L’intelligenza artificiale entra nel business della distribuzione assicurativa in un momento in cui il settore è in profonda trasformazione. Da una parte ci sono clienti più ibridi, che passano con naturalezza tra app, web, telefono e relazione fisica; dall’altra, resta un mercato ancora segmentato per rami, con reti distributive forti ma non sempre attrezzate per una consulenza integrata. In mezzo ci sono processi spesso ancora pensati per un mondo non digitale, dati non valorizzati al meglio e dei bisogni dei clienti che le compagnie puntano a intercettare con soluzioni più evolute di protezione e investimento.
È dentro questa cornice che si colloca lo studio Reinventare i processi di vendita assicurativi con AI e GenAI, realizzato da Cetif in collaborazione con GFT Technologies e Salesforce, sulla base di interviste one-to-one a decision maker di compagnie assicurative. Il messaggio di fondo è netto: l’AI può diventare la leva con cui ripensare relazione, offerta e distribuzione assicurativa, ma solo se evolve dalla sperimentazione verso una piena industrializzazione della stessa.
Un quadro in movimento
Il report parte da alcuni segnali di scenario molto concreti. La tradizionale separazione tra ramo Danni e ramo Vita, si legge, non è più coerente con una domanda che chiede protezione integrata lungo l’intero ciclo di vita del cliente. Nel frattempo, il mercato italiano continua a essere caratterizzato da una quota importante di liquidità parcheggiata in strumenti a bassa remunerazione: il report indica nei Bank and Postal Savings (36%) e nei Time Deposits (25%) i principali serbatoi potenziali di riallocazione, accanto a un’area di insurance-based products (24%) che offre ancora margini di crescita.
Anche sul fronte distributivo il quadro è in movimento. Il comparto Non-Auto, ricorda la ricerca, nel primo trimestre 2025 è cresciuto del 9,8%, superando gli 8 miliardi di euro di premi, mentre i comportamenti dei clienti si fanno sempre più phygital: il 67% dei contraenti è attivo su app mobile, l’uso del web è salito dal 43% di fine 2024 al 58% del primo trimestre 2025 e oltre il 60% interagisce in modalità ibrida. È in questo passaggio che l’intelligenza artificiale smette di essere soltanto tecnologia di supporto e inizia a ridisegnare la macchina commerciale.
Intermediazione assicurativa in trasformazione: la vendita
Se si guarda ai processi di vendita, però, il cuore del cambiamento non è la tecnologia in sé. Fulvio Locanto, Insurance Market Lead di GFT Technologies Italia, lo sintetizza in modo molto chiaro: “La chiave sono le persone”.
È lì, osserva, che si gioca la partita vera per il futuro dell’intermediazione assicurativa, perché ogni trasformazione profonda incontra inevitabilmente la resistenza al cambiamento.
Piattaforme dati e architetture digitali sono certamente fondamentali e rappresentano l’impalcatura abilitante per avviare la trasformazione tecnologica AI-driven.
La lettura è coerente con il report, che insiste sul fatto che il salto non sia tanto tecnologico quanto organizzativo: l’AI consente di passare da modelli descrittivi e predittivi a modelli prescrittivi e adattivi, ma la sfida vera è integrarla nei processi core in modo coerente con le logiche di business e con la governance del dato.
Dove l’AI incide già oggi: efficienza, sinistri, rete commerciale
Oggi, in concreto, l’AI viene ancora letta soprattutto come leva di efficienza. Locanto osserva che le applicazioni più mature si vedono nei sinistri e, più in generale, nei processi ad alta intensità amministrativa. Anche nei processi di vendita, la riduzione delle attività manuali rappresenta il punto di partenza per l’AI: predisposizione documentale, gestione di pratiche, lavorazioni di agenzia che possono essere automatizzate. Ma è necessario scalare e “leggere i dati” per predisporre semilavorati di proposte commerciali in grado di essere aderenti ai bisogni del cliente per poter esprimere appieno il valore dell’AI.
In questa fase, spiega, molte compagnie stanno lavorando sull’efficientamento dei processi verso il cliente finale e dei processi amministrativi di rete. Il passo successivo sarà l’evoluzione verso i processi di vendita in senso stretto: costruzione della proposta, offerta personalizzata, supporto alla consulenza commerciale.
Anche la ricerca si muove nella stessa direzione. Da un lato sottolinea che il settore dispone di un patrimonio informativo ricco ma frammentato; dall’altro spiega che l’AI consente di trasformare quei dati in insight operativi, campagne mirate, liste dinamiche di priorità commerciali, suggerimenti di next best action e stimoli coerenti con il momento di vita del cliente. La polizza, in questa prospettiva, smette di essere una transazione isolata e diventa uno strumento per presidiare una relazione continuativa.
Dalla polizza di ramo a un’offerta più modulare e personalizzata
Uno dei capitoli più interessanti del report riguarda il superamento della logica di ramo a favore di un’offerta più modulare e integrata. Ma è anche il terreno su cui, secondo Locanto, la maturità del mercato resta ancora bassa. “Siamo molto distanti da questo”, dice, perché significherebbe ripensare i modelli statistico-attuariali sottostanti ai prodotti, aggiungere nuovi layer analitici o addirittura riprogettare quotazione e costruzione del prodotto in modo diverso. In altre parole, abbandonare il lavoro fatto sempre allo stesso modo e accettare una trasformazione più rischiosa dell’intermediazione assicurativa.
Qualcosa, tuttavia, si sta già muovendo. Le compagnie hanno iniziato a lavorare su prodotti modulari, capaci di riunire nello stesso perimetro più esigenze del cliente: veicoli, casa, patrimonio, componenti diverse della protezione. Ma per Locanto il vero salto sarebbe un altro: scendere “a livello atomico”, fino alla singola garanzia. Il punto non è soltanto mettere insieme più prodotti in un unico contenitore, ma scomporre i pacchetti e permettere configurazioni molto più fini, anche trasversali rispetto ai rami tradizionali.
Qui entra in gioco il potenziale più radicale dell’AI: semplificare la complessità di prodotto fino al punto da rendere vendibili in modo più lineare coperture che oggi richiedono il passaggio attraverso canali specializzati. Se il prodotto diventa più semplice da capire, da comporre e da presentare, osserva Locanto, potrebbero assottigliarsi – o addirittura scomparire totalmente – i divari tra reti di vendita specializzate. In verità, è molto probabile che possa succedere esattamente l’opposto, ovvero che l’AI possa esaltare la specializzazione e la professionalità delle reti di vendita.
Il report, del resto, insiste proprio su modularità, integrazione e iperpersonalizzazione come tre direttrici della revisione dell’offerta: non proliferazione incontrollata di varianti, ma capacità di configurare soluzioni a partire da moduli standardizzati, mantenendo equilibrio tra flessibilità commerciale e solidità attuariale.
Perché agenti e broker restano centrali anche nell’era del copilota AI
Che cosa succede allora ad agenti, broker e rete commerciale? La risposta, qui, è meno spettacolare di tante narrazioni correnti, ma probabilmente più aderente alla realtà. “La relazione chiaramente rimane umana”, dice Locanto. Il cliente continua a fidarsi della persona, del proprio agente, del proprio broker. Ed è proprio questa centralità storica dell’intermediario che, secondo lui, spiega anche un tratto tipico del settore: rispetto ad altri comparti, in passato le compagnie hanno investito meno in sistemi di CRM sofisticati, perché per anni è stato l’agente a fare davvero lo shaping del bisogno del cliente.
Questo ruolo non sparisce: l’intermediazione assicurativa cambia semplicemente strumentazione. Oggi, osserva Locanto, l’agente fa shaping con i sistemi tradizionali di emissione; domani dovrà imparare a farlo con strumenti di intelligenza artificiale, così da perfezionare la capacità di costruire prodotti quasi tailor made. La formula che usa è efficace: non l’abito sartoriale con i costi sartoriali, ma un “abito sartoriale” con costi da grande distribuzione.
È la stessa logica che nel report viene descritta con l’immagine dell’AI come “copilota” dell’intermediario. L’AI supporta la preparazione degli incontri, suggerisce argomentazioni personalizzate, rende più leggibile la complessità tecnica, sintetizza storico relazionale ed eventi rilevanti, aiuta a individuare i bisogni latenti e a costruire proposte più coerenti. Può anche contribuire a ridurre il divario tra i migliori operatori e il resto della rete, diffondendo best practice e abilitando formazione continua personalizzata. Ma il presidio fiduciario e consulenziale resta umano.
Il vero ostacolo: uscire dalla logica dei progetti pilota
Il punto critico, allora, è passare dalla sperimentazione alla scala. Su questo Locanto è molto netto: oggi si moltiplicano sperimentazioni e implementazioni isolate, ma troppo spesso si tende a “montare le AI sui processi esistenti”. Così, avverte, l’intelligenza artificiale non rende al 100% perché si limita ad automatizzare pezzi di un flusso che resta pensato con una logica precedente. La vera industrializzazione dell’intermediazione assicurativa comincia quando il processo viene riscritto e ripensato da zero.
Per spiegare questo passaggio usa un paragone efficace con l’evoluzione digitale degli anni scorsi. Oggi nessuno progetterebbe un processo documentale pensando prima alla carta e poi aggiungendo in fondo la firma elettronica: quel processo nasce già in ottica digitale. Allo stesso modo, sostiene, i processi futuri dovranno essere immaginati direttamente in ottica AI-first. Solo così si può arrivare a un uso massivo dell’intelligenza artificiale e a livelli di efficienza molto elevati.
La ricerca lo dice in termini più strutturati: non basta intervenire su singole fasi senza ridisegnare l’intero flusso, perché il rischio è produrre inefficienze a valle e compromettere la scalabilità. I cinque pilastri individuati da GFT per una compagnia AI-ready sono dati e architetture digitali, visione e governance, processi, persone e change management, tecnologia.
Dati, architetture e modelli: che cosa serve per scalare davvero
Locanto entra infine nel merito del contributo che GFT ritiene di poter portare a una compagnia che voglia passare dalle prove a un’adozione concreta.
Il primo ambito è proprio il ridisegno dei processi in chiave AI-driven, o addirittura AI-first. Il secondo è la costruzione delle condizioni abilitanti: architetture digitali e basi dati abbastanza solide da sostenere l’ingresso dell’AI. Anche se oggi i modelli riescono a lavorare in parte su dati non strutturati, osserva, avere un’impalcatura ordinata facilita enormemente tutto il funzionamento.
Il terzo fronte è tecnologico, ma in un senso preciso: costruire un layer di AI che non produca lock-in e che resti neutrale rispetto ai modelli utilizzati. Qui Locanto insiste su un punto importante: non esiste un modello migliore in assoluto. Per ogni casistica bisogna capire quale sia il modello più adatto. Alcuni modelli rispondono meglio su certi compiti, altri su compiti diversi. Per questo, spiega, serve anche la capacità di non reinventare tutto da zero e di integrare nell’ecosistema aziendale semilavorati già disponibili sul mercato, per esempio quelli che permettono di leggere documenti di identità o di estrarre dati da documenti e patenti. La specializzazione più spinta va riservata ai processi davvero core, quelli che generano vantaggio competitivo e che l’azienda non vuole standardizzare insieme a tutti gli altri.
Anche questo passaggio risuona con il report, che suggerisce un’architettura AI modulare e model-agnostic, capace di combinare sviluppo interno per gli use case strategici, valorizzazione di piattaforme esistenti e acquisto dal mercato per quelli a minore valore competitivo.
La partita del settore si gioca tra relazione umana e infrastruttura intelligente
La ricerca Cetif-GFT-Salesforce restituisce dunque un’immagine meno semplificata di quella che spesso accompagna il dibattito sull’AI. Non racconta una tecnologia destinata a sostituire l’intermediazione assicurativa, ma uno strumento che può rafforzarla. In questo senso, la vera notizia non è che l’intelligenza artificiale entri nella vendita assicurativa. È, semmai, che la sua adozione costringa le compagnie a decidere come vogliono stare sul mercato: se usarla come leva tattica di efficienza o come infrastruttura per ripensare davvero offerta, relazione e distribuzione. Ed è proprio in questo passaggio, più manageriale che tecnologico, che si capirà chi riuscirà a portare l’AI fuori dal laboratorio e dentro il modello industriale.
(Contributo editoriale realizzato in collaborazione con GFT Technologies)
