Dopo i primi risultati di AIG Assist, il gruppo lavora con Palantir e Anthropic a una nuova architettura per submission, pricing e valutazione del rischio.
L’intelligenza artificiale applicata alla sottoscrizione assicurativa sta entrando in una fase più avanzata. Non più solo strumenti di supporto documentale o automazione di attività ripetitive, ma sistemi capaci di coordinare agenti specializzati, collegati ai processi core della compagnia e orientati a migliorare qualità, velocità e coerenza delle decisioni tecniche.
A indicare questa traiettoria è AIG, che nella conference call sui risultati del primo trimestre 2026 ha illustrato lo sviluppo della propria strategia di intelligenza artificiale agentica. Il punto di partenza è AIG Assist, già utilizzato nell’underwriting, ma la direzione annunciata dal Chairman e CEO Peter Zaffino è più ambiziosa: costruire una soluzione multi-agente, realizzata in collaborazione con Palantir e Anthropic, integrata con i sistemi aziendali e con i flussi di sottoscrizione.
La sottoscrizione entra nella fase dell’orchestrazione
Il caso AIG è rilevante perché sposta il baricentro dell’AI assicurativa dal singolo strumento alla catena operativa dell’underwriting. Nel 2025 il gruppo ha lanciato Underwriting by AIG Assist, con l’obiettivo di aiutare gli underwriter a esaminare le submission con più informazioni e in tempi più rapidi. La soluzione è stata poi estesa a otto linee di business.
I risultati dichiarati nel segmento Lexington middle market property sono significativi: aumento del 30% delle submission quotate, riduzione del 55% del tempo necessario agli underwriter per arrivare alla quotazione e crescita di circa il 40% nel binding delle submission. Sono indicatori che non misurano soltanto efficienza amministrativa, ma capacità di incidere su passaggi centrali della filiera tecnica: selezione, valutazione, pricing e conversione.
La nuova fase, secondo AIG, si basa sulla piattaforma Foundry di Palantir e sull’espansione dell’ontologia aziendale, cioè una mappa digitale dei processi di underwriting, dei flussi di lavoro e delle relazioni tra i dati. Questa infrastruttura dovrebbe consentire il coordinamento di più team di agenti AI, ciascuno dedicato a una funzione specifica e collegato ai sistemi core della compagnia.
Dati, submission e pricing diventano terreno competitivo
La logica multi-agente descritta da AIG introduce una divisione del lavoro molto vicina all’organizzazione di un team tecnico. Un agente può occuparsi dell’inserimento delle submission e dell’estrazione dei dati, un altro della valutazione del rischio rispetto alle linee guida di underwriting, un altro ancora del confronto del pricing con gli obiettivi di portafoglio. Un agente di collaborazione sintetizza poi gli input prodotti dagli altri modelli.
Il tema non è marginale per il mercato corporate. La qualità della submission è da anni uno dei punti più sensibili nella relazione tra broker, clienti e compagnie, soprattutto nei rischi property, casualty, specialty e nei programmi complessi. Informazioni incomplete, dati non strutturati, documentazione eterogenea e tempi lunghi di analisi incidono direttamente sulla capacità di ottenere condizioni coerenti, quotazioni tempestive e coperture aderenti al profilo di rischio.
In questa prospettiva, l’AI non agisce solo come leva di produttività interna alla compagnia. Può diventare un fattore competitivo nella capacità di leggere meglio il rischio, confrontare più rapidamente le informazioni disponibili e rendere più stabile il processo decisionale. Per i broker, questo significa che la qualità del dato conferito al mercato assicurativo diventerà ancora più rilevante: una submission chiara, documentata e coerente potrà essere valorizzata più rapidamente da sistemi di analisi sempre più sofisticati.
Il presidio umano resta centrale nella decisione tecnica
Uno degli aspetti più delicati riguarda il ruolo dell’underwriter. AIG ha chiarito che la supervisione umana resta essenziale e che l’attività degli agenti potrà essere monitorata con possibilità di intervento in tempo reale. È un punto decisivo, perché l’underwriting non si esaurisce nell’applicazione meccanica di linee guida o nella lettura automatica di documenti. Richiede giudizio tecnico, conoscenza del portafoglio, interpretazione del contesto e valutazione delle eccezioni.
La stessa logica viene estesa ai sinistri. Durante la call è stato citato un test condotto da Anthropic su 100 pratiche claims: il modello Claude ha raggiunto un allineamento dell’88% con la valutazione di un liquidatore professionista nella classificazione tra casi fraudolenti e legittimi. Il dato non autorizza letture semplicistiche, ma indica il potenziale dei modelli linguistici nel far emergere incoerenze temporali, anomalie geografiche, pattern ricorrenti, possibili manipolazioni documentali e lacune di copertura.
La direzione è chiara: il professionista non viene eliminato dal processo, ma affiancato da strumenti capaci di aumentare profondità e velocità dell’analisi. Il valore si sposta sulla capacità di governare l’output della macchina, verificare la coerenza tecnica e mantenere tracciabilità delle decisioni.
Per la distribuzione corporate cambia la qualità dello scambio informativo
L’impatto sulla distribuzione assicurativa non riguarda soltanto l’efficienza della compagnia. Zaffino, rispondendo a una domanda sulle possibili implicazioni dell’AI per la remunerazione dei broker, ha indicato che la tecnologia potrà migliorare l’efficienza nello scambio dei dati di submission, riconoscendo al tempo stesso il ruolo consulenziale dei broker.
È un passaggio importante. Nei rischi corporate e specialty, l’intermediario non trasferisce semplicemente documenti da un cliente a un assicuratore. Interpreta il rischio, struttura le informazioni, individua criticità, negozia condizioni, spiega franchigie, sottolimiti e massimali, presidia la relazione nel tempo. Se le compagnie adottano sistemi in grado di leggere e confrontare i dati con maggiore rapidità, la consulenza del broker dovrà rafforzarsi proprio nella fase a monte: raccolta delle informazioni, qualità del risk assessment, coerenza tra esposizioni e coperture richieste.
L’AI multi-agente potrebbe quindi premiare gli operatori capaci di produrre submission più robuste, con dati ordinati, documentazione verificabile e una narrazione tecnica del rischio chiara. Al contrario, processi frammentati e informazioni incomplete rischiano di diventare ancora più penalizzanti in un mercato dove la velocità di analisi cresce e la tolleranza verso l’opacità informativa si riduce.
Un segnale che va oltre il caso AIG
La strategia di AIG va letta anche dentro una trasformazione più ampia del modello operativo assicurativo. L’adozione di AI agentica nell’underwriting non è una semplice evoluzione tecnologica: incide sul modo in cui compagnie, broker e clienti corporate costruiscono il percorso che porta dalla richiesta di copertura alla decisione di sottoscrizione.
L’integrazione con piattaforme dati, sistemi core e livelli di orchestrazione apre una fase in cui la competizione si giocherà sulla qualità dell’architettura operativa. Non basterà introdurre un modello linguistico in un processo esistente. Serviranno governance, controllo, tracciabilità, competenze tecniche e capacità di tradurre la conoscenza assicurativa in flussi digitali affidabili.
Per il mercato, il messaggio è netto: l’AI più rilevante non sarà quella che promette scorciatoie, ma quella capace di rendere più rigoroso il lavoro tecnico. Nell’underwriting, dove ogni decisione condiziona equilibrio di portafoglio, redditività e relazione con il cliente, la vera frontiera non è sostituire il giudizio umano. È metterlo nelle condizioni di lavorare con più dati, più coerenza e più velocità.
