire i pattern in grado di rendere la BU interna più forte”.

La soluzione di IA di Zelros

Il webinar è proseguito con l’intervento di Nicolas Rabot, Account Executive, Zelros, che ha parlato delle soluzioni di IA della società francese nata nel 2016. Dalla sua fondazione l’azienda ha raccolto 5 milioni di dollari e conta 11 clienti. “Al giorno d’oggi si parla di tecnologia, ma anche di cambiamento nella mentalità dell’uomo – afferma Rabot – Le nostre soluzioni di intelligenza artificiale già pronte all’uso sono nella distribuzione (che comprende la sottoscrizione intelligente e l’automazione delle vendite) e nelle operations  (che comprendono previsione delle risposte e automazione dei sinistri)”. Secondo Rabot “il tassello mancante per l’utilizzo di intelligenza artificiale su larga scala, che non è stato preso in considerazione da molte assicurazioni tradizionali, è il dato. Infatti le compagnie assicurative tradizionali utilizzano il dato transazionale, mentre Zelros utilizza il dato AI. Zelros aiuta a mettere in atto sistemi di AI in un paio di settimane. Un esempio è Zelros per la distribuzione, soluzione end-to-end costruita sulla piattaforma Zelros per incrementare la distribuzione. “Con l’utilizzo di questa soluzione – rileva Rabot – è stato registrato un aumento delle vendite  da +5% a +20%. Inoltre c’è stato un aumento di empatia con i clienti, grazie al nostro software di teleconsulenza”.

A chiudere il webinar è stata Busini con una considerazione quanto mai attuale in questo momento storico: “Il successo si può ottenere se si è pragmatici e se si parte dal piccolo e si procede per step graduali coinvolgendo tutti e utilizzando un linguaggio che non sia per pochi. Non bisogna avere paura dell’intelligenza artificiale, perché nessuno può sostituire quelle che sono le competenze specifiche di un professionista”.

Seguici sui nostri canali social: Facebook Twitter 

Leggi tutte le nostre notizie cliccando QUI

The following two tabs change content below.

Lascia un commento