Le compagnie assicurative stanno perdendo denaro su polizze che non riescono a identificare. L’IA mira a cambiare la situazione

Anche in un anno forte per il settore, una startup afferma che dal 20% al 30% delle polizze di un assicuratore potrebbe non essere redditizio. Ha raccolto $8 million per aiutare a individuarle.

Le compagnie assicurative statunitensi di proprietà e danni hanno appena registrato uno dei migliori anni di sottoscrizione degli ultimi decenni, secondo un rapporto di Soteris, una startup sostenuta da Y Combinator che vende software al settore. 

Tuttavia, risultati complessivi solidi possono nascondere punti deboli. Soteris afferma che molte compagnie assicurative stanno perdendo silenziosamente denaro su una quota significativa delle loro polizze e non hanno un modo affidabile per identificare quali siano.

Soteris emerge dalla modalità stealth con più di $8 million in finanziamento seed e un nuovo prodotto rivolto a questo problema. Il suo CEO, Sunit Shah, ha parlato di quello che considera il punto cieco del settore e di cosa potrebbe significare la sua risoluzione per le compagnie assicurative e i loro clienti.

Perché le compagnie assicurative non riescono a vedere il problema

Le compagnie assicurative fissano i prezzi e valutano le prestazioni raggruppando clienti simili, come conducenti di una certa età in una determinata regione. Poiché ogni singola polizza genera o meno un sinistro, gli attuari hanno a lungo considerato le differenze all’interno di un gruppo come rumore casuale. Un gruppo può apparire sano mentre alcune polizze al suo interno perdono denaro, e il vero costo di una polizza si manifesta solo quando arrivano i sinistri, a volte anni dopo la vendita.

«Ogni assicuratore sa che sta emettendo polizze che gli faranno perdere denaro», ha dichiarato Shah in una dichiarazione. Sostiene che mancano degli strumenti per individuare tali polizze. Lavorando con le compagnie assicurative, afferma, ha scoperto che anche quelle con portafogli solidi detenevano polizze che erodevano i profitti, in alcuni casi dal 20% al 30% del totale.

Un settore che si muove verso la polizza individuale

La dimensione del premio è il motivo per cui l’idea sta attirando l’attenzione. McKinsey ha stimato che le compagnie assicurative potrebbero aumentare i loro risultati di sottoscrizione, il profitto derivante dall’emissione di polizze, del 30% al 50% mediante azioni coordinate come la riduzione del business non redditizio e il recupero del profitto in gruppi che in media sembrano sani. La relazione della consulenza del 2025 rapporto assicurativo indica una segmentazione più fine e una personalizzazione fino all’individuo come direzione verso cui il settore si sta muovendo.

Soteris è una startup che lavora su questa trasformazione. Il suo approccio utilizza il machine learning, una forma di IA che apprende schemi dai dati storici, per analizzare le polizze passate di un assicuratore in milioni o addirittura miliardi di modi. L’azienda afferma che un team che lavora su fogli di calcolo potrebbe gestire decine o centinaia di analisi. Combinando tali analisi, assegna un punteggio a ciascuna polizza singolarmente anziché come parte di un gruppo.

L’azienda dichiara che le compagnie assicurative possono ottenere un punteggio in meno di un quarto di secondo, quando viene richiesto un preventivo o in qualsiasi momento successivo, e che l’installazione richiede meno di 90 giorni.

Dai sinistri al profitto

Il primo prodotto di Soteris, in uso con le compagnie assicurative e le agenzie che vendono per loro conto dal 2020, prevede quanto del premio di ciascuna polizza verrà pagato in sinistri. L’azienda afferma di aver valutato più di 100 milioni di richieste di polizza per un valore complessivo di oltre $180 miliardi di premi, e che i clienti hanno migliorato il loro rapporto di pagamento dei sinistri di 5 a 15 punti percentuali entro un anno.

Il nuovo prodotto va un passo oltre, verso il profitto. Il denaro di una polizza è spesso suddiviso tra l’azienda che la vende, quella che detiene la licenza statale e quella che fornisce il capitale, ciascuna con una quota diversa. Soteris afferma che il costo dei sinistri di una polizza non rivela ciò che guadagna per l’azienda che la emette. Il nuovo strumento stima tale cifra e la riporta in EBITDA, una misura comune di profitto operativo.

L’azienda dichiara che diversi progetti pilota hanno mostrato un aumento dell’EBITDA delle compagnie assicurative tra il 70% e il 125%. Si trattava di piloti, non di implementazioni complete, e i risultati sono propri di Soteris.

Cosa potrebbe significare per i clienti

Per chi acquista un’assicurazione auto o casa, Shah afferma che l’effetto principale è sul lato dell’assicuratore, poiché lo strumento aiuta a garantire che ogni polizza sia redditizia. Sostiene che il vantaggio per i clienti è indiretto.

«L’obiettivo principale delle compagnie assicurative è aumentare il numero di polizze, quindi l’effetto secondario è che questo consente loro di abbassare i prezzi per conquistare una quota di mercato maggiore», ha dichiarato Shah. «Quindi per la maggior parte delle persone, ci aspettiamo che le loro tariffe siano più basse rispetto a quelle che sarebbero se l’assicuratore non utilizzasse il nostro prodotto.»

Si tratta di un’aspettativa, non di una garanzia. La risposta di Shah si è concentrata sui prezzi e non ha affrontato la questione se i clienti contrassegnati come non redditizi potrebbero vedere negata la copertura o non avere il rinnovo. La descrizione dell’azienda del proprio prodotto, che fa smettere le compagnie assicurative di emettere polizze che non sarebbero mai state redditizie, suggerisce che questa sia una domanda reale.

La questione dell’equità

L’uso dell’IA da parte delle compagnie assicurative ha sollevato preoccupazioni sul fatto che le persone potrebbero essere tariffate in modo ingiusto o rifiutate da un algoritmo. “È una preoccupazione legittima e la prendiamo sul serio”, ha detto Shah. Egli fa riferimento alle norme esistenti contro la discriminazione e ai requisiti per i test di bias, e afferma che la regolamentazione è un motivo per sviluppare l’IA internamente anziché affidarsi a chatbot esterni. Soteris afferma che i suoi modelli consentono di mostrare quanto ciascun fattore abbia contribuito a qualsiasi risultato, il che, secondo lui, è importante per le assicurazioni perché rispettare correttamente la normativa è essenziale per avere successo nel settore.

Perché l’attesa e chi la sostiene

Soteris collabora con le compagnie assicurative dal 2020, ma solo ora sta per quotarsi in borsa. Shah afferma che il problema ha richiesto tempo per essere risolto. Costruire il team giusto è stato difficile, e ha scoperto che gli esperti provenienti da settori esterni all’assicurazione non erano automaticamente adatti. “L’expertise di dominio è stata molto importante”, ha detto. Il suo percorso è iniziato con un’attività secondaria di sviluppo di modelli di pricing per assicurazioni vita durante gli studi universitari. Dopo un dottorato in economia, ha lavorato presso il hedge fund Pine River Capital e ha contribuito a guidare un progetto lì per creare un riassicuratore di proprietà e danni. “È davvero lì che ho capito quanto sia realmente difficile il settore assicurativo”, ha dichiarato.

Il round seed è stato guidato da Spider Capital, con la partecipazione di Intact Private Capital, Amplify Partners, Foundation Capital, Webb Investment Network e Overlook Ventures. Soteris non ha voluto nominare alcun cliente. “In questa fase non possiamo condividere pubblicamente queste informazioni a causa di obblighi contrattuali”, ha detto Shah.

Cosa osservare

La direzione dell’industria è chiara: un numero crescente di assicuratori vuole valutare e determinare il rischio polizza per polizza. Le domande aperte riguardano quanto del potenziale guadagno sia reale al di fuori dei progetti pilota e dove finisca. Gli assicuratori potrebbero trasferire i risparmi ai clienti tramite prezzi più bassi, come prevede Shah, oppure mantenerli come margini più alti riducendo il numero di polizze emesse. È probabile che i regolatori osservino attentamente quali clienti finiscano dalla parte sbagliata dei punteggi.