Banche, assicurazioni e salute. L’AI cambia i servizi

L’intelligenza artificiale cambia i servizi
L’intelligenza artificiale come catalizzatore del cambiamento

L’intelligenza artificiale come catalizzatore del cambiamento, passando da un approccio reattivo a uno predittivo, mixando progettualità ed esperienze appartenenti a settori diversi

Salute, banche, assicurazioni rappresentano i settori più attivi nell’introduzione di soluzioni di intelligenza artificiale. Il campo della diagnostica preventiva, consulenza medica e quello del banking-finance-insurance presentano i casi di applicazione più avanzati. Le soluzioni più utilizzate sono quelle di intelligent data processing e i virtual assistant/chatbot. L’AI come catalizzatore del cambiamento, passando da un approccio reattivo a uno predittivo per vivere meglio, dai luoghi del lavoro a quelli della vita domestica, mixando progettualità ed esperienze appartenenti a settori diversi, per migliorare esperienza, performance, capacità di ascolto e capacità diagnostica e di prevenzione anche degli attacchi malware alle infrastrutture critiche. Lo scenario in cui viviamo è quello di una rivoluzione industriale molto più veloce di quelle vissute in passato. Le banche sono nel mirino della digital transformation.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

Strategia di ecosistema, partnership e monetizzazione dei dati. La vera sfida è l’open banking. Banche e assicurazioni sono tra i primi investitori in soluzioni di big data analytics nel 2017 (dati IDC). Automatizzare i processi, innovare la cultura aziendale e sviluppare modelli di business in grado di migliorare i servizi e la customer relation. Recuperare il patrimonio di fiducia e grazie alla potenza della trasformazione digitale, costruire relazioni e servizi nuovi. Banche e assicurazioni utilizzano la tecnologia machine learning per prevenire le frodi. Gli insight possono individuare opportunità di investimento o il momento migliore per il business. Grazie al data mining è possibile identificare i clienti con profili ad alto rischio. Una foto del sinistro elaborata da un algoritmo può sostituire il classico modulo blu di constatazione del sinistro. Chatbot e assistenti virtuali possono fornire consigli e indicazioni agli utenti sulla base del loro profilo, la loro storia. AI e analytics possono fare valutazioni veloci e precise sul merito di credito di un cliente, anche anticipandone i bisogni. Possibile anche una completa automatizzazione del processo di investimento. Tra le altre applicazioni: consulenza automatizzata di investimenti, analisi del credito più veloci, automatizzazione delle operazioni ripetitive. L’analisi dei dati cambia l’industria assicurativa. Nella Passenger Economy, gli utenti diventano “punti di contatto”. E la sicurezza non può essere un optional delle connected car. L’utilizzo di analytics “on the edge” su dati costantemente real-time, ribalta le logiche assicurative tradizionali. Scatole nere e smartphone permettono di fare risk assessment innovativo con i dati dinamici del guidatore, tenendo conto dei comportamenti frequenti, del contesto e delle zone di transito abituali, non solo della targa. Il machine learning, grazie ai dispositivi indossabili, può essere di grande aiuto per valutare la salute del paziente in tempo reale, supportando il personale medico nell’analisi dei dati per migliorare diagnosi e trattamento dei pazienti.

Leggi anche:  Ugo Romano, CEO di Dyna Brains a WeChangeIT Forum 2023 - VIDEO

Se con la robotica aumentiamo la capacità e precisione del chirurgo, con la AI siamo alla vera e propria intelligenza aumentata. Ma è soprattutto nella ricerca scientifica che l’integrazione tra intelligenza umana e intelligenza artificiale può dare i risultati più interessanti. Le neuroscienze computazionali possono aiutare i ricercatori a testare varie ipotesi che richiederebbero esperimenti lunghi e complicati, permettendo di scartare a priori le ipotesi che vengono escluse dalla simulazione e concentrandosi solo sulle ipotesi più plausibili. Grazie all’AI possiamo testare la coerenza logica dei dati dopo un esperimento in laboratorio, ma anche trovare una pista nuova da seguire nel caso che gli esperimenti non diano i risultati sperati. Si tratta di una sinergia simile al lavoro dell’artista che lavora gomito a gomito con un ingegnere. L’artista fornisce le idee e l’ingegnere dice cosa è possibile fare. A volte l’artista è il teorico e l’ingegnere è lo sperimentalista, ma la cosa interessante è che a volte i ruoli si invertono.


Partecipanti al panel:

Michele Carmina head of Group Data & Digital IT – Assicurazioni Generali

Alessandro Rancitelli IT business partner – Bayer

Saverio Ferraro deputy CIO, BNL – Gruppo BNP Paribas

Laura Cancedda senior researcher tenured Istituto Italiano di Tecnologia IIT – Istituto Telethon Dulbecco

Salvatore Gervasi head of enterprise sales – Kaspersky Lab Italia

Andrea Dupplicato CIO Istituto Europeo di Oncologia – Centro Cardiologico Monzino

Roberto Lei country manager Italy – Pegasystems