Il 2 febbraio 2026 EIOPA ha pubblicato la sua indagine a livello UE sull’adozione dell’Intelligenza Artificiale Generativa (GenAI) nel settore assicurativo. L’indagine, basata sulle risposte di 347 imprese assicurative in 25 Paesi, mostra che la GenAI è già ampiamente utilizzata: il 65% degli assicuratori ha implementato questa tecnologia e un ulteriore 23% prevede di adottarla nei prossimi tre anni. La maggior parte delle applicazioni rimane tuttavia in fase di proof‑of‑concept, riflettendo un approccio prudente e graduale.
I principali casi d’uso
Il 64% dei casi d’uso emersi dall’indagine riguarda funzioni interne di produttività, operations (analisi documentale, assistenti di codifica, estrazione dati) e supporto ai processi decisionali. Le applicazioni rivolte al cliente (36%) chatbot, voicebot, contenuti di marketing risultano meno mature.
È significativo che la maggior parte dei casi d’uso non sia legata a una specifica linea di business. Molti hanno natura trasversale e possono essere implementati tanto nel ramo vita quanto nel ramo danni, in particolare nell’ambito delle operazioni di back‑office e delle iniziative volte a migliorare l’efficienza complessiva dei processi.
Quanto al grado di autonomia dei sistemi, restano prevalenti quelli volti a supportare valutazioni e decisioni delle persone. In crescita, i sistemi più autonomi e gli agenti AI.
Rischi, ostacoli e governance
Tra i principali rischi evidenziati dai partecipanti all’indagine figurano allucinazioni (output inesatti, compiacenti, fuorvianti), specifiche vulnerabilità informatiche, potenziali violazioni dei dati dei clienti e problemi di spiegabilità di come si è giunti a un determinato output.
A questi si affianca la sfida della conformità normativa: diverse imprese segnalano, infatti, che orientarsi in un quadro normativo così complesso rappresenta un ostacolo significativo, tra regolamentazione di settore, AI Act, privacy, proprietà intellettuale e non solo.
Un’ulteriore criticità riguarda il fattore umano. Molte imprese hanno evidenziato una carenza significativa di competenze interne, sia nel reperire profili adeguati sia nel formare il personale esistente. Questo gap rende difficile costituire team in‑house in grado di sviluppare, gestire e governare efficacemente i sistemi di GenAI.
Quanto alla governance, l’indagine evidenzia che il 49% delle imprese dispone ora di una policy AI dedicata. Tuttavia, sono molte meno le imprese che sono andate oltre e si sono dotate di una governance onnicomprensiva in materia di AI.
Make or buy? Come le imprese si procurano l’AI
Dall’indagine è emersa una prevalente strategia “make or buy”, secondo cui il sistema di IA viene scelto sulla base del caso d’uso. Per esigenze generali e non strategiche, ad esempio per aumentare la produttività interna, gli assicuratori tendono a comprare soluzioni standard “a scaffale”. Al contrario, per i processi core in cui ricercano un vantaggio competitivo, preferiscono sviluppare soluzioni proprie. Questa opzione, tuttavia, non significa dover creare modelli di GenAI da zero, ma sviluppare applicazioni personalizzate in‑house sulla base di modelli di terze parti o open‑source già esistenti.
Così facendo, le imprese hanno un maggior controllo sull’applicazione finale e sui dati, sfruttando al contempo la potenza delle tecnologie leader di mercato.
La personalizzazione della GenAI: tra RAG e fine-tuning
Sul fronte dei dati, le imprese adottano principalmente due strategie: RAG e fine‑tuning. Dall’indagine emerge che il 38% dei rispondenti utilizza tecniche RAG, che consentono di arricchire il modello con conoscenza proprietaria o contestuale senza modificarne i pesi, mantenendo così il controllo sulle fonti e riducendo il rischio di allucinazioni, con un buon equilibrio tra costi e prestazioni. Il 21% ha dichiarato di ricorrere al fine‑tuning, un’opzione più costosa e complessa, che prevede il riaddestramento del modello su dati interni per ottenere una personalizzazione più profonda. Infine, il 27% non utilizza né RAG né fine‑tuning, affidandosi ai modelli pre‑addestrati così come sono.
L’AI Agentica
L’indagine dedica attenzione anche all’AI agentica: dei 957 casi d’uso rilevati, solo 84 rientrano in questa categoria e risultano in prevalenza nelle prime fasi di sviluppo. Gli assicuratori prevedono un impatto soprattutto nelle applicazioni verso il cliente (49 casi), grazie a chatbot e voicebot più autonomi, mentre 35 casi riguardano attività di back‑office. Alcuni casi d’uso sono già in produzione, come chatbot che forniscono informazioni sui sinistri o sistemi che sintetizzano automaticamente le chiamate dei clienti. Nel medio periodo (3‑5 anni) si prevede una diffusione più ampia, soprattutto in ambiti “core” come sinistri, underwriting e rilevazione frodi, pur con sfide rilevanti legate a spiegabilità, tracciabilità e affidabilità dei sistemi autonomi.
Come leggere questi dati e principali punti di attenzione
I numeri raccontano un’accelerazione dell’adozione dell’AI nel settore assicurativo. Allo stesso tempo, l’adozione su larga scala è frenata da alcuni fattori. Tra questi, il comparto assicurativo dovrebbe considerare con molta attenzione:
- il quadro normativo articolato e in evoluzione, AI Act incluso, che impone di passare da iniziative sporadiche a un programma ordinato di compliance: mappare i casi d’uso, classificarli per livello rischio, monitorare gli sviluppi normativi e adottare un approccio orizzontale e multidisciplinare;
- il rischio di terza parte rispetto all’approvvigionamento di AI da fornitori terzi, da gestire con una revisione contrattuale mirata e nuovi set di clausole per l’AI, nell’ambito di un processo di procurement che valuti davvero rischio cyber, concentrazione e continuità operativa;
- la governance, che deve superare la mera “policy AI” e diventare un processo trasversale alle funzioni rilevanti dell’impresa, con regole chiare, ruoli e responsabilità definiti e controlli concreti sul modo in cui l’AI viene utilizzata.
Per le assicurazioni è un messaggio semplice, ma non di immediata attuazione: occorre muoversi in fretta, ma con metodo.
Su un simile argomento, potrebbe interessarti: “AI e ASSICURAZIONI: EIOPA risponde ai dubbi degli stakeholder” e “Machine Learning in ambito assicurativo: i risultati dell’indagine IVASS”.
About the Author: Giacomo Lusardi
