Già da tempo Generali Italia è una delle imprese italiane più all’avanguardia nell’ambito dell’applicazione dell’Intelligenza Artificiale, e ciò grazie al fatto di avere giocato d’anticipo la sua partita sul campo della talent acquisition. Nel 2018 ha dato vita ad una divisione interamente dedicata a estrarre valore di business dai dati, col supporto dell’AI, un gruppo di esperti che oggi conta 80 persone e che collabora a 360 gradi con le diverse aree del business. Ne abbiamo parlato con Massimo Natale, Lead data scientist di Generali Italia, che è intervenuto alla tavola AI in Finanza, dell’Artificial Intelligence 360 Summit, l’evento online organizzato da Digital360. Natale ha illustrato il percorso intrapreso dalla compagnia del leone per diventare un’azienda data-driven, le applicazioni e gli impatti sull’organizzazione.
Generali Italia, dalla scienza dei dati un cambiamento culturale, e non solo
Per la compagnia assicurativa, l’investimento in nuove tecnologie e competenze è stato ed è importante. «Siamo un gruppo di persone in grado di lavorare in maniera multifunzionale – ha raccontato Massimo Natale –. All’inizio eravamo in 15, oggi la squadra è composta da 80 membri tra Advanced Analyst, Data Scientist, Data Engineer e anche Analytics business lead, coloro i quali hanno il compito di interfacciarsi col business, comprenderne le esigenze e trasferirle al team per sviluppare progetti».
Who's Who
Massimo Natale
Un gruppo che ha innescato importanti trasformazioni all’interno dell’organizzazione, primo tra tutti un cambiamento culturale. «L’intelligenza artificiale è un tema che suscita grande attenzione in ambito assicurativo, che ricordiamo si basa su modelli predittivi per calcolare il premio di una polizza – spiega il data scientist di Generali Italia −. La nascita di questo team ha permesso di toccare con mano quello che veramente possono fare gli algoritmi di machine learning. Adesso si sviluppano progetti insieme al business, si vedono poi i risultati operativamente sul campo, si riescono a misurare gli impatti dei nostri modelli. Ed è così che concetti astratti diventano numeri reali, risultati di business concreti».
Quello dell’AI è un settore in rapidissima evoluzione e in questi ultimi anni si è assistito a un’accelerazione non solo della tecnologia, ma della consapevolezza dei benefici potenziali. «Ho potuto notare in questi anni – conferma Massimo Natale – che siamo passati dal considerare l’AI come un’innovazione puramente tecnologica a guida dell’IT, con cui comunque in Generali Italia esiste una stretta collaborazione, ad una trasformazione del business, in cui i gruppi di Advanced Analytics collaborano direttamente con diverse divisioni aziendali, dal Marketing, per individuare quelli che sono i bisogni di mercato, alla divisione Finance. È un cambiamento molto importante che segna una presa di coscienza forte sull’importanza dei dati e della capacità predittiva implementata dall’AI».
Dal pricing all’individuazione delle frodi
Sono molteplici gli ambiti in cui ad oggi trovano impiego gli algoritmi AI in Generali Italia, spiega Massimo Natale: «Come già sottolineato, il business assicurativo da sempre si basa su numeri, dati, algoritmi, in particolare nell’ambito del pricing, ovvero per stimare il premio di una polizza. Vengono utilizzate varie tecniche, e in particolare modelli predittivi per fare valutazione dei rischi, anche di tipo naturale legato al territorio, o legati alle relazioni tra soggetti: sono infatti tanti gli aspetti che possono impattare sulla proposta di un premio. Naturalmente lavoriamo anche sulla parte finale del processo assicurativo, che riguarda il pagamento dei sinistri. In questa fase supportiamo l’efficientamento della macchina di liquidazione e la predizione delle frodi. Inoltre, contribuiamo alla trasformazione dei processi aziendali, in primis l’automazione delle attività a basso valore».
I punti di attenzione: collaborazione ed engagement delle persone
Naturalmente il percorso verso un business data-driven non è privo di ostacoli e sono diversi gli aspetti sfidanti coi quali doversi confrontare. «Questi progetti hanno spesso la caratteristica di essere trasversali, coinvolgendo molti attori in diverse aree di business – dice Natale –. Uno degli aspetti più delicati è dunque quello di verificare bene fin dall’inizio il livello di collaborazione e di engagement delle persone sul progetto. Successivamente bisognerà definire in modo chiaro quali sono gli obiettivi di tutte le persone sedute intorno al tavolo e pianificare le tempistiche di che cosa deve essere prodotto all’interno del progetto. Ciò che di atipico risulta in questo contesto è che all’immaterialità del know-how sviluppato con gli algoritmi deve corrispondere invece un qualcosa di tangibile all’interno del progetto da rendere disponibile e misurabile. Per quanto sfidante, questo crea partecipazione e fiducia in quello che il machine learning può portare all’interno dell’azienda».