Assistenza agli anziani, il Covid-19 accelera l’uso dei robot umanoidi?

Nel 2007, una casa di cura giapponese ha sperimentato Ifbot, un robot domestico che forniva compagnia emotiva, cantava canzoni e faceva quiz agli anziani ospiti. Il direttore della struttura raccontò che i residenti se ne interessarono per circa un mese prima di perdere interesse, preferendo “animali impagliati” al “robot della comunicazione”. Ma era il 2007, in questi 13 anni l’intelligenza artificiale e la robotica hanno fatto passi avanti giganteschi.

Alcune case di cura del Regno Unito ci stanno, oggi, riprovando, impiegando robot nella cura degli anziani, nel tentativo di alleviare la solitudine e migliorare la loro salute mentale. I robot con le rotelle, chiamati Pepper, saranno capaci di “condurre conversazioni rudimentali, suonare la musica preferita dei residenti, insegnare loro le lingue e offrire un aiuto pratico, compreso ricordargli di prendere le medicine”.  Questo è positivo, ma non sono una valida alternativa all’interazione umana, secondo la riflessione proposta in un articolo di The Conversation. È un triste stato di cose quando i robot vengono presentati come soluzioni alla solitudine umana, dice l’autrice.

Nel Regno Unito e in Giappone sono stati sperimentati anche robot da compagnia, che hanno una funzione nel ricordare alle persone cosa significa avere compagnia, aiutando con la cruda interazione sociale e fornendo spunti a ciò che significa essere umani.

Ma i robot non possono fornire l’altruismo e la compassione, il calore, che dovrebbero essere al centro di un sistema di assistenza. E potrebbero persino aumentare la solitudine a lungo termine, riducendo il contatto effettivo che le persone hanno con gli esseri umani e aumentando il senso di disconnessione.

La tesi dell’autrice è condivisibile, ma dobbiamo però anche vedere il bicchiere mezzo pieno, vale a dire che in questa stagione pandemica una robotica di questo tipo potrebbe fornire risposta a molti problemi che si vanno riscontrando nelle RSA e negli ospedali, di mancanza di personale. Nei momenti di lockdown moltissimi anziani sono rimasti completamente soli nelle loro stesse abitazioni, poiché non potevano essere assistiti o erano loro stessi a isolarsi per prevenire contagi.

Inoltre, anche prescindendo dal Covid, esisteva già un problema di assistenza degli anziani e di persone malate, sole e non autosufficienti, in Italia come altrove.

Non bisognerebbe, quindi,  guardare ai caregiver robotici con troppo sospetto, proprio ora che anche da un punto di vista dei costi sono diventati più accessibili. (In Giappone, robot Pepper  costa circa 1400 euro).

La robotica sarà una parte importante di tutta la sanità e l’assistenza del futuro, automi assisteranno gli interventi chirurgici, si occuperanno dell’igiene degli ospedali, di dispensare medicinali, portare il pranzo, fare compagnia. Forse i robot non saranno in grado di manifestare tutte le emozioni di un essere umano, ma saranno affidabili, precisi, sempre in forma, non hanno bisogno di dormire o di mangiare, non hanno pregiudizi, non si lamentano e possono occuparsi di moltissime cose senza farne questione di contratto. In poche parole, possono rendere la sanità e la cura degli anziani molto più efficiente ed economica, un fatto certo auspicabile per la sanità pubblica e privata in quella parte del mondo come Italia e Giappone in cui l’invecchiamento della popolazione è un grande problema. Ed è molto interessante per le compagnie di assicurazione sotto diversi aspetti, che vanno dalla possibilità di sviluppare nuove formule assicurative che ruotino intorno all’utilizzo di robot-badante, così come all’introduzione di nuove polizze checoprano i rischi dell’uso di robot, una sorta di RC per automi.

Sotto questo punto di vista, in Giappone, Paese di riferimento per la robotica, Sompo Japan è già attivo:  poiché la necessità di un distanziamento sociale dovuto alla pandemia ha portato a una spinta all’uso di robot in una varietà di compiti, ad esempio per lavori come il trasporto di merci e la disinfezione degli spazi, urge la necessità di avere copertura assicurativa  contro gli incidenti provocati dai robot.

Nel video, il robot Moxi sviluppato dalla startup Diligent Robotics per affiancare gli operatori sanitari umani.

L’articolo Assistenza agli anziani, il Covid-19 accelera l’uso dei robot umanoidi? proviene da InsuranceUp.


Chi sono le 13 startup finaliste di MIA – Miss in Action 2020

Si è chiusa la prima fase di Miss in Action, costituita da periodo di apertura delle candidature e selezione delle startupper e imprenditrici digitali che parteciperanno quali finaliste  all’Innovation Day che si svolgerà a Milano il prossimo 25 maggio.

Tra le oltre 100 startup che si sono candidate sono entrate nella shortlist: The Thinking Clouds, Coder Kids, StageAir, Doctorium, E24Woman, eFrame, Joinyourbit, WellF, Smartthink, FindMyLost, Ghostwriter.AI, Diamante e Needo.

The Thinking Clouds: è una start up innovativa esperta in interfacce emozionali, gamification e creazione di contenuti. The Thinking Clouds, grazie a contenuti multimediali originali, crea esperienze conversazionali basate su un’interazione esperienziale, coinvolgente ed empatica, su misura delle necessità del cliente, sfruttando al massimo l’Intelligenza Artificiale e il Machine Learning.

Coder Kids: si occupa di avviare bambini e ragazzi al coding e alla robotica educativa, tramite l’aiuto di un gruppo di insegnanti e tutor qualificati, al fine di coltivare e sviluppare un nuovo modo di pensare, affrontare e risolvere i problemi, secondo la logica e il pensiero computazionale.

StageAir: è una startup innovativa volta a creare il primo marketplace di stage per utenti di tutte le età, a partire dai 16 anni, con il supporto di una piattaforma online che abbina il profilo dei potenziali stagisti alle necessità delle imprese. Tramite l’Intelligenza Artificiale e l’impiego di giochi interattivi, gli utenti potranno ricercare e trovare stage in tutto il mondo.

Doctorium: è una startup che si pone l’obiettivo di risolvere le difficoltà comunicative tra medico e paziente, offrendo due servizi integrati: uno che prevede dei Video-Consulti in grado di mettere in contatto in qualsiasi luogo e momento un paziente con uno specialista, riducendo tempi, costi e distanze e uno che include un Servizio di Telemedicina, attraverso cui il paziente può monitorare a domicilio i propri parametri vitali.

E24Woman: è una startup innovativa che ha l’obiettivo di sviluppare prodotti e/o servizi per l’aiuto alla persona, consentendole di monitorare il suo stato di salute, di richiedere aiuto in situazioni di emergenza ad una centrale operativa h24 e di essere soccorsa nel minor tempo possibile.

eFrame: è una startup innovativa che opera nel settore ambientale, energetico e dell’euro progettazione ed è insediata in TechoSeed, un incubatore certificato del Parco Scientifico e Tecnologico di Udine. eFrame srl si occupa di contabilità ambientale, analisi dei costi benefici, analisi delle ricadute socio-economiche degli investimenti, bilanci energetici, impronte carboniche territoriali, life cycle assessment, pagamenti per i servizi ecosistemici, dichiarazioni di carattere non finanziario, bilancio ambientale e di molto altro.

Joinyourbit: è un Digital Service Provider che abilita l’accesso dei propri clienti al Digital Single Market attraverso un nuovo modello di business, basato sulla transazione elettronica dei documenti come nuova “currency”. Ha sviluppato J-Suite, una piattaforma di “Digital Transaction Management” che consente di velocizzare i processi di business, completare i workflow approvativi con firme elettroniche in ottica di user collaboration e di scambiare documenti in sicurezza con le controparti di business, garantendo il trust su reti aperte.

WellF: è una startup innovativa che ha sviluppato una soluzione intelligente in grado di aiutare le aziende a migliorare il benessere dei dipendenti sul posto di lavoro e, di conseguenza, di aumentare la loro produttività e il loro engagement, consentendo alle imprese di acquisire un notevole vantaggio competitivo. In particolare, WellF offre: coach virtuali, in grado di dispensare consigli alle persone su come migliorare il loro benessere sul posto di lavoro; un servizio personalizzato per i CEO delle aziende per migliorare il loro well-being; supporto per la selezione dell’offerta di cibi disponibili in azienda; e seminari in azienda sull’alimentazione, il riposo e il movimento.

WHITEPAPER

Secondo Gartner le aziende che non adotteranno l’AI entro il 2022 non saranno competitive
Intelligenza Artificiale

Smarthink: è una startup innovativa che ha lo scopo di creare tecnologie per la formazione che consentano di rendere l’apprendimento online più equo ed efficace. Smarthink offre servizi di formazione online e consulenza alla formazione sia alle università che alle aziende e accompagna anche la clientela all’introduzione di sistemi innovativi. Ha sviluppato Edulai, un software che attraverso l’intelligenza artificiale è in grado di analizzare elaborati scritti, indicando alle persone la modalità attraverso cui sono più brave a pensare, ad analizzare e a comunicare.

FindMyLost: è il primo strumento digitale per la gestione del Lost Property, offrendo a diversi operatori la possibilità di implementare il proprio database per gli oggetti rinvenuti e ai consumatori di ritrovare oggetti persi. Il progetto prevede lo sviluppo e l’implementazione di una sezione che permetterà all’utente di acquistare una polizza assicurativa per smarrimento sui propri oggetti.

Ghostwriter.AI: è una piattaforma di content marketing con l’obiettivo di raccogliere informazioni sulla clientela, mostrando alle aziende come e di cosa parlare con essa al fine di aumentare le vendite, i profitti e l’engagement.

Diamante: è una startup che ha l’obiettivo di usare le piante come bioreattori per la produzione sostenibile di nanoparticelle basate su virus vegetali modificati, i quali a loro volta vengono adoperati per lo sviluppo di nuovi strumenti di diagnosi di malattie autoimmuni, al fine di migliorare la vita delle donne.

Needo: è sia una startup innovativa che una cooperativa sociale. Needo è il primo nido on demand pensato per conciliare lavoro e famiglia e migliorare il welfare aziendale e cittadino. È una soluzione ai problemi delle famiglie, delle aziende private, delle pubbliche amministrazioni e dei piccoli comuni.

Cos’è MIA – Miss in Action

MIA è il programma di accelerazione dedicato all’imprenditoria femminile, promosso da Digital Magics, il più importante business incubator italiano, e dal Gruppo BNP Paribas in Italia, con il patrocinio del Comune di Milano. Il programma, unico in Italia, intende supportare le donne che vogliono fare impresa con il contributo delle tecnologie in settori che spaziano dal welfare alla cultura, dalla salute ai viaggi, dalla moda alla mobilità, dalla sicurezza ai servizi per la famiglia, dal turismo al food, fino ai servizi per le imprese. Un’iniziativa che trova ancora più riscontro in un momento di emergenza come quello attuale, in cui favorire l’ampliamento dell’ecosistema dell’innovazione italiano valorizzando anche i talenti femminili, oggi più accessibili, è una scelta sostenibile per il Paese, non solo in termini di diversity.

Durante l’Innovation Day la giuria di MIA – Miss In Action, composta dal management delle Società del Gruppo BNP Paribas, dagli esperti di Digital Magics e da donne top manager, imprenditrici, business angels e rappresentanti delle istituzioni, selezionerà le 3 startup vincitrici che avranno accesso al Programma di Accelerazione dove saranno affiancate da mentor e advisor durante tutto il loro percorso di crescita che consisterà in:

 

·         tre mesi di formazione e di sviluppo del prodotto e/o servizio

·         tre mesi dedicati alla creazione di un POC (Proof Of Concept)

·         partecipazione all’evento finale con gli investitori

 

L’edizione 2019

La prima edizione di Mia  – Miss in Action è stata realizzata a cavallo tra il 2018 e il 2019, primo progetto di questo genere in Italia, nasce con un duplice obiettivo, dare supporto all’imprenditoria femminile e dare supporto all’innovazione italiana.

In particolare MIA è stato promosso da Layla Pavone, Chief Innovation Marketing and Communication Officer di Digital Magics, e Isabella Fumagalli, CEO di BNP Paribas Cardif e Coordinatore di BNP Paribas IFS per l’Italia. “L’acceleratore al femminile ‘MIA’ nasce circa un anno fa da un’idea che ho proposto durante un momento di networking all’interno di un importante evento nazionale con diverse top manager e imprenditrici, fra cui Isabella Fumagalli, che l’ha subito accolta con entusiasmo. Da donna e da professionista, credo davvero molto in questo progetto su cui stiamo lavorando da mesi e che ho fortemente voluto” racconta Layla Pavone, come riportava EconomyUp.

Isabella Fumagalli spiegava così il motivo dell’adesione all’iniziativa: “Realizzando per primi questo progetto vogliamo dare un forte messaggio al mercato, ai consumatori e a tutte le donne. MIA è uno strumento efficacissimo per sostenere nuove professionalità promuovendo l’imprenditoria al femminile, a sostegno della competitività del paese. Ci auguriamo anche che alimenti le ambizioni delle giovani donne e che le sproni a credere di più in loro stesse, sviluppando competenze e abilità che saranno centrali nel futuro”.

Nella prima edizione dell’iniziativa, erano stati selezionati 10 progetti per l’evento finale su un totale di 163 candidature, a vincere il programma di accelerazione erano state le startup Bestest, InTribe, Transactionale, WorkWideWomen.

WHITEPAPER

Cos’è cos’è l’imaging multiview e in quali ambiti può trovare applicazione?
Intelligenza Artificiale
Intelligenza Artificiale

L’articolo Chi sono le 13 startup finaliste di MIA – Miss in Action 2020 proviene da InsuranceUp.


Insurtech, la vera gara è scoprire il “valore intrappolato”

Tesla, adesso, parla. Elon Musk ha postato sui social un video della Model S che chiacchiera con i pedoni. Una delle tante stravaganze del vulcanico imprenditore? Non proprio. Più che altro sembra essere la prova generale di una nuova funzionalità che potrebbe essere utilizzata nella prossima flotta di robot-taxi che l’azienda americana presto lancerà. Infatti l’auto invita i pedoni a salire a bordo.

È il momento di fare pivot verso il futuro

Oggi Tesla, secondo alcuni calcoli fatti da analisti di oltreoceano, è la casa automobilistica che vale di più nella storia americana: a inizio 2020 la sua capitalizzazione di Borsa raggiunge quasi quella di Ford e General Motors messe insieme. Perché Tesla sta immaginando (e costruendo) il futuro dell’auto con più agilità e disinvoltura di tanti storici marchi. Il decennio che si apre vedrà quella che certamente è la più grande trasformazione dell’auto dalla sua creazione. E dei business collegati, ovviamente. “Per quella che è la nostra esperienza, poche imprese sono pronte ad abbracciare il nuovo, anche quando è ormai evidente che il core busi­ness si sta sgonfiando”, scrivono Omar Abbosh, Paul Nunes e Larry Downes nel libro Pivot verso il futuro appena pubblicato in Italia da Egea. Tre uomini Accenture che mettono a frutto l’esperienza fatta proprio nella “riconversione” della società di consulenza. Nunes e Downes sono anche gli autori di Big Bang Disruption, uno dei testi di riferimento per comprendere “l’innovazione devastante”.

Il “valore intrappolato” nel Now

Torniamo all’auto. Man mano che i veicoli diventeranno sempre più autonomi, si ricorda nel volume, le compagnie di assicurazione dovranno trovare altri beni da assicurare o altre proposte per i loro clienti. “Ogni im­presa deve individuare la propria strada verso il nuovo, preservando quegli aspetti centrali (come la cultura) che a suo tempo ne hanno decretato il successo”, scrivono Nunes & Co, che insistono molto sul “Now”. Prodotti e servizi vecchi (Old) vanno abbandonati. Il presente che ancora funziona non può e non deve essere cancellato ma va “interpretato” alla luce delle tecnologie digitali per fare emergere il “valore intrappolato” tra le pieghe di organizzazioni, processi e visioni superate per poi impiegare le risorse ricavate nel “New”, nella innovazione vera che porta verso il futuro.

Un approccio moderato che, mentre riduce l’impatto disruptive dell’innovazione, segnala l’importanza e l’urgenza di lavorare per individuare e portare sul mercato quel “valore intrappolato” che, se non utilizzato, prima o poi diventerà l’elemento competitivo di un concorrente o un new comer. Ecco un bell’esempio che arriva proprio dal settore assicurativo.

Il caso della compagnia sudafricana AllLife

La compagnia sudafricana AllLife è stata prima al mondo a offrire una copertura completa a persone sieropositive. “In un Paese in cui quasi il 20% della popolazione adulta convive con il virus dell’AIDS, la compagnia ha già attivato circa centomila polizze di questo tipo”, viene ricordato nel libro. Come ha fatto AllLife ad assicurare quel che veniva considerato «non assicurabile»? “La compagnia raccoglie i profili dettagliati dei clienti e utilizza i dati in combinazione con quelli ricavati da altre persone che assicura, e questo le permette di personalizzare i suggerimenti da offrire a ciascun cliente affinché gestisca al meglio la propria condizione. Dopo aver raccolto i dati necessari, AllLife impiega algoritmi proprietari per fornire un prodotto di assicurazione sulla vita economicamente vantaggioso”. «Quella che ormai definiamo robo-sottoscrizione si avvale di una tecnologia in grado di estrarre una grande quantità di informazioni mediche e di sottoporle a un processo decisionale che ci consente di automatizzare il trattamento della maggior parte delle informazioni che le compagnie di assicurazione sulla vita processano invece manualmente», spiegava nel 2019 a Business Insider il CEO e fondatore Ross Beerman, che aggiungeva: «Ci occupiamo attivamente della salute delle persone. Diciamo alla gente: non dimenticarti di fare questa o quell’altra cosa. Lo facciamo tramite messaggi, email, a volte anche attraverso chiamate telefoniche. Interveniamo, insomma»

Il vantaggio delle imprese data driven

Il caso AllLife dimostra che ad avere le maggiori probabilità di riuscire a liberare il “valore intrappolato” sono le aziende data driven, quelle in grado di raccogliere, gestire, interpretare e usare bene i dati. E possono farlo su livelli diversi:la stessa impresa, il settore di attività, i propri clienti. AllLife ha aperto una nuova linea di business con un prodotto che non c’era, ha migliorato le condizioni di salute e abbassato i tassi di mortalità dei suoi clienti ottenendo anche un indubbio effetto sociale positivo.

Fare innovazione, quindi, non significa sempre e necessariamente cambiare tutto, inventarsi cose straordinarie o fare altro. I risultati si possono ottenere anche guardando con occhi nuovi al core business e soprattutto sviluppando la capacità di “rivisitarlo” con iniezioni di tecnologia e di innovazione. Una grande opportunità per le compagnie di assicurazione che hanno un patrimonio di fiducia da capitalizzare e una mission immutata: vendere protezione e serenità ai loro clienti. Quante nuove opportunità stanno preparando fenomeni come Tesla? Quali nuovi servizi sono già possibili migliorando la conoscenza e i comportamenti dei clienti-guidatori? Sono stati davvero tutti esplorati e testati?

L’articolo Insurtech, la vera gara è scoprire il “valore intrappolato” proviene da InsuranceUp.


Intelligenza Artificiale e assicurazioni: quale compatibilità con la mutualità del rischio?

L’industria assicurativa da tempo sta riflettendo su come utilizzare le nuove tecnologie, tra cui l’Intelligenza Artificiale, per ottenere prodotti da offrire sul mercato più fruibili, di più facile ed immediata sottoscrizione e che meglio si attaglino al target market individuato. L’utilizzo di nuove tecnologie solleva di riflesso domande sulla compatibilità ed i limiti che l’introduzione di simili innovazioni possono avere nel settore, soprattutto laddove le basi della disciplina giuridica sono state gettate da un legislatore che neanche lontanamente poteva immaginare un simile progresso.

Una definizione di Intelligenza Artificiale

Per rispondere alla domanda del titolo, pare opportuno dare una definizione di Intelligenza Artificiale, pur nella difficoltà di delimitare i confini del fenomeno, rifacendoci alla definizione delineata dalla Commissione Europea in uno dei suoi rapporti: “Intelligenza artificiale’ (I.A.) indica sistemi che mostrano un comportamento intelligente analizzando il proprio ambiente e compiendo azioni, con un certo grado di autonomia, per raggiungere specifici obiettivi. I sistemi basati sull’I.A. possono consistere solo in software che agiscono nel mondo virtuale (ad esempio assistenti vocali, software per l’analisi delle immagini, motori di ricerca, sistemi di riconoscimento vocale e facciale), oppure incorporare l’I.A. in dispositivi hardware (per esempio in robot avanzati, auto a guida autonoma, droni o applicazioni dell’Internet delle cose).”

(Comunicazione della Commissione europea al Parlamento europeo, al Consiglio, al Comitato economico e sociale europeo e al Comitato delle regioni – L’intelligenza artificale per l’Europa, Bruxelles 25 aprile 2018)

Tanto premesso, riteniamo altresì utile ricordare, anche se sembra scontato, che l’Intelligenza Artificiale opera attraverso le istruzioni che vengono date (dall’uomo) al sistema per il raggiungimento di un determinato obiettivo. In altre parole, l’I.A. non ha un’intelligenza emotiva, le è sconosciuto il “buon senso” ed il raggiungimento dell’obiettivo prescinde da un qualsiasi motivo, movente o ragione.

Proprio per ciò e per la potenziale applicazione pervasiva dell’Intelligenza Artificiale, la Commissione europea ha approvato specifiche linee guida (“Orientamenti Etici per un’I.A. affidabile”) che riassumono e stabiliscono gli standard a cui deve tendere chi sviluppa e realizza applicazioni basate sull’IA (a questo link è possibile approfondire).

L’Intelligenza Artificiale nell’industria assicurativa

L’Intelligenza Artificiale nell’industria assicurativa è applicata in fasi e momenti diversi:

· La raccolta, l’analisi e la classificazione dei dati

· Logistica ed efficientamento nei processi di back office

· Customer care, sottoscrizione e liquidazione dei sinistri

· Processi antifrode

Ultimo, ma non di minore importanza, è l’uso di applicativi di I.A. in ambito consulenziale e di risk management, settore di fondamentale importanza per la prevenzione dei rischi e l’ottimizzazione delle risorse. Attraverso l’uso di tali applicativi i vantaggi che si prospettano per il cliente sono notevoli: dall’abbassamento del premio (conseguenza del minor numero di frodi), alla riduzione dei tempi nell’emissione della polizza ad una più veloce liquidazione del sinistro (si ricorda sul punto il tema smart contract e block chain, di cui costituisce un esempio la polizza “autoliquidante” in caso di cancellazione o ritardo del volo).

Aspetti legali dell’I.A. nelle assicurazioni

Quali sono gli aspetti giuridicamente più complessi legati all’uso di I.A. da parte delle compagnie assicurative? Entro quali limiti, cioè, le nuove possibilità favorite dall’I.A. sono compatibili con le fondamenta giuridiche del contratto di assicurazione e del diritto assicurativo, o comunque meritano una più attenta riflessione?

Partiamo dai fondamentali: una delle basi giuridiche su cui è incardinato il contratto di assicurazione e su cui si impernia l’industria assicurativa, è la comunione dei rischi. In altri termini: intanto l’assicuratore riesce a coprire il rischio che un evento incerto accada, in quanto tale rischio viene condiviso dall’intera collettività, sia in termini di assoggettamento ad una sorte comune, sia in termini di contributo alla costituzione delle riserve e di “condivisione” (indiretta) delle stesse. E’ il c.d. trasferimento del rischio dal singolo alla collettività (o massa) rappresentata e gestita dall’assicuratore, massima espressione della logica mutualistica. Come noto poi, il premio pagato dal contraente a fronte del rischio assicurato viene calcolato su basi statistico attuariali e la probabilità e la frequenza che l’evento si avveri, rappresentano il “rischio imprenditoriale” – senza giochi di parole! – dell’assicuratore: più il numero e la frequenza degli eventi si avvicinano alle previsioni dell’assicuratore, maggiore sarà l’efficienza (e la profittabilità) dell’impresa.

Problemi di compatibilità tra mutualità e Intelligenza Artificiale

Mutualità e comunione dei rischi presuppongono quindi la realizzazione di una collettività di assicurati omogenei a cui i rischi afferiscono. Ed è proprio qui che possono arrivare gli attriti con l’uso di applicativi di I.A. che, per loro essenza, operano attraverso un automatismo e potrebbero portare a disgregare in moltitudine di singolarità il paniere della mutualità: come è stato sostenuto, la mutualità/solidarietà è concetto che – almeno a prima vista – si pone in antitesi rispetto alla personalizzazione/individualismo, ponendo quindi in ultima istanza, interrogativi sui metodi di calcolo delle riserve e, più in generale, sui sistemi di tecnica finanziaria su cui si reggono le assicurazioni. L’essenza del problema è dunque: fin dove però può arrivare la personalizzazione della polizza (o del rischio: la c.d. “tailorizzazione”, secondo un neologismo di matrice anglosassone), esasperata dall’uso di applicazioni e automatismi propri dell’I.A. in grado di rilevare le specificità peculiari di un singolo assicurato, costruendo una polizza su misura in termini di premio e/o eventualmente di condizioni (seppur predeterminate dal sottoscrittore della polizza)?

L’interrogativo non è di agevole risposta.

Diversi elementi inducono tuttavia ad avere un atteggiamento flessibile e possibilista, di fronte a tale amletico dilemma. Difatti:

a) la legislazione RCA già è fortemente sbilanciata nel senso della personalizzazione dei meccanismi contrattuali, anche mediante l’uso di tecnologie (le scatole nere) volte a rilevare la condotta del singolo assicurato, che verrà dunque premiato o penalizzato a sfavore o a favore dell’intera collettività. Il distinguo sembra dunque essere ammesso dallo stesso legislatore seppure, emblematicamente, in relazione a condotte degli assicurati possibili/accessibili per l’intera collettività in comunione di rischio. Su questa scia, ad esempio, alcuni assicuratori stanno sperimentando l’idea di una polizza salute basata sul concetto “pay-as-you-live”. In pratica ciò significa che le tariffe (cioè: i premi assicurativi) vengono determinati sulla base di un profilo individuale di salute, in ciò agevolato da nuove generazioni di sensori e nuove applicazioni digitali (smart watch e “tracker”) che registrano il comportamento della persona con estrema precisione;

b) sempre l’RCA, ha in particolare aperto la frontiera all’utilizzo di tecnologie in grado di differenziare il premio sulla base di strumenti tecnologici in grado di sorvegliare sull’assicurato (di nuovo: la scatola nera o i meccanismi di misurazione del livello di alcol nel sangue), impedendo l’accadimento del sinistro. Una personalizzazione non effettuata dunque sulla base di un parametro operante “a priori” (ossia sulla base delle caratteristiche proprie del soggetto assicurato), ma su base di una logica di “prevenzione” del sinistro: apertura significativa, che potrebbe addirittura portare a considerare determinate tecnologie di prevenzione del rischio (dall’allarme al sistema antincendio) funzionali ed ancillari all’attività assicurativa;

c) la personalizzazione dei contratti assicurativi non è fenomeno recente, essendo da sempre invalso l’utilizzo di termini (librerie di clausole predeterminate) o condizioni (franchigie/scoperti) per tener conto delle peculiarità del caso di specie. Da questo punto di vista, l’.I.A. (come già avvenne per il calcolatore, in ambito matematico) è forse semplicemente destinata ad introdurre una maggiore capacità di combinazione ed una più precisa ed oggettiva capacità di analisi. Ciò naturalmente a patto di rispettare alcune specifiche condizioni:

i. nel caso sopra esemplificato della polizza sanitaria “pay-as-you-live”, la compagnia di assicurazione dovrebbe aver predisposto adeguate procedure per evitare di creare inique distorsioni e/o pregiudizi (cc.dd. unfair bias, che minano la realizzazione di classi omogenee: ad esempio eseguendo test su un campione di popolazione con determinate caratteristiche o casi particolari (ad esempio persone con disabilità) che non devono aprioristicamente rimanere escluse dal sistema. Così come, ulteriormente, dovrebbero essere stati predisposti dei processi in modo che l’applicativo di I.A. sia fedele e affidabile ed affinché, ad esempio, possano essere riconosciuti e superati errori di sistema dati da variabili non rappresentate o immaginate nella realizzazione delle istruzioni ed obiettivi dell’applicativo di I.A (ad esempio l’incapacità del sistema di valutare allo stesso modo l’età effettiva – vs l’età anagrafica – rispetto a determinate tipologie di persone). Gli Orientamenti della Commissione Europea sopra citati forniscono, non a caso, una serie di test esemplificativi che operatori che usano applicativi di I.A. dovrebbero sottoporre ai loro sistemi, per verificarne la compatibilità con i principi ed i requisiti fondamentali sopra elencati;

ii. il livello di personalizzazione dovrebbe essere tale da non individuare una nuova classe di rischio. Nell’assemblare le diverse opzioni disponibili (che costituiranno, ci si augura, un universo chiuso non troppo numeroso), l’I.A. non dovrà cioè introdurre un elemento differenziale che – incidendo su di uno degli elementi essenziali della classe di rischio (ossia la copertura o le esclusioni) – sia tale da far venir meno la comunione di rischi tra quel singolo assicurato e gli altri acquirenti del medesimo prodotto;

d) la normativa in materia di distribuzione ha di recente introdotto – anche per i prodotti assicurativi di puro rischio – il concetto di “consulenza”, collegata alla raccomandazione del prodotto più indicato a soddisfare le richieste ed esigenze del cliente. Un concetto oggi collegato alla selezione tra i prodotti a disposizione dell’intermediario, che domani potrebbe essere esteso alle variabili di personalizzazione dei prodotti a sua disposizione.

La risposta alla domanda del titolo quindi è: sì, mutualità e I.A. sono compatibili e possono convivere. Ora rimane da rispondere al successivo e contiguo tema, relativo al confine tra la “tailorizzazione” del prodotto tramite I.A. e la possibile illegittima discriminazione nel processo di selezione del rischio.

Ma a questo argomento sarà dedicato il prossimo articolo, a cui vi rimandiamo sperando di offrirvi sempre una buona lettura.

L’articolo Intelligenza Artificiale e assicurazioni: quale compatibilità con la mutualità del rischio? proviene da InsuranceUp.


I Big Data nelle assicurazioni, tra opportunità e approccio etico

I Big Data, nelle assicurazioni, sono un tema centrale, che oggi pone diverse sfide, ma presenta enormi opportunità. Le Compagnie hanno accesso a dati granulari come mai prima, ognuno di noi quotidianamente produce dati, un’enorme quantità di dati, consapevolmente (carte di credito, social, le app, ricerche online, messaggistica, email, foto, video, wearable); ma anche inconsapevolmente, attraverso cartelle cliniche digitali e pratiche amministrative e di vario genere digitalizzate che ci riguardano. E non sono solo le persone a generare dati, sono anche le aziende, le organizzazioni pubbliche e private, gli oggetti connessi, a cominciare dai nostri smartphone. I dati sono informazioni in formato digitale e ne generiamo talmente tanti che non esiste stima davvero attendibile, sono tutte necessariamente approssimative. IDC nel 2013 in uno studio per EMC prevedeva che nel 2020 la produzione raggiungerà circa 44 zettabyte a livello mondiale, ogni persona ne genererà 1.7 megabytes ogni secondo; ma uno stesso studio più recente (2018) di IDC per Seagate, parla addirittura di 175 ZB entro il 2025, oltre il 60% di crescita all’anno.

Sono numeri che impressionano anche quando non se ne coglie appieno la dimensione, ma possiamo dire che si tratta di una crescita esponenziale.

IDC fa un esempio per far comprendere la misura di 175 ZB (l’intera Global Datasphere) e dice: se si fosse in grado di memorizzare 175 ZB su DVD, allora si avrebbe una pila di DVD che ci potrebbe portare alla luna 23 volte o intorno alla Terra 222 volte.

Definizione di big data

I big data sono tutte le informazioni in formato digitale, sono enormi volumi di dati eterogenei per fonte e formato, che possono essere raccolti, immagazzinati e attraverso appositi software analizzati, diventare conoscenza e valore.

Secondo la maggior parte degli esperti, i big data sono caratterizzati da determinate caratteristiche. Nel 2001, Doug Laney, allora vice presidente e Service Director dell’azienda Meta Group, descrisse in un report il Modello delle 3V relativo alle 3V dei Big Data: Volume, Velocità e Varietà. Oggi il paradigma di Laney è stato arricchito dalle variabili di Veridicità e Valore e per questo si parla di 5V dei Big Data

Cosa significano le 5V dei Big Data

Volume – Il volume si riferisce alla grande quantità di dati generati ogni secondo. I set di dati sono diventati troppo grandi per essere gestiti, archiviati e analizzati utilizzando la tradizionale tecnologia di database, oggi si utilizzano sistemi distribuiti, dove parti dei dati sono memorizzati in luoghi diversi, collegati in rete e riuniti da software.

Velocità – Si riferisce alla velocità con cui vengono generati nuovi dati e alla velocità con cui i dati si muovono. Basti pensare ai post dei social media che diventano virali in pochi minuti, alla velocità con cui un’email o un messaggio raggiunge il destinatario o alle transazioni con carta di credito, ai millisecondi necessari ai sistemi di trading per analizzare i social media per raccogliere segnali che innescano decisioni di acquisto o vendita di azioni.

Varietà – Si riferisce ai diversi tipi di dati che possiamo utilizzare. In passato ci si limitava a dati strutturati che potevano essere inseriti in tabelle o database relazionali come i dati finanziari (ad esempio, vendite per prodotto o regione). Oggi la maggior parte dei dati è destrutturato, cioè eterogeneo – foto, video,  audio, testi, output di sensori o iot, aggiornamenti dei social media. Con le tecnologie big data oggi è possibile sfruttare anche questo tipo di dati destrutturati e riunirli con dati più tradizionali e strutturati, per ottenere ‘risposte’, indicazioni, previsioni, conoscenza.

Veridicità – Si riferisce sia alla confusione che all’affidabilità dei dati. Con i dati destrutturati, la qualità e l’accuratezza sono meno controllabili, ad esempio i post di Twitter con hashtag, abbreviazioni, errori di battitura e discorsi colloquiali a volte non sono affidabili. Ma i volumi spesso compensano la mancanza di qualità e precisione.

Valore – Si riferisce alla nostra capacità di estrarre dall’analisi dei dati elementi utili per migliorare il business, un servizio, la nostra salute, e qualsiasi altro contesto in cui determinate informazioni possono avere un impatto decisionale positivo. Molti definiscono il valore anche monetizzazione, che è corretto, ma insufficiente a capire la portata che l’analisi dei dati può avere nella qualità della vita e in diversi contesti in cui il valore non è solo economico, ma qualcosa di diverso come la salute, la sostenibilità ambientale, la ricerca, la sicurezza, la giustizia.

Secondo Bernard Marr (esperto di dati e autore del libro ‘Big Data – Using Smart Big Data, Analytics and Metrics To Make Better Decisions and Improve Performance) la V di Valore è l’unica che ha veramente importanza. Se i dati non vengono utilizzati, gestiti e capiti, non si trasformano in conoscenza, che in ultima analisi è ciò che serve per prendere decisioni più consapevoli, in ambito business e non solo. Dalla personalizzazione della comunicazione con il cliente all’efficientamento dei processi produttivi, passando per la gestione dei flussi e delle emergenze, i Big Data Analytics hanno un impatto in tutti i processi.

L’impatto dei Big Data

L’uso dei dati oggi sta trasformando il nostro modo di vivere e lavorare, sta trasformando le nostre economie. Le aziende di tutto il mondo utilizzano i dati per trasformarsi e diventare più agili, migliorare l’esperienza dei clienti, introdurre nuovi modelli di business e ottenere vantaggio competitivo. I consumatori vivono in un mondo sempre più digitale, che dipende dai canali online e mobili per connettersi con amici e familiari, accedere a beni e servizi, e gestire quasi ogni aspetto della loro vita, anche mentre dormono. Gran parte dell’economia di oggi si basa sui dati, anche in un settore come l’agricoltura, e questa dipendenza non potrà che aumentare in futuro, poiché le aziende catturano, catalogano e immagazzinano dati in ogni fase della loro catena di fornitura; le imprese raccolgono grandi quantità di dati dei clienti per fornire maggiori livelli di personalizzazione; e i consumatori integrano social media, intrattenimento, cloud storage, e servizi personalizzati in tempo reale nei loro flussi di vita. La conseguenza di questa crescente dipendenza dai dati sarà una continua espansione delle dimensioni della Global Datasphere.

Sul fronte del business, i settori che possono maggiormente trarre benefici dai big data sono: Banche, Manifatturiero, Telco e Media, Intrattenimento, Sanità, Servizi, Retail/GDO, Utility, Assicurazioni, Agricoltura, Marketing e comunicazione, Formazione, Education.

L’unico ‘ostacolo’ all’utilizzo dei dati da parte delle varie industrie, ma in particolare quelle che sviluppano business con l’utente finale, è costituito dai limiti imposti da questioni di privacy e tutela del consumatore, questioni che vanno risolte a monte con l’intervento del legislatore che a livello europeo ha adottato, per esempio, il GDPR. Ma la regolamentazione non è uguale in tutto il mondo.

Quali Big Data nelle assicurazioni: data enrichment

Le assicurazione sono un settore da sempre basato sull’uso di dati, necessari per una valutazione del rischio, e la conseguente fissazione del premio, quanto più accurata possibile. L’elaborazione dei dati dell’attività assicurativa ha tradizionalmente riguardato dati demografici, dati sull’esposizione o dati comportamentali, ma oggi, queste serie di dati tradizionali sono sempre più spesso combinate con nuovi tipi di dati, come i dati dell’internet degli oggetti (Internet of Things – IoT), i dati che arrivano dai social network e i comportamenti online, i dati dei conti bancari e delle carte di credito, al fine di effettuare analisi più sofisticate e complete, in un processo comunemente noto come “data enrichment”. Che attraverso intelligenza artificiale e analytics, forniscono alle Compagnie lo strumento per rivoluzionare processi, costi operativi, offerte, relazione con il cliente.

I Big Data possono aiutare le Compagnie in diversi modi:

Valutazione del rischio e fissazione dei premi. Un esempio applicativo sotto gli occhi di tutti è in ambito polizze auto, dove attraverso i dati ulteriori forniti dalle black box è oggi possibile per le Compagnie ridurre il premio, fare sconti o addirittura fornire polizze usage-based;

–  Conoscere meglio i clienti e le sue esigenze. L’analisi dei dati offre una comprensione più profonda del comportamento dei clienti, di ciò che cercano con le polizze assicurative, di potenziali problemi che possono causare attriti, dei canali più efficaci per raggiungerli e così via; ciò significa in definitiva migliorare l’acquisizione di nuovi clienti, la soddisfazione e la fidelizzazione;

Realizzare nuovi modelli di distribuzione – assistenti virtuali, robot-consulenti e chatbot migliorano le interazioni con i clienti e rendono il marketing più mirato;

– Innovare il modello di business. I Big Data permettono alle Compagnie di ottimizzare e automatizzare i processi, riducendo costi e migliorando l’efficacia; ma soprattutto di agire in un’ottica di preventive insurance, aiutando il cliente a prevenire il danno piuttosto che occuparsi del mero risarcimento; di personalizzare servizi e pricing, di creare modelli alternativi come le polizze peer-to-peer,  on demand, micropolizze, ecc.;

Claim management. La gestione dei sinistri è uno degli ambiti che possono trarre vantaggio dai Big Data, sia in riferimento alla customer experience, sia rispetto alla riduzione delle frodi e dei costi operativi.

Le Assicurazioni stanno già utilizzando i Big Data, ma la situazione è leggermente diversa nei diversi rami.
Per esempio, nelle assicurazioni Vita e Salute, l’utilizzo di nuove fonti di dati (come i wearable) e i software di data analytics, permettono di sviluppare nuovi modelli assicurativi che non solo possono essere più mirati, ma incoraggiano anche i consumatori a migliorare il proprio stile di vita offrendo sconti a coloro che realizzano comportamenti più virtuosi. Tuttavia, in questi ambiti l’utilizzo di Big Data pone anche questioni circa la tutela della privacy, la sicurezza e l’etica.

La situazione è più semplice per il ramo danni, dove tali problemi relativi all’uso dei dati pongono meno problemi, in quanto si tratta spesso di dati crittografati (quelli dei GPS usati per le assicurazioni auto, per esempio) o in ogni caso dati meno afferenti la sfera personale, quindi dati non sensibili.

Un ambito in cui si sta verificando un’ampia applicazione di Big Data e tecnologie AI è quello del Travel Insurance. Il prezzo relativamente basso della polizza rende l’assicurazione viaggio una decisione piuttosto rapida e le tecnologie possono accelerare l’interazione con i clienti, fornire prodotti e servizi più personalizzati, automatizzare la comunicazione semplice, migliorare la soddisfazione del cliente e configurare rapidamente l’offerta più vantaggiosa.

Big Data in ambito salute

In ambito salute, l’approccio data-driven cambia radicalmente la prospettiva di servizi e soluzioni anche per le assicurazioni. La salute è un bene primario ad ogni latitudine e l’attenzione a questo tema è affidata a differenti entità pubbliche e private, oltre naturalmente al coinvolgimento della persona in prima persona. Il sistema sanitario è anche molto complesso, tradizionalmente afflitto da problemi di costi, di efficienza ed efficacia.

Le tecnologie Big Data nell’Healthcare possono condurre a numerosi benefici rispetto a tutti questi tipici, annosi problemi. Ma non solo, i big data permettono finalmente di spingere e fare leva sulla prevenzione come mai prima. Proprio in questa direzione stanno andando anche le assicurazioni, ribaltando la loro tradizionale posizione di risarcimento in caso di malattia verso un supporto alla prevenzione della malattia.

Grazie all’utilizzo di Big Data analytics e di sistemi digitali di monitoraggio della salute (wearable, tracker, dispositivi medici di nuova generazione, app), le assicurazioni possono oggi cambiare pelle ed avere un ruolo attivo nell’ecosistema della salute, rinnovando i propri modelli di business e la proposizione al cliente.

Come si evolve la Data Science

La Data Science è un settore interdisciplinare che utilizza metodi scientifici, processi, algoritmi e sistemi per estrarre valore dai dati. I data scientist combinano le competenze in varie discipline, tra cui statistica, informatica ed economia aziendale, per analizzare i dati raccolti dal Web, dagli smartphone, dai clienti, dai sensori e da altre fonti. Sempre di più il team data science delle aziende includerà profili umanistici, come psicologi, filosofi, antropologhi, comportamentisti, così come esperti di neuroscienze.

Perché?

Si è oramai capito che la raccolta e la gestione dei dati non può essere un ‘far west’, soprattutto laddove si parla di dati personali e sensibili: come dicevamo all’inizio, ognuno di noi quotidianamente produce dati, consapevolmente o inconsapevolmente. In questa prima decina di anni di boom della ‘data economy’ i limiti imposti alla privacy e al trattamento dati sono stati davvero pochi e i big data hanno già rivelato il loro lato oscuro. Pochi concreti vantaggi per gli utenti. L’Europa è stata pioniera con il GDPR di una regolamentazione standardizzata, ma in altri Paesi del mondo non ci sono ancora grandi limiti. Lo Stato della California, la terra delle tech company, ha da qualche mese approvato (sarà pienamente operativo nel 2020) una legge che si ispira al GDPR, il California Consumer Privacy Act. Un deciso passo avanti.

La legge, tuttavia, con i suoi tempi e le sue esigenze di contemperanza di diversi interessi, non riuscirà a stare al passo con lo sfruttamento dei dati e con le continue evoluzioni tecnologiche, è pertanto un bene che stia emergendo il cosiddetto ‘ethical approach’, l’approccio etico ai dati, che le aziende scelgono se fare proprio a prescindere da quanto la legge richiederebbe.

L’approccio etico ai dati richiede alle aziende trasparenza, equità e un utilizzo che abbia quale fine ultimo il miglioramento dei servizi in ottica customer centric, capace di restituire reale valore al cliente finale.  E’ una transizione importante che porta un campo prettamente tecnico, quello della Data Science tradizionale, all’integrazione con le Scienze Umane, che da un lato aiutano a capire e interpretare i dati stessi e li rendono più aderenti alla vita reale, cogliendo anche aspetti emotivi e irrazionali; dall’altro aiutano a coltivare l’etica dei dati e supportare decisioni aziendali profittevoli ma responsabili.

L’articolo I Big Data nelle assicurazioni, tra opportunità e approccio etico proviene da InsuranceUp.