Il futuro dell’IA nell’industria assicurativa Il report McKinsey Problemi da affrontare e risolvere
Il futuro dell’IA nell’industria assicurativa Il report McKinsey Problemi da affrontare e risolvere. Vi sono comunque criticità e problematiche da affrontare nel percorso di adozione dell’intelligenza artificiale da parte delle Compagnie assicurative. Il Report McKinsey ne individua alcune, ribadendo che sicurezza, governance dei dati, costi, carenza di competenze, infrastrutture datate e gestione del cambiamento costituiscono i principali ostacoli che le assicurazioni devono superare per poter trasformarsi realmente in organizzazioni AI-native.
Una prima difficoltà riguarda la sicurezza e la compliance. L’AI si fonda sull’elaborazione di grandi quantità di dati, spesso sensibili, come quelli sanitari e finanziari. Questo obbliga le compagnie a garantire elevati standard di protezione, riservatezza e conformità normativa, con costi e complessità aggiuntive legate alla governance dei dati.
Un altro ostacolo è rappresentato dai costi elevati e dal rischio di vendor lock-in, cioè la dipendenza da un unico fornitore tecnologico. Se da un lato le soluzioni acquistate da vendor esterni permettono un’adozione rapida, dall’altro possono limitare la possibilità di personalizzare i sistemi o cambiare partner senza sostenere costi significativi.
Il documento sottolinea anche la carenza di talenti come una delle barriere più importanti. Le Imprese devono competere con aziende tecnologiche e di altri settori per attrarre figure specializzate in AI, data science e ingegneria del software. Molte organizzazioni faticano a trattenere queste risorse, anche per la mancanza di percorsi di carriera strutturati e modelli di incentivazione adeguati.
Un’ulteriore criticità è costituita dal peso dei sistemi legacy. In molti casi le infrastrutture informatiche sono obsolete e non riescono a supportare pipeline moderne di machine learning, rendendo complessa la scalabilità delle soluzioni, costringendo le Compagnie a un duplice sforzo: modernizzare le tecnologie esistenti e, nello stesso tempo, sviluppare soluzioni AI.
Infine, il documento evidenzia l’importanza del change management. Circa metà dello sforzo complessivo di una trasformazione AI di successo riguarda il cambiamento culturale. Senza programmi adeguati, i dipendenti tendono a percepire i nuovi strumenti come “esterni” alle proprie attività e ne limitano l’uso, riducendo l’impatto delle innovazioni. Al contrario, nei progetti di maggiore successo, i lavoratori arrivano a considerare gli assistenti AI parte integrante del proprio lavoro quotidiano. In questi casi, se le prestazioni non sono ottimali, non attribuiscono la colpa agli sviluppatori, ma si assumono la responsabilità di migliorare lo strumento.
