Prima assicurazioni e AI: perché il valore dei LLM nasce nei processi, non nel modello

Nicolò Robba, Chief Product Officer di Prima Assicurazioni, spiega perché i Large Language Model creano valore solo se integrati nei processi operativi.

Prima assicurazioni e LLM: il vero valore non è nel modello

Nel settore assicurativo, il dibattito sull’intelligenza artificiale si concentra spesso sulle performance dei modelli. Eppure, come evidenzia Nicolò Robba, Chief Product Officer di Prima assicurazioni, il vero valore dei Large Language Model risiede nella loro capacità di entrare nei processi operativi e generare impatti concreti.

Negli ultimi anni, gli LLM hanno trovato spazio anche nell’insurtech, ma il loro contributo resta limitato quando vengono utilizzati in modo isolato, ad esempio come chatbot standalone. Il salto di qualità avviene quando l’intelligenza artificiale viene integrata nei workflow quotidiani, rendendo i processi più semplici, automatizzati e misurabili lungo tutto il ciclo operativo.

Dal modello al workflow: il cambio di paradigma

Come spiega Robba:

“Integrare un LLM non significa aggiungere tecnologia sopra processi esistenti, ma ripensare i workflow end-to-end. L’obiettivo è intervenire sull’intero flusso operativo, eliminando passaggi ridondanti e migliorando l’efficienza complessiva.”

Questo approccio è alla base della strategia di Prima Assicurazioni, dove l’innovazione parte sempre da una domanda concreta: quali attività possono essere semplificate o eliminate? Solo successivamente entra in gioco la tecnologia, evitando di introdurre complessità non necessarie.

Integrazione e continuità: le vere sfide

Uno degli aspetti più critici riguarda l’integrazione con i sistemi core. Se l’AI non è in grado di operare direttamente negli strumenti utilizzati dagli operatori, il rischio è quello di creare frizione operativa, con attività duplicate e tempi più lunghi. A questo si aggiunge il tema della continuità tra canali. I clienti si muovono tra telefono, chat e messaggistica e si aspettano un’esperienza coerente.

Per questo, l’intelligenza artificiale deve essere in grado di mantenere uno stato conversazionale uniforme, evitando discontinuità nell’interazione.

L’impatto operativo: i numeri dell’integrazione

Quando l’intelligenza artificiale viene integrata correttamente nei processi, i risultati diventano concreti. Per Prima Assicurazioni, l’integrazione degli LLM ha infatti trasformato l’automazione in un vantaggio competitivo misurabile:

• Voice AI e Customer Experience: l’assistente virtuale gestisce la prima interazione per la totalità delle chiamate, garantendo un Customer Satisfaction Score (CSAT) del 96%.
• Gestione Sinistri via email: l’automazione dell’analisi e dell’associazione al corretto claim ID ha ridotto il carico operativo del 33%.
• Precisione del dato: il triage automatico dei sinistri ha abbattuto il margine di errore del 30%.
• Semplificazione workflow: l’AI elimina i passaggi ridondanti, preparando il caso per l’operatore umano e migliorando tempi e qualità del servizio.

In questo scenario insurtech, il valore non risiede nel modello ma nella capacità di orchestrare workflow complessi e monitorare costantemente i risultati.

Adozione interna e governance

Un sistema di intelligenza artificiale genera valore solo se viene utilizzato in modo continuativo. Come sottolinea Robba, questo accade quando l’AI riesce a ridurre concretamente il lavoro degli operatori e a semplificare le attività quotidiane. Se invece introduce complessità, come verifiche manuali o reinserimento dei dati, l’adozione cala rapidamente. Per questo, in Prima Assicurazioni l’obiettivo è progettare soluzioni che eliminino frizione, non che la aggiungano.

In un settore regolamentato come quello assicurativo, inoltre, ogni decisione deve essere strutturata, verificabile e auditabile. Non basta una risposta corretta: serve un output integrabile nei processi e conforme ai requisiti normativi.

Come si misura il successo dell’AI

Un altro punto centrale riguarda la misurazione dei risultati. Limitarsi alle performance del modello non è sufficiente: metriche come accuratezza o recall non raccontano il valore reale dell’intelligenza artificiale.

Il vero indicatore di successo è l’impatto sui KPI operativi, tra cui:

• riduzione dei tempi di gestione
• ottimizzazione dei costi
• miglioramento della qualità del servizio

È su questi elementi che si misura l’efficacia dell’AI, perché è qui che si riflette il miglioramento concreto dei processi.

Quando l’AI diventa infrastruttura

Nei contesti più evoluti, l’intelligenza artificiale smette di essere una sperimentazione e diventa parte integrante dell’infrastruttura operativa. Il modello è solo una componente: ciò che fa la differenza è la capacità di orchestrare workflow, integrare sistemi e monitorare costantemente i risultati.

In questa direzione si muove Prima Assicurazioni, dove l’AI è integrata nei processi e contribuisce ogni giorno a rendere più efficienti le operations e più semplice l’esperienza cliente. È qui che si gioca il vero vantaggio competitivo: non nella tecnologia in sé, ma nel modo in cui viene utilizzata per creare valore reale.