Il survey di S&P Global Ratings sull’AI nelle assicurazioni, condotto su 121 compagnie e riassicuratori, la fotografa diffusa ma ancora poco integrata: risparmi mediani attesi del 6-7% entro il 2028, budget in crescita e nessuna azione di rating finora. Chi saprà portarla su scala con presidi solidi avrà un vantaggio che, per l’agenzia, finirà per pesare anche sul merito di credito.
L’intelligenza artificiale non ha ancora prodotto alcuna azione di rating di S&P nel settore assicurativo, ma pesa sempre di più nella sua analisi del credito. S&P Global Ratings ha interrogato 121 compagnie e riassicuratori in tutto il mondo, che insieme rappresentano circa il 38% degli attivi delle imprese assicurative valutate dall’agenzia. Ne esce un settore in cui l’adozione è ormai generalizzata, ma i risultati potrebbero divergere. A separare chi trasformerà gli investimenti in valore duraturo da chi resterà esposto a rischi operativi, regolamentari e reputazionali saranno sempre più governance, prontezza dei dati e controlli sul rischio.
Il campione ha un rating medio A- e si concentra nelle Americhe (57 società tra Stati Uniti, Canada e Colombia) e nell’area Europa, Medio Oriente e Africa (50), con 14 risposte dall’Asia-Pacifico. Per ramo prevalgono vita e salute (48) e danni (36), davanti a multiramo (21) e riassicurazione (16).
Tanti cantieri aperti, pochi progetti a regime
Dopo anni passati a discutere di potenzialità, la maggior parte delle compagnie sta passando alla fase operativa, con gradi di integrazione molto diversi. Circa un terzo dichiara una strategia AI integrata a livello di intera impresa. Quasi tutte le altre la applicano a singole aree o funzioni, la usano in modo episodico o la stanno ancora costruendo. L’83% degli intervistati si colloca in una fase iniziale o intermedia del percorso.
Nel campione i progetti di AI pienamente integrati nell’organizzazione pesano per l’8%; gran parte degli altri è ancora in fase pilota o di proof of concept, oppure resta confinata ai singoli dipartimenti, formula prediletta dalle compagnie multiramo. Con molte sperimentazioni in corso e pochi fallimenti, per S&P l’adozione è destinata ad allargarsi rapidamente.
Gli ostacoli restano consistenti: dati frammentati e non strutturati, sistemi legacy difficili da collegare ai nuovi strumenti, scarsità di competenze, resistenze culturali e difficoltà a trasformare un pilota locale in un’applicazione di gruppo. Pesano anche l’incertezza sui costi, tra energia, infrastruttura di calcolo e listini dei fornitori, e la difficoltà di quantificare il ritorno dell’investimento.
Gli agenti AI restano in fase di prova
Sull’AI agentica, quella che promette di passare dall’automazione di singoli compiti a sistemi capaci di autocorreggersi e di gestire grandi volumi di dati, la fase è ancora più sperimentale. Poco più della metà delle compagnie è in fase di test, circa una su quattro l’ha adottata in dipartimenti specifici e poco meno di un quarto non la usa; l’integrazione sull’intera organizzazione resta marginale. Gli agenti lavorano soprattutto su attività ad alto volume e bassa complessità, per spostare le persone sul lavoro a maggior valore.
I casi d’uso censiti partono dalla sottoscrizione: gli agenti possono supportare l’analisi della documentazione che accompagna le proposte ed estrarre gli elementi chiave dalle richieste di quotazione in arrivo, con risposte più rapide, maggiore uniformità, pre-valutazione automatica e una selezione dei rischi più precisa. Nei sinistri possono gestire le pratiche standard e di basso valore, nei contact center le richieste più semplici.
Efficienza prima di tutto, poi clienti e rischio
Chiamate a indicare le tre priorità principali, le compagnie mettono in cima l’automazione dei processi (81%), dalla sottoscrizione ai sinistri ai rinnovi, e le funzioni di supporto interne (71%), come l’elaborazione delle fatture o i chatbot per l’assistenza IT. Metà del campione punta sul cliente, con servizi in tempo reale, raccomandazioni di polizza personalizzate e comunicazione proattiva; sul fronte dei sinistri, triage documentale e stima del danno automatizzati puntano ad accorciare i tempi e a rafforzare la fidelizzazione. Il 39% indica la gestione dei rischi, con antifrode e modelli predittivi pensati per proteggere i margini tecnici e stabilizzare i loss ratio. Lo sviluppo di nuovi prodotti e servizi resta in coda.
Per S&P queste iniziative possono migliorare fidelizzazione, efficacia distributiva, cross-selling e selezione dei rischi. L’agenzia resta però cauta su entità e tempi degli effetti sul profilo di credito, e osserva che, con progetti in gran parte orientati all’efficienza, i benefici sui ricavi potrebbero essere più difficili da ottenere e da misurare dei risparmi di costo.
Il risk management corre più della strategia
La gestione dei rischi non è ancora una leva di crescita prioritaria, ma è già uno dei terreni di impiego più diffusi. Quasi l’80% degli intervistati usa l’AI a supporto del risk management (44%) o la sta introducendo (34%), con gli Stati Uniti in testa (60% già in uso). Le applicazioni si concentrano sul rischio operativo (cybersecurity, privacy, rischio di modello, frodi interne), sul monitoraggio in tempo reale dei sinistri per intercettare anomalie e richieste fraudolente, e sul rischio di sottoscrizione, con scoring predittivo, pricing più accurato e segmentazione più fine. Le stesse capacità predittive, per l’agenzia, potrebbero aiutare a individuare i rischi emergenti e a gestire le esposizioni catastrofali.
Budget AI verso il raddoppio, ritorni ancora da dimostrare
Le attese si riflettono nella spesa. Nel 2025 la quota mediana del budget tecnologico destinata all’AI era compresa tra lo 0% e il 4%; secondo le proiezioni delle compagnie, entro il 2028 salirà nella fascia 10-15%. Rapportata ai costi complessivi, però, la spesa resta contenuta: in media è attesa più che raddoppiare, fermandosi poco sopra l’1% nel 2028, da circa mezzo punto nel 2025. Per S&P è la conferma che l’AI passerà da innovazione facoltativa a requisito di base, un «hygiene factor» nella definizione dell’agenzia, con un effetto collaterale: la spesa per l’AI potrebbe sottrarre risorse ad altri progetti tecnologici.
I ritorni, per ora, sono soprattutto attese: l’AI non ha ancora inciso in modo sostanziale sulla redditività. Tra le compagnie che hanno quantificato i benefici, poco meno della metà del campione, la mediana prevede entro il 2028 guadagni di efficienza del 6-7% e un aumento dei ricavi del 4-5%. Sui costi la curva è ripida: la quota di chi si aspetta risparmi superiori al 3% sale dal 16% del 2025 all’80% del 2028. Sui ricavi le attese variano molto, con il 32% che al 2028 prevede incrementi limitati e il 28% che punta a superare l’8%. Il salto è atteso nel biennio 2026-2027, quando la quota di chi prevede aumenti dei ricavi tra lo 0% e il 3% scende rispettivamente di 18,5 e 25,6 punti percentuali. Se l’automazione migliorerà esperienza e fidelizzazione dei clienti, osserva S&P, chi si muove per primo potrà assicurarsi un vantaggio competitivo. Per l’agenzia resta però un rischio chiave il caso opposto: investimenti che non producono risultati e appesantiscono la base costi.
Anche l’approvvigionamento racconta la fase attuale: prevale l’acquisto di modelli di terze parti non personalizzati, seguito dallo sviluppo interno, e il 70% di chi sviluppa in casa usa anche soluzioni esterne. Per S&P è il segno che le compagnie puntano a potenziare il lavoro delle persone più che a costruire ecosistemi proprietari, un approccio prudente che per ora non le espone ai rischi di una trasformazione su larga scala.
Privacy, sicurezza e compliance in cima agli ostacoli
Oltre tre quarti degli intervistati indicano privacy dei dati, rischi di sicurezza e conformità normativa come i principali ostacoli alla diffusione dell’AI; in area EMEA la privacy è citata da quasi nove compagnie su dieci. La governance è invece la barriera meno citata, un risultato che S&P attribuisce alla maturità dichiarata dei presidi esistenti, con forti differenze geografiche: la indicano tra gli ostacoli poco più di due terzi delle compagnie dell’Asia-Pacifico, contro circa un quarto di quelle americane.
Anche nella mappa dei rischi di implementazione sicurezza e privacy guidano la classifica, seguite dalla prontezza dei dati: entrambe riflettono i grandi volumi di informazioni sensibili che le compagnie trattano. Vengono poi le allucinazioni dei modelli, l’integrazione con l’IT legacy e la spiegabilità. Un dato riguarda da vicino l’area EMEA, che comprende l’Europa: la dipendenza da fornitori terzi è indicata come rischio chiave da circa due compagnie su tre, contro una su due a livello globale.
Nelle risposte aperte tornano la carenza di talenti e la scarsa alfabetizzazione sull’AI, i «costi computazionali nascosti» e i rischi di gestione del cambiamento legati all’abbandono dei sistemi legacy. Su quest’ultimo punto S&P ribalta in parte la prospettiva: l’AI potrebbe aiutare proprio a migrare e consolidare i sistemi frammentati che molte compagnie tengono in parallelo per non sostenerne i costi di migrazione.
Dati sovrani e regole divergenti, in Europa pesa l’intreccio tra AI Act, GDPR e DORA
Per la maggior parte delle compagnie del campione, in tutte le aree, la scelta di modelli e fornitori è dettata dalle norme su privacy e sovranità nazionale sui dati, con obblighi di residenza che spingono verso data center locali e modelli AI «sovrani». La gestione del rischio di terze parti diventa così un pilastro della compliance: servono due diligence rigorose sui fornitori per garantire che i dati aziendali restino segregati e non vengano usati per addestrare modelli esterni.
Per le compagnie la preoccupazione principale è il rispetto dei requisiti prudenziali, ma il quadro cambia con la giurisdizione. Le compagnie europee devono coordinare l’intreccio tra AI Act, GDPR e DORA; quelle statunitensi si muovono tra norme dei singoli Stati e un recepimento disomogeneo dei Model Bulletin della NAIC. Poi c’è la distanza tra principi e controlli, a partire dal passaggio da audit periodici a un monitoraggio continuo dei modelli. E ci sono i limiti tecnici, a cominciare dalla natura «black box» dei grandi modelli linguistici, che si scontra con i requisiti di spiegabilità nelle decisioni di sottoscrizione e di liquidazione dei sinistri. Per S&P la divergenza regolamentare può generare costi di conformità e rischi operativi non uniformi, e quindi ritmi di adozione diversi da un mercato all’altro.
Dalla governance al merito di credito
Per l’agenzia la debolezza della governance è una delle principali fonti di rischio al ribasso legate all’AI, anche perché tocca direttamente la reputazione della compagnia presso i clienti. Quasi tutte le compagnie hanno un framework di governance dell’AI o lo stanno costruendo, e nella maggior parte dei casi la supervisione è in capo al consiglio di amministrazione. Altre la distribuiscono tra diverse funzioni apicali, segno che molte gestiscono ancora l’AI per silos o in modo episodico, senza un consenso sulle buone pratiche né sul fatto che sia prima di tutto una questione di dati, di cybersecurity o di trasformazione dell’impresa.
Sulla gestione del rischio di modello, invece, uno standard comune sta emergendo. Circa il 62% delle compagnie mantiene un inventario dei modelli AI e la metà di queste lo ha già inserito nel programma di enterprise risk management; la gran parte di chi ne è ancora privo lo sta costruendo. Le Americhe sono più avanti nell’integrazione con l’ERM, mentre in area EMEA circa una compagnia su sei non ha un inventario e non ha iniziato a costruirlo.
Per S&P benefici e rischi dell’AI peseranno sempre di più nelle valutazioni sul merito di credito. Le compagnie che adottano l’AI con governance solida, esecuzione disciplinata e controlli efficaci saranno meglio posizionate per guadagnare efficienza, rafforzare il rapporto con i clienti e sostenere la redditività di lungo periodo. Chi aspetta di osservare successi e insuccessi dei primi rischia di perdere terreno, scommettendo di poter recuperare quando l’AI sarà ormai radicata nel settore. Chi ha una governance immatura, fatica con i dati o non governa la dipendenza dai fornitori potrebbe invece trovarsi esposto a rischi operativi, regolamentari e finanziari più elevati.
I benefici finanziari restano da dimostrare, ma i miglioramenti su esperienza del cliente, efficienza della sottoscrizione e gestione dei sinistri sono già visibili. Con un’adozione ormai generalizzata, a distinguere le compagnie sarà la capacità di scalare l’AI tenendo saldi governance e controlli: una variabile che, avverte l’agenzia, potrà incidere sempre di più su vantaggio competitivo, esposizione al rischio e, in ultima istanza, solidità creditizia.
