Le compagnie assicurative più mature nell’adozione dell’intelligenza artificiale sembrano esprimere un entusiasmo più contenuto rispetto a quanto fanno gli altri assicuratori. Non si tratta di un “ripensamento”, ma della consapevolezza di chi ha già affrontato validazione dei modelli, revisioni regolatorie e integrazione nei processi, e conosce bene la distanza che separa una sperimentazione riuscita dal suo funzionamento su scala reale, sotto vincoli stringenti. È quanto emerge dal Global AI Report: A Playbook for Insurance di NTT DATA. Ed è una riflessione che solo a prima vista può sembrare controintuitiva.
È infatti questa maturità operativa, più della retorica, a distinguere oggi le realtà di riferimento nell’utilizzo dell’AI dal resto del mercato. Quello assicurativo, del resto, è per sua natura un business basato sul rischio: in questo verticale l’AI non rappresenta un semplice acceleratore di processi, ma una leva per selezionare e analizzare i rischi, prevedere il comportamento in caso di perdite e difendere la performance di portafoglio. La ricerca ricostruisce bene allora come le aziende più mature nell’utilizzo dell’AI traducano questa consapevolezza in scelte concrete, lungo l’intero arco di vita dei progetti con l’AI che va dalla considerazione di una strategia alla governance sul campo.
La metodologia della ricerca
L’indagine si basa su un campione di 2.567 rispondenti a livello globale, di cui 291 appartenenti al settore assicurativo: coinvolge decisori chiave di grandi imprese IT (53%) e non-IT (47%), in prevalenza con ruoli nelle rispettive C-suite. La rilevazione copre 35 mercati in cinque regioni e quindici settori industriali, attraverso un questionario online somministrato tra settembre e ottobre 2025. La ricerca è stata condotta per NTT DATA da Strat7 Jigsaw Research, mentre l’integrità, la validazione e l’analisi dei dati sono state curate dal team interno Primary Research and Benchmarking di NTT DATA insieme a Jigsaw Research.
Adottando le stesse definizioni della ricerca globale, i rispondenti sono stati segmentati sulla base di tre criteri: la sofisticazione della strategia AI, il livello di adozione su scala aziendale e il ritorno sugli investimenti in AI. Ne derivano due profili opposti.
Le realtà “AI leader”, quelle di riferimento del comparto, utilizzano già l’AI come motore di crescita: ne centralizzano la governance, ricostruiscono i sistemi core con l’intelligenza artificiale integrata anziché sovrapporla come add-on ai sistemi legacy, vi destinano investimenti consistenti e continuativi, la estendono ai casi d’uso di front-office e distribuzione e modernizzano per tempo infrastrutture e controlli sul dato. Gli “AI laggard”, i ritardatari, all’opposto, mantengono una governance frammentata, investono poco nelle infrastrutture e confinano l’AI a progetti pilota isolati o a funzioni di back-office, muovendosi con cautela e senza un vero cambiamento strutturale: un approccio che ne limita la capacità di scalare e ne rinvia l’impatto misurabile. Nel campione assicurativo le realtà leader sono circa il 16% e i ritardatari il 18%, mentre le 194 organizzazioni non classificate (67%) si collocano in una fascia di maturità intermedia.
Allineamento strategico e velocità di esecuzione
Il primo discrimine è l’allineamento tra strategia AI e strategia di business. Tra le organizzazioni che hanno “saldato” le due dimensioni, oltre l’85% dichiara un incremento di profitto pari o superiore al 5% grazie all’AI; tra chi non le ha allineate la quota scende sotto la metà. L’ancoraggio strategico, anche imperfetto, accresce in misura marcata la probabilità di un ritorno finanziario. A questo si somma la velocità di esecuzione: quattro realtà leader su dieci dichiarano di “muoversi rapidamente e guidare il mercato”, una postura assai meno diffusa tra i ritardatari. Ancora più netto il divario sull’atteggiamento attendista, con appena una realtà leader su nove disposta a “lasciare che siano gli altri a correre per primi i rischi”, contro quasi un terzo dei ritardatari. Le realtà più mature, di fatto, definiscono i guardrail in anticipo e poi agiscono con decisione nei domini prioritari.
Un approccio end-to-end orientato alla crescita
Ciò che distingue le aziende più mature non è solo l’adozione dell’AI, ma il punto in cui scelgono di applicarla in partenza. Due terzi dei leader la impiegano a supporto delle interazioni di front-office – marketing, esperienze con clienti e partner – contro poco più di un terzo dei ritardatari: un divario di oltre trenta punti percentuali, tra i più ampi dell’intero dataset assicurativo. Sul back e mid-office, invece, la forbice si stringe nettamente, segno che l’automazione operativa è ormai uno standard diffuso in tutto il comparto, mentre l’AI di front-office resta il vero elemento differenziante. Lo spostamento è sottile ma significativo: da un’AI orientata prima di tutto all’efficienza a un’AI abilitante per la crescita.
L’effetto volano degli investimenti in AI
Il vantaggio che registrano le aziende di riferimento nasce non tanto da una spesa maggiore, ma dalla capacità di convertire più rapidamente in progetti in metodo che portano risultato. Oltre sette leader su dieci definiscono “molto significativo” il proprio investimento attuale in AI, in questo senso; una quota quasi doppia rispetto a quella degli altri assicuratori, e la maggioranza prevede di incrementarlo ancora nel biennio successivo. Si innesca così un ciclo che si autoalimenta: il capitale iniziale genera un impatto misurabile, l’impatto sblocca nuovi finanziamenti, i finanziamenti approfondiscono le capacità. Per chi rinvia, recuperare terreno diventa strutturalmente più difficile
Integrare l’AI nei sistemi core, in sicurezza
È il piano architetturale a marcare nella ricerca le differenze più marcate. Quasi sei aziende leader su dieci ricostruiscono le applicazioni con l’AI integrata direttamente nei sistemi core, a fronte di una quota marginale tra i ritardatari: uno dei divari più ampi dell’intero dataset. All’opposto, il ricorso a soluzioni “bolt-on” resta minoritario tra i battistrada perché, in un settore fondato sull’accuratezza dell’underwriting (è il processo tramite cui una compagnia assicurativa valuta i rischi associati a una richiesta di polizza), difendibilità dei sinistri e vigilanza regolatoria, le aggiunte incrementali raramente offrono un vantaggio duraturo. Le organizzazioni mature non puntano però esclusivamente su ricostruzioni interne: metà di esse adotta modelli di deployment ibridi, che combinano soluzioni plug-and-play e co-innovazione, e quasi altrettanti perseguono soluzioni su misura con un partner IT strategico.
In un comparto definito da vigilanza regolatoria, difendibilità attuariale e controllo, la maturità della piattaforma scelta diventa un marcatore di effettiva preparazione nell’utilizzo dell’AI. Le realtà con un’esperienza più matura dell’AI danno priorità a stack tecnologici scalabili e sicuri con una frequenza nettamente superiore a quella del resto del comparto e mostrano un’attenzione ancora più marcata alla sovranità del dato: quasi sei leader su dieci indicano privacy e sovranità dei dati come principale preoccupazione di governance e anticipano la complessità integrando controlli di residenza e tracciabilità del dato nel disegno stesso dei sistemi, anziché applicarli a posteriori.
Persone al centro e orientamento al cambiamento
La trasformazione riguarda anche le risorse umane, le competenze. In ambito assicurativo i leader tendono, più delle altre realtà, a potenziare i dipendenti esperti con strumenti di AI, favorendo uno spostamento verso attività strategiche a maggior valore. La pianificazione delle competenze deve pertanto considerare tre nuove categorie: i dipendenti con capacità “aumentate dall’AI”, gli operatori con funzioni di supervisione sui sistemi agentici e i professionisti nativi AI. Anche sul change management, le realtà mature mostrano un’efficacia superiore nell’integrare l’AI nei flussi di lavoro. È qui, però, che si colloca il dato più controintuitivo, quello richiamato in apertura: solo il 55,6% dei leader esprime un atteggiamento positivo verso l’AI contro il 69% registrato tra gli altri assicuratori. Non un segnale di esitazione, ma di una fiducia radicata nell’esperienza operativa concreta più che nelle aspettative.
Per descrivere la fase che sta attraversando il settore assicurativo, si può partire da una considerazione: l’assicurazione si basa sulla capacità di valutare il rischio, comprenderlo, attribuire ad esso un valore equivalente equo e garantire protezione nel momento in cui ce n’è più bisogno. L’AI non sostituisce questa responsabilità, la rafforza. La vera opportunità è combinare l’esperienza umana con sistemi intelligenti in modo da rendere le nostre decisioni più intelligenti, le operazioni più solide e le nostre promesse più affidabili.
Governance centralizzata, il mandato per i Chief AI Officer
Se c’è un ambito in cui le aziende più mature si distanziano nettamente dal mercato è la governance. Le realtà più mature seguono un modello di governance AI centralizzata, mentre tra i ritardatari prevale ancora un assetto frammentato: in un settore definito da responsabilità di underwriting, governance regolatoria e auditing dei sinistri, la sperimentazione decentralizzata non scala in modo lineare. Oltre l’80% dei leader vanta a bordo un Chief AI Officer dedicato, con un divario di quasi quaranta punti percentuali sui laggard. E la distanza si accentua quando quel ruolo assume la titolarità del rischio AI d’impresa, molto più frequente tra le aziende guida che nel resto del comparto.
Il valore arriva dalla collaborazione con i partner
In un settore complesso e regolato le partnership secondo il report accelerano le capacità sul campo solo se strutturate con metodo. Per questo le aziende battistrada puntano sulle collaborazioni esterne (con esperti di settore, service provider e advisor istituzionali) con una frequenza più elevata rispetto alle altre realtà, ma a distinguerle è soprattutto l’intenzionalità con cui collaborano con i partner su modelli operativi governati. Circa la metà di queste realtà, non a caso, adotta modelli commerciali basati sulla condivisione di ricavi o di risultato: una leva possibile perché nell’assicurazione il valore dell’AI si può quantificare con precisione, dal miglioramento della “loss ratio” alla riduzione delle frodi.
Il filo conduttore è chiaro: nell’insurance la leadership nell’AI coincide ormai con la leadership tout court nel vertical. Non si parla di un’iniziativa di modernizzazione digitale, ma di un’architettura che entra nel modello operativo stesso. La vera domanda per gli assicuratori non è quindi se investire nell’AI, ma come integrarla in underwriting, analisi dei sinistri e crescita in modo governato, scalabile e costruito per durare. Chi lo fa passa da un guadagno semplicemente incrementale a un reale vantaggio competitivo.
Per saperne di più scarica il whitepaper: Global AI Report, A Playbook for Insurance
Leggi tutti gli approfondimenti della Room Financial Services & AI by NTT DATA
© RIPRODUZIONE RISERVATA
