Pravina Ladva: «Cosa serve per avere successo con l'IA»
Di Pravina Ladva, Group Chief Digital & Technology Officer di Swiss Re
McKinsey definisce questo fenomeno il «paradosso della IA generativa»: circa l'80% delle aziende dichiara di aver adottato l'IA generativa, ma altrettante non hanno ancora visto un impatto a livello di utili. Allo stesso modo, alcuni ricercatori affiliati al MIT hanno documentato come il 95% dei progetti pilota di IA aziendali fallisca, senza produrre alcun ritorno per le organizzazioni.
Questo non è del tutto sorprendente. Gli aumenti di produttività, anche quelli derivanti da innovazioni rivoluzionarie, non avvengono dall'oggi al domani. Con l'IA, il paradosso può sembrare più evidente, dato che la rapida adozione aumenta le nostre aspettative.
Dal pilota isolato all’integrazione nei processi
Tuttavia, ciò che questi studi evidenziano davvero, secondo me, è che progetti pilota frammentati e isolati nell'ambito dell'IA non daranno risultati. Le aziende dovrebbero invece implementare questa tecnologia nei loro processi principali, ripensando il modo in cui questi possono funzionare con una collaborazione tra esseri umani e IA.
Inoltre, dovrebbero dare priorità alle iniziative di IA in grado di crescere rapidamente, allineando i loro strumenti alle aspettative del business e della società.
Con le Swiss {ai} Weeks dal 1° settembre al 5 ottobre, con hackathon, workshop e incontri informali per stimolare nuove idee, è il momento giusto per riflettere sui progressi compiuti finora e discutere su come risolvere questo paradosso, nel settore assicurativo/riassicurativo e oltre.
Gli elementi fondamentali di un'IA efficace
In Swiss Re, riteniamo che alcuni elementi fondamentali siano cruciali per sbloccare il potenziale dell'IA. Il primo è l'applicazione della tecnologia alle sfide reali del business, con iniziative volte a fornire un valore tangibile per noi e i nostri clienti, non semplicemente innovando per il gusto di farlo.
Altrettanto fondamentale è la solida base di dati di Swiss Re, costruita su decenni di investimenti in piattaforme comuni e arricchita da oltre 160 anni di conoscenza dei rischi. Da un decennio investiamo nella riduzione della frammentazione, nell'unificazione dei sistemi, nella semplificazione dei flussi di dati e nell'eliminazione degli ostacoli che potrebbero impedire il potenziamento delle iniziative di IA.
Modelli scalabili
La nostra piattaforma di dati e analisi, utilizzata da oltre la metà dei dipendenti di Swiss Re, supporta due dozzine di settori di attività, funzioni di gruppo e dipartimenti specializzati, gestendo migliaia di feed in entrata con petabyte di informazioni.
Inoltre, i modelli di progettazione riutilizzabili promuovono anche la scalabilità tra diverse linee di business, aree geografiche e segmenti di clientela. Abbiamo tutti visto impressionanti demo di Gen AI che rimangono bloccate in modalità pilota. In Swiss Re, poniamo l'accento su casi d'uso comprovati in un team, in un'area geografica o in un set di dati, ma che siano modulabili tra diverse aziende, regioni o segmenti di clientela.
Infine, solide strutture di governance garantiscono che i dati siano affidabili e soddisfino i requisiti normativi. In definitiva, la governance è sia un fattore abilitante che una salvaguardia, che ci aiuta a integrare con fiducia i dati nelle applicazioni di IA garantendo al contempo la conformità alla normativa. Questo include l'integrazione degli esseri umani nei cicli decisionali, che considero fondamentale per costruire e mantenere la fiducia.
Implementazione dell'IA nelle richieste di risarcimento assicurativo
Per i riassicuratori e gli assicuratori, dove le informazioni critiche sono racchiuse in e-mail, richieste, contratti e fascicoli di sinistri, l'IA trasforma dati frammentati e non strutturati in risorse leggibili dalle macchine. Questo affronta punti critici come le richieste incoerenti e accelera il processo decisionale, poiché ci concentriamo su processi in cui l'IA può cambiare radicalmente il nostro modo di lavorare.
Con l'evolversi del percorso di Swiss Re nell'ambito dell'intelligenza artificiale, stanno emergendo esempi concreti della nostra strategia, poiché ci concentriamo su processi fondamentali come la sottoscrizione e la gestione dei sinistri per evitare di essere distratti da progetti di nicchia.
ClaimsGenAI: sinistri più rapidi e accurati
In Swiss Re Corporate Solutions, ad esempio, la nostra piattaforma ClaimsGenAI automatizza e semplifica la gestione di oltre 40.000 sinistri all'anno. Basata su decenni di dati, ClaimsGenAI identifica modelli che indicano frodi o opportunità di recupero che potrebbero sfuggire alle revisioni manuali. I clienti beneficiano di un'attribuzione più accurata dei sinistri, della possibilità di evitare alcune franchigie e di una riduzione della pressione sui premi.
I nostri strumenti Underwriting Ease e Life Guide Scout, basati sull'intelligenza artificiale, aiutano i clienti delle assicurazioni sulla vita a effettuare valutazioni del rischio più rapide e accurate.
Entrambi sfruttano le risorse di dati olistici di Swiss Re, sono scalabili e aderiscono al nostro approccio di governance. Aumentando le competenze umane, aiutano i professionisti del settore a concentrarsi, analizzare e formulare giudizi migliori per una risoluzione più rapida, meno attriti e migliori risultati per i clienti.
IA agentica: la prossima ondata
Un approccio olistico all'intelligenza artificiale integra l'AI nei processi fondamentali, ridisegnando le interazioni. Questo va oltre l'implementazione di applicazioni una tantum, combinando tecniche di intelligenza artificiale come Gen AI, machine learning, automazione basata su regole e modelli di ottimizzazione in sistemi coordinati.
La gestione di queste interazioni richiede piattaforme di IA mature con capacità di orchestrazione, basi di dati affidabili e una governance solida. Una volta che questi elementi ci sono, possiamo portare l'IA oltre l'attuale paradigma di risposta immediata, verso uno in cui i sistemi di IA agentica pianificano, agiscono e collaborano con altri sistemi o esseri umani per raggiungere gli obiettivi aziendali.
Dal pilota alla scala: verso un dibattito maturo
Per i flussi di lavoro complessi e i sistemi legacy del nostro settore, l'IA agentica promette di essere una vera rivoluzione, contribuendo a semplificare le operazioni senza richiedere revisioni radicali. In Swiss Re stiamo sperimentando questi approcci e vediamo risultati incoraggianti in aree manuali e ricche di dati come la gestione dei contratti e delle richieste.
Mentre cavalchiamo questa nuova ondata, sono lieto che McKinsey e il MIT ci abbiano portato a discutere delle sfide dell'IA. Questo dimostra che si sta sviluppando un dibattito maturo sul passaggio dalla sperimentazione dell'IA a sistemi scalabili, con un impatto, governati in modo responsabile e basati sui dati. Sono ansiosa di sentire le vostre opinioni durante le Swiss {ai} Weeks, mentre esploriamo come trasformare il paradosso di oggi nella produttività di domani.
