L’IA può rendere più accurate le assicurazioni per il trasporto su strada o solo più rapide?

L’intelligenza artificiale offre alle compagnie assicurative nuovi modi per automatizzare l’esame dei documenti, estrarre informazioni dalle domande e analizzare i dati storici. Per le imprese di autotrasporto, queste funzionalità potrebbero contribuire a ridurre i ritardi amministrativi che complicano l’ottenimento della copertura assicurativa.

Questa maggiore efficienza è importante. I ritardi assicurativi possono impedire alle imprese di autotrasporto di mettere in servizio i camion, accettare nuovi contratti o proseguire le attività come previsto.

Ma decisioni più rapide non sono necessariamente decisioni migliori.

Nel settore delle assicurazioni per il trasporto su strada, la difficoltà non è mai stata la totale mancanza di dati. Le compagnie assicurative possono prendere in considerazione gli storici delle ispezioni, i dati sulla sicurezza, i rapporti sugli incidenti, le autorizzazioni all’esercizio e i documenti relativi alla conformità normativa. La difficoltà sta nel determinare che cosa rivelino davvero quei documenti su un’impresa e che cosa invece non riportino.

Per migliorare le assicurazioni per il trasporto su strada, l’IA deve fare più che accelerare la valutazione del rischio assicurativo. Deve aiutare le compagnie assicurative a sviluppare una comprensione più accurata del rischio.

I dati sulla sicurezza non raccontano tutta la storia

Prima di entrare nel settore assicurativo, ho lavorato direttamente con imprese di autotrasporto in materia di sicurezza e conformità normativa, aiutandole a ottenere le autorizzazioni all’esercizio, organizzare i fascicoli di qualificazione dei conducenti, tenere i registri e orientarsi tra i requisiti normativi. Quell’esperienza ha rafforzato una lezione importante: i registri di conformità sono utili, ma non rispecchiano necessariamente il modo in cui una flotta opera giorno per giorno.

Si considerino due imprese di autotrasporto con flotte di dimensioni simili, storici operativi analoghi e registri delle ispezioni comparabili. Una potrebbe seguire un programma regolare di manutenzione preventiva, investire nella formazione dei conducenti e affrontare i potenziali problemi di sicurezza prima che si trasformino in violazioni. L’altra potrebbe adottare un approccio più reattivo, intervenendo sui problemi solo quando si presentano. Sulla carta, le due imprese potrebbero sembrare simili, pur adottando approcci diversi alla gestione del rischio.

Può accadere anche il contrario. Un’impresa di autotrasporto potrebbe avere una violazione o un incidente nel proprio registro senza che quell’evento descriva pienamente le sue attuali pratiche di sicurezza o le circostanze in cui si è verificato.

Il Sistema di misurazione della sicurezza della Federal Motor Carrier Safety Administration (FMCSA) utilizza i dati delle ispezioni su strada, degli incidenti e delle indagini per individuare le imprese di autotrasporto che potrebbero richiedere interventi in materia di sicurezza. Pur essendo utili per la supervisione normativa, questi registri non sono concepiti per fornire una valutazione completa della situazione generale di sicurezza o dell’assicurabilità di un’impresa di autotrasporto.

La FMCSA ha inoltre documentato i limiti dei dati del Sistema di misurazione della sicurezza, sollevando, tra l’altro, questioni sulla sufficienza dei dati e sull’affidabilità con cui le informazioni possono supportare diversi usi.

L’IA può analizzare rapidamente questi registri, ma la sola velocità non ne supera i limiti.

I rischi dell’automazione basata su informazioni incomplete

Esistono chiare opportunità per usare l’IA e ridurre il lavoro amministrativo nel settore delle assicurazioni commerciali. I sistemi automatizzati potrebbero aiutare a individuare i campi mancanti nelle domande, confrontare le informazioni tra documenti diversi, organizzare i registri sulla sicurezza e segnalare le discrepanze da sottoporre a verifica.

Questi miglioramenti potrebbero essere particolarmente utili nel settore del trasporto su strada, dove la raccolta della documentazione coinvolge spesso più soggetti e sistemi.

Il rischio emerge quando le valutazioni automatizzate vengono considerate conclusioni definitive. Per esempio, un sistema di IA potrebbe segnalare un’impresa di autotrasporto a causa di un indicatore di sicurezza sfavorevole. Il sistema potrebbe individuare correttamente il dato, ma non tenere conto dei successivi miglioramenti operativi o di informazioni aggiuntive che cambiano il modo in cui l’incidente dovrebbe essere interpretato.

Il Programma per la determinazione della prevenibilità degli incidenti della FMCSA mostra perché il contesto è importante. Il programma consente alle imprese di autotrasporto di richiedere una revisione di determinati incidenti ammissibili. Quando la FMCSA stabilisce che un incidente non era prevenibile, lo esclude dal calcolo della categoria degli indicatori di incidente nel proprio Sistema di misurazione della sicurezza, anche se l’incidente rimane registrato.

Il programma riconosce che contano le circostanze dell’incidente, non semplicemente il fatto che un incidente risulti registrato.

Questa distinzione diventa particolarmente importante quando si valutano le flotte più piccole. Le grandi imprese di autotrasporto possono disporre di personale dedicato alla sicurezza e di sistemi integrati per la rendicontazione, mentre le attività più piccole possono conservare i registri tra fogli di calcolo, e-mail e fornitori di servizi esterni.

Per esempio, l’assenza di un documento di manutenzione potrebbe indicare che la manutenzione non è stata eseguita. Potrebbe anche significare che il documento esiste, ma si trova in un luogo a cui il sistema non può accedere. Queste situazioni non dovrebbero portare automaticamente alla stessa valutazione.

Il Quadro per la gestione dei rischi dell’IA del National Institute of Standards and Technology offre linee guida volontarie per valutare l’affidabilità, la trasparenza e la credibilità dei sistemi di IA.

Per le compagnie assicurative del settore del trasporto su strada, questi principi costituiscono un utile riferimento per stabilire se le informazioni alla base di una valutazione automatizzata siano aggiornate, sufficientemente complete e adatte all’uso previsto.

L’IA deve riconoscere quando sono necessarie ulteriori informazioni

Una delle capacità più utili di un sistema di IA potrebbe essere quella di riconoscere quando una decisione richiede ulteriori informazioni.

Invece di considerare ogni richiesta come un semplice caso di approvazione o rifiuto, un sistema efficace dovrebbe distinguere le situazioni in cui le informazioni sono sufficienti da quelle che richiedono chiarimenti.

Si consideri un’impresa di autotrasporto il cui profilo operativo è cambiato di recente. Un sistema automatizzato potrebbe rilevare il cambiamento, ma ulteriori domande potrebbero chiarire se l’azienda ha iniziato a trasportare categorie di merci diverse, aggiunto mezzi o introdotto nuove procedure di sicurezza.

Ognuno di questi fattori può influire sulla valutazione del rischio.

È anche in questo contesto che la spiegabilità diventa importante. Se un sistema di IA raccomanda un determinato esito, le persone responsabili della decisione dovrebbero capire quali informazioni l’hanno influenzata e se la conclusione è ragionevole.

Le linee guida del NIST sull’IA affidabile indicano spiegabilità, trasparenza, affidabilità e responsabilità come caratteristiche importanti dei sistemi affidabili. Riconoscono inoltre il ruolo del giudizio umano nella valutazione delle prestazioni dell’IA.

Nel settore delle assicurazioni per l’autotrasporto, l’obiettivo non dovrebbe essere eliminare le domande dal processo di valutazione del rischio, ma individuare prima le domande giuste.

La competenza umana resta importante

A volte l’adozione dell’IA viene presentata come una scelta tra automazione e processo decisionale umano. In pratica, l’approccio più utile consiste nel determinare quali attività traggono beneficio dalla tecnologia e quali richiedono una valutazione professionale.

L’IA può aiutare a organizzare le informazioni, individuare schemi ricorrenti e ridurre il lavoro amministrativo ripetitivo. La competenza umana è particolarmente preziosa quando la documentazione è ambigua o le circostanze di un’impresa di autotrasporto non rientrano facilmente nelle categorie standard.

Chi conosce il settore dell’autotrasporto può capire perché un determinato problema di sicurezza sia importante, in che modo i diversi contesti operativi influiscano sull’esposizione al rischio o perché i recenti cambiamenti operativi richiedano un esame più approfondito.

Questa competenza non dovrebbe essere considerata un ostacolo all’automazione: può rendere più utili le valutazioni automatizzate.

C’è anche un importante aspetto legato alla responsabilità.

Nel dicembre 2023, la National Association of Insurance Commissioners ha adottato un bollettino modello sull’uso dell’intelligenza artificiale da parte degli assicuratori, delineando le aspettative normative in materia di governance, gestione dei rischi e conformità alle leggi assicurative applicabili.

Gli effetti normativi del bollettino dipendono dalla sua adozione e attuazione da parte dei singoli Stati, ma il documento riflette la crescente attenzione alla supervisione delle decisioni basate sull’IA da parte degli assicuratori.

Neanche il giudizio umano è infallibile. Le persone possono prendere decisioni incoerenti o trascurare informazioni pertinenti. L’opportunità consiste nel combinare la coerenza e le capacità di elaborazione dell’IA con le conoscenze operative necessarie per interpretare situazioni complesse.

Misurare la precisione, non solo l’efficienza

Per capire se l’IA migliora la valutazione dei rischi, gli assicuratori devono valutare più del semplice tempo necessario per completare il processo.

Elaborare una richiesta in pochi minuti anziché in giorni sarebbe un risultato sul piano operativo, ma non dimostrerebbe necessariamente che la valutazione ottenuta sia più precisa.

Una valutazione più significativa verificherebbe se le raccomandazioni automatizzate restano affidabili per le diverse tipologie di imprese di autotrasporto, con quale frequenza le valutazioni devono essere corrette e se il sistema individua adeguatamente informazioni mancanti o incoerenti.

Le flotte più piccole meritano particolare attenzione. Se un modello funziona bene per le imprese di autotrasporto che dispongono di una documentazione digitale approfondita, ma incontra difficoltà con quelle la cui documentazione è meno standardizzata, la sua efficacia potrebbe essere disomogenea.

I test dovrebbero rispecchiare la varietà delle imprese sottoposte a valutazione.

La valutazione deve inoltre proseguire dopo l’implementazione. I cambiamenti nelle normative, nelle pratiche operative e nelle informazioni disponibili possono incidere sull’affidabilità del sistema nel tempo.

Gli assicuratori dovrebbero anche essere pronti a rivedere il modo in cui i loro sistemi ponderano i diversi tipi di informazioni. Per esempio, un modello che attribuisce sistematicamente un peso eccessivo a un singolo indicatore di sicurezza potrebbe trascurare altri fattori rilevanti per l’attività di un’impresa di autotrasporto.

L’obiettivo dovrebbe essere il miglioramento continuo, non la semplice velocizzazione dell’elaborazione.

La vera opportunità è comprendere meglio il rischio

L’IA può rendere più efficiente l’assicurazione per l’autotrasporto, ridurre i ritardi amministrativi e aiutare gli assicuratori a individuare informazioni che altrimenti potrebbero passare inosservate.

Il suo valore maggiore, però, potrebbe consistere nell’aiutare il settore a prendere decisioni più consapevoli.

Una flotta non si esaurisce nella sua storia di ispezioni, così come un profilo di sicurezza non è soltanto un insieme di violazioni. Per comprendere il rischio occorre considerare come opera un’azienda, come affronta i problemi e se le informazioni disponibili rispecchiano la sua situazione attuale.

I sistemi di IA più utili non saranno necessariamente quelli che forniscono le risposte più rapide. Saranno quelli che aiutano gli assicuratori a capire quando le informazioni disponibili sono sufficienti per prendere una decisione e quando è necessaria un’ulteriore valutazione.

In definitiva, la domanda non è se l’IA possa rendere più rapide le assicurazioni per l’autotrasporto, ma se possa rendere più accurate le decisioni del settore.

È in base a questo criterio che andrebbe valutato il suo successo.