I ricercatori Christian Irlbeck, Grier Tumas Dienstag, Leda Zaharieva e Matthew Scally, insieme a Richard Zhang e Ritapa Ray, rappresentando il punto di vista della Insurance Practice di McKinsey, hanno pubblicato nel febbraio 2026 un articolo dedicato all’impatto dell’intelligenza artificiale sul settore assicurativo. L’articolo offre una panoramica aggiornata del tema. Di seguito alcuni dei punti principali.

Il settore assicurativo rappresenta una grande opportunità per la creazione di valore attraverso l’AI, e la tecnologia continuerà a diffondersi lungo tutta la filiera nei prossimi mesi e anni.

Il potenziale di creazione di valore guidato dall’AI

Il settore assicurativo dispone di enormi quantità di dati strutturati e non strutturati, mentre molti processi lungo la catena del valore sono ancora gestiti manualmente. Allo stesso tempo, il settore è sempre più esposto a rischi complessi, come cyberattacchi, eventi climatici e altre catastrofi, oltre agli stessi rischi legati all’AI. Queste dinamiche creano condizioni ideali per l’adozione tecnologica, e i ricercatori vedono il settore evolversi lungo una “scala dell’AI”:

1. L’AI tradizionale, sotto forma di analisi predittiva dei dati, è già consolidata nelle attività di rilevazione delle frodi, pricing e modellazione del rischio
2. L’AI generativa sta iniziando a trasformare le attività basate sui documenti, come emissione delle polizze, gestione delle submission e alcune fasi della gestione sinistri.
3. Una nuova frontiera rappresentata dall’AI agentica promette di gestire autonomamente workflow end-to-end, dall’acquisto fino ad alcune attività di valutazione del rischio.

Sebbene l’AI trasformerà diverse componenti della catena del valore assicurativa, gli autori ritengono più probabile una ridefinizione dei modelli esistenti piuttosto che una loro disintermediazione. L’obiettivo è identificare metodicamente quali asset stanno realmente avanzando lungo la scala dell’AI e dove la tecnologia potrà migliorare maggiormente performance e competitività.

Secondo la ricerca, McKinsey stima che l’AI generativa potrebbe generare tra i 50 e i 70 miliardi di dollari di ricavi aggiuntivi per il settore assicurativo, con il maggiore impatto nelle aree marketing e vendite, customer operations e software engineering.

I sottosettori in cui l’AI sta trasformando le performance

Sebbene molti casi d’uso richiederanno ancora supervisione umana, l’AI sta già modificando le performance di broker, managing general agents, software provider e third-party administrator. Di seguito i singoli sottosettori e il modo in cui l’AI sta influenzando l’interesse degli investitori.

Broker (retail e wholesale)

Con la maturazione del mercato, la creazione di valore non si concentra più soltanto sui processi di aggregazione dei broker — grande trend degli ultimi anni — ma anche sull’integrazione verticale, sul placement abilitato dalla tecnologia e sull’utilizzo dei dati per offrire una consulenza più evoluta sul rischio. L’AI rappresenta un elemento chiave di questa nuova fase.

Più che sostituire broker e produttori, l’AI probabilmente consentirà loro di supportare meglio i clienti nella gestione del rischio e di ampliare i margini. Gli autori sottolineano che i primi casi d’uso dell’AI generativa stanno già migliorando efficienza e conversione. Tra questi vi sono l’automazione dell’ingestione delle submission, il matching con l’appetito delle compagnie e l’utilizzo di placement copilot per rinnovi e cross-selling.

Nel tempo, l’AI agentica potrebbe arrivare a gestire interamente il rinnovo di rischi semplici, mettendo dinamicamente in contatto clienti e capacity provider con un intervento umano limitato, ma mantenendo il controllo in capo ai broker.

I clienti continuano a valorizzare i broker per la consulenza personalizzata, affidabile e per l’accesso al mercato. Piuttosto che sostituire il ruolo del broker, la tecnologia lo rafforza, abilitando nuove applicazioni di lead generation e strumenti evoluti di supporto alla vendita.

L’analisi evidenzia che, nel lungo periodo, il gap competitivo aumenterà tra i broker che sapranno utilizzare efficacemente l’AI e quelli che non lo faranno.

Managing General Agents (MGA)

Gli MGA sono stati uno dei sottosettori a più rapida crescita nell’assicurazione. Sono diventati centrali nell’innovazione del settore, creando domanda per un utilizzo sempre più sofisticato di dati e tecnologia.

Con l’evoluzione del mercato, l’AI può creare valore sia nell’underwriting sia nella distribuzione. Nell’underwriting, l’AI viene utilizzata per accelerare e personalizzare intake e submission, effettuare segmentazioni molto granulari e risk scoring avanzati, oltre a redigere documenti e comunicazioni personalizzate per semplificare emissione e follow-up.

Oltre all’adozione efficace dell’AI, il possesso e l’attivazione dei dati diventeranno una fonte distintiva di valore. Gli MGA in grado di consolidare, arricchire e proteggere dati proprietari diventeranno partner indispensabili sia per i broker sia per le compagnie, grazie alla capacità di restituire insight di rischio migliori all’intero ecosistema.

Gli MGA che sapranno combinare relazioni solide, proprietà del dato e utilizzo avanzato dell’AI saranno quelli maggiormente differenziati. Utilizzeranno l’AI per rafforzare — non sostituire — il giudizio umano nell’underwriting.

Software provider

Le piattaforme software e data platform restano una delle aree di investimento a più rapida crescita nel settore assicurativo, con una crescita media annua di circa il 20% nei cinque anni fino alla prima metà del 2025.

Con il passaggio dell’AI dalla fase sperimentale a quella di adozione diffusa, la nuova frontiera per i software provider non sarà determinata soltanto dalle performance dei modelli, ma anche dal modo in cui le imprese stanno ripensando architetture e modelli di procurement.

I ricercatori sottolineano che le compagnie si stanno allontanando dai sistemi monolitici per adottare ambienti modulari e aperti, capaci di far interoperare strumenti AI best-of-breed: quello che viene definito “agentic AI mesh”.

Gli autori evidenziano che, man mano che le compagnie assicurative evolveranno verso architetture modulari e collaborazione multi-agent, le piattaforme capaci di garantire questa agilità otterranno valutazioni premium e diventeranno la spina dorsale del prossimo capitolo digitale del settore.

Third-party administrator (TPA)

I TPA continuano a rappresentare un focus importante per il private equity: secondo PitchBook, il numero medio annuale di operazioni in questo segmento è cresciuto di circa il 15% negli ultimi cinque anni.

Non è ancora chiaro in che modo i TPA riusciranno a monetizzare in modo stabile i guadagni di efficienza generati dall’AI. Molti modelli commerciali dei TPA sono ancora basati sul numero di persone impiegate, sull’attività svolta o su logiche cost-plus. In questi modelli, l’automazione può addirittura comprimere i ricavi, anche quando le performance migliorano.

Questo crea una tensione strategica concreta: l’AI può rendere i TPA operatori più efficienti, ma allo stesso tempo indebolire il modello con cui vengono remunerati.

Per questo motivo, gli autori ritengono che la prossima fase del sottosettore sarà definita meno dall’adozione dell’AI — che avverrà comunque — e più dalla capacità dei TPA di evolvere modelli di pricing e posizionamento competitivo.

Con la riduzione del vantaggio competitivo derivante dalla complessità operativa, mantenere competitività sui costi e innovazione continua sarà fondamentale.

Come l’AI cambierà i modelli di talento

McKinsey stima che le tecnologie disponibili oggi potrebbero teoricamente automatizzare oltre la metà delle attuali ore lavorative negli Stati Uniti. Due terzi delle ore lavorate sono oggi dedicate ad attività non fisiche, molto simili a quelle presenti nella catena del valore assicurativa.

Le attuali workforce dovranno evolvere e acquisire competenze AI per restare competitive. Non sarà sufficiente imparare a integrarsi con i processi AI: sarà necessario passare da attività operative di base a capacità di interpretazione, contestualizzazione e attivazione degli insight.

Con l’evoluzione del panorama assicurativo, l’AI ridefinirà la creazione di valore in ogni segmento del mercato.

Quattro priorità per gli investitori

La maggior parte degli investitori nel settore assicurativo riconosce ormai il potenziale dirompente dell’AI, ma molti stanno ancora cercando di capire come agire. Alcuni stanno integrando l’AI nei processi di due diligence; altri stanno mobilitando le portfolio company per preservare il posizionamento di mercato e creare nuove opportunità di valore.

La sfida consiste nel decidere dove investire, quanto rapidamente muoversi e come costruire vantaggi competitivi duraturi. In generale, emergono quattro priorità chiave per gli investitori assicurativi che vogliono trasformare l’AI in un elemento distintivo del proprio portafoglio.

Nel settore assicurativo, la gestione di un sinistro è storicamente legata a uno scenario di elevata complessità. È un momento critico caratterizzato da asimmetria informativa, variabili impreviste e processi che spesso richiedono tempi prolungati per essere ricomposti in un quadro coerente. Tuttavia, l’evoluzione tecnologica sta delineando un nuovo paradigma: quello dell’incidente perfetto.

Ma come può un evento critico essere definito perfetto? La risposta risiede nella capacità della tecnologia di trasformare l’imprevedibilità in un flusso di dati certi, trasparenti e immediatamente azionabili.

L’impatto oggettivo: la telematica come prova scientifica

L’incidente perfetto inizia con il superamento della soggettività. In uno scenario tradizionale, la ricostruzione della dinamica si basa su evidenze spesso parziali. Nell’incidente perfetto, i sistemi di bordo e i sensori connessi agiscono come un testimone oggettivo e infallibile.

Dati come la velocità, l’intensità dell’accelerazione e il punto esatto dell’impatto vengono registrati e certificati istantaneamente. Questa oggettivazione del dato permette di passare senza soluzione di continuità dalla fase di accertamento a quella di gestione, eliminando le zone d’ombra e accelerando drasticamente l’apertura della pratica.

L’algoritmo della gestione: l’intervento dell’AI

Se la telematica fornisce le evidenze per analizzare l’evento, l’Intelligenza Artificiale rappresenta il motore in grado di processarle. Nel momento esatto in cui avviene l’impatto, l’AI è già in grado di tradurre i segnali elettrici in valutazioni concrete.

Attraverso modelli di analisi avanzata e la valutazione automatizzata dei danni, il processo di stima diventa proattivo. Il sistema può valutare l’entità del danno in tempo reale, suggerire la logistica più efficiente per la riparazione o attivare percorsi di liquidazione automatizzati per i sinistri di minore entità. L’AI trasforma i tempi di attesa in flussi di lavoro immediati, rendendo l’esperienza operativa lineare e priva di attriti.

Verso un ecosistema predittivo e sostenibile

Un incidente può definirsi davvero “perfetto” se la sua analisi contribuisce a generare sicurezza per il futuro. La raccolta sistematica dei dati permette di identificare pattern di rischio e analizzare le dinamiche che precedono un impatto.

Questo approccio sposta il baricentro dell’assicurazione: da entità che interviene per risarcire il danno a partner attivo nella prevenzione. È un modello che aumenta l’efficienza dei processi e, allo stesso tempo, promuove una mobilità più consapevole, riducendo l’impatto sociale ed economico degli eventi stradali.

Il nuovo paradigma della fiducia: oltre il contratto

L’elemento più significativo di questo scenario è la ridefinizione del rapporto tra assicuratore e assistito. L’incidente perfetto è l’evento che trasforma la polizza da semplice prodotto finanziario a servizio ad alto valore aggiunto.

In un sistema governato dalla trasparenza del dato, la fiducia non è più un presupposto teorico, ma un risultato tangibile. Quando la dinamica è chiara e la risposta è immediata, il valore percepito si sposta dall’indennizzo alla qualità dell’assistenza. L’incidente perfetto, in definitiva, è quello che si risolve con la massima precisione e la minima interferenza, consolidando una relazione basata sull’efficienza e sulla chiarezza.

Perché guidare oggi richiede un tipo di attenzione completamente diverso rispetto al passato

Per anni abbiamo associato la guida distratta a comportamenti facilmente riconoscibili: controllare lo smartphone nel traffico, una notifica che interrompe l’attenzione, distogliere lo sguardo dalla strada per qualche secondo. E ancora oggi la distrazione digitale rimane uno dei principali fattori di rischio sulla strada.

Ma il problema dell’attenzione del conducente sta diventando sempre più complesso. Al di là delle ovvie distrazioni, i conducenti si trovano a gestire un flusso continuo di informazioni, notifiche e microinterazioni che rendono l’esperienza di guida mentalmente più intensa.

Guidare non significa più semplicemente controllare il veicolo e guardare la strada. Significa interagire con sistemi di navigazione, infotainment, assistenti vocali, avvisi, aggiornamenti sul traffico in tempo reale e un flusso continuo di informazioni che accompagnano il conducente durante tutto il viaggio.

Forse la più grande trasformazione della mobilità moderna non riguarda solo le tecnologie all’interno dei veicoli.

Per molto tempo, la guida è stata considerata un’attività relativamente isolata: un ambiente chiuso, fonti di stimolo limitate e un’attenzione focalizzata principalmente sulla strada.

Oggi non è più così.

Le automobili si sono gradualmente evolute in spazi connessi, interattivi e ricchi di informazioni. Anche quando i conducenti non utilizzano attivamente i loro smartphone, continuano a ricevere input costanti:

• istruzioni di navigazione,
• notifiche audio,
• suggerimenti automatici,
• aggiornamenti sul traffico,
• avvisi di sistema,
• le indicazioni per l’assistenza alla guida.

Il risultato è un’esperienza molto diversa da quella che abbiamo conosciuto in passato: meno interruzioni evidenti, ma un livello costante di stimolazione cognitiva.

Ed è proprio questo che rende il fenomeno più difficile da riconoscere.

Il paradosso dei veicoli sempre più intelligenti

Negli ultimi anni, l’industria automobilistica ha investito molto per rendere i veicoli più sicuri, più intuitivi e più assistiti.

Le tecnologie ADAS, l’automazione, le interfacce vocali e i sistemi predittivi hanno migliorato molti aspetti dell’esperienza di guida. Ma ogni nuova funzionalità cambia inevitabilmente il modo in cui le persone e la tecnologia interagiscono durante la guida. Il paradosso è che, mentre i veicoli diventano sempre più intelligenti, diventa sempre più importante progettare interazioni in grado di supportare i conducenti senza sovraccaricare la loro attenzione.

Non si tratta necessariamente di distrazioni evidenti o pericolose se considerate singolarmente. Più spesso si tratta di microinterazioni continue: leggere un avviso, interpretare un segnale acustico, controllare una mappa, decidere rapidamente quali informazioni meritano attenzione immediata.

Si tratta di una forma di attenzione frammentata che non interrompe la guida, ma la rende mentalmente più impegnativa.

Per questo motivo, il concetto di sicurezza stradale potrebbe evolversi in modo significativo nei prossimi anni. Non riguarderà solo la capacità di prevenire gli incidenti o di migliorare le prestazioni dei sistemi di assistenza alla guida. Si tratterà sempre più di ridurre il sovraccarico cognitivo del conducente.

In altre parole, aiutare i conducenti potrebbe non significare più aggiungere informazioni, ma capire quali informazioni dovrebbero essere eliminate, semplificate o rese meno invasive. La mobilità del futuro dovrà probabilmente diventare cognitivamente più silenziosa.

Nel mondo della progettazione tecnologica, questo approccio viene spesso definito ” tecnologia calma”: sistemi progettati per supportare le persone senza sovraccaricare costantemente la loro attenzione. L’idea è semplice: le tecnologie migliori non sono necessariamente quelle che richiedono un’attenzione continua, ma quelle capaci di integrarsi naturalmente nell’esperienza umana senza generare rumore cognitivo.

Applicato alla mobilità, questo concetto apre una riflessione più ampia sul futuro dell’esperienza di guida. Per anni l’innovazione automobilistica è stata associata principalmente al numero di funzioni disponibili. Oggi, invece, il vero valore può risiedere nella capacità di creare interazioni più naturali e meno invasive, progettate intorno al benessere cognitivo delle persone.

Perché in un mondo sempre più automatizzato e connesso, la vera innovazione potrebbe non consistere più nell’aggiungere nuovi stimoli.

Forse si tratta di ridare alle persone la loro attenzione.

Dai costi materiali agli impatti operativi e umani: cosa significa davvero un incidente per flotte e assicurazioni

Quando si parla di incidenti stradali, il primo pensiero va quasi sempre al danno visibile: un paraurti da sostituire, una carrozzeria da riparare, una pratica assicurativa da gestire.

Ma il costo reale di un incidente è molto più complesso.

Per compagnie assicurative e flotte aziendali, ogni sinistro rappresenta un evento che genera una catena di conseguenze — economiche, operative e umane — spesso sottovalutate o difficili da quantificare. Comprendere questa complessità è fondamentale per gestire il rischio in modo efficace e sostenibile.

I costi materiali sono la componente più immediata e tangibile di un incidente stradale. Includono:

• riparazione del veicolo
• danni a terzi
• gestione del sinistro
• eventuali costi assicurativi immediati

Negli ultimi anni, queste voci sono aumentate in modo significativo. I veicoli moderni integrano tecnologie sempre più sofisticate — sensori, radar, sistemi ADAS — che, se danneggiati, richiedono interventi complessi e costosi. Anche un impatto lieve può oggi tradursi in una riparazione articolata, con tempi e costi ben superiori rispetto al passato.

I costi operativi: l’impatto sulle flotte

Per le flotte aziendali, il vero impatto di un incidente spesso va oltre il danno materiale.

Ogni veicolo fermo rappresenta una perdita di operatività, un ritardo nelle attività, la necessità di veicoli sostitutivi e infine, inefficienze nella gestione della flotta.  A questi si aggiungono i costi indiretti legati alla riorganizzazione delle attività e alla gestione amministrativa del sinistro.

In questo contesto, anche incidenti di lieve entità possono quindi incidere significativamente sul Total Cost of Ownership (TCO), contribuendo ad aumentare il costo complessivo della mobilità aziendale.

I costi umani: una variabile spesso invisibile

Un incidente stradale non è mai solo un evento tecnico. Coinvolge persone.

Anche in assenza di conseguenze fisiche gravi, l’impatto psicologico su un driver può essere rilevante:

• aumento dello stress
• riduzione della concentrazione
• maggiore insicurezza alla guida

Questi fattori possono influenzare il comportamento nei giorni e nelle settimane successive, aumentando potenzialmente il rischio di nuovi incidenti. Per le aziende, questo si traduce in una dimensione del rischio più difficile da misurare, ma non per questo meno rilevante.

Oltre agli impatti immediati, un incidente può generare conseguenze nel medio-lungo periodo. Tra queste rientrano l’aumento dei premi assicurativi, la gestione di eventuali contenziosi, l’impatto sulla reputazione aziendale e una maggiore complessità amministrativa.

Per le compagnie assicurative, la sfida è comprendere come evolva l’equilibrio tra frequenza e severità dei sinistri, in un contesto in cui tecnologie di bordo, sistemi ADAS e costi di riparazione stanno trasformando il modo in cui il rischio viene valutato, gestito e prezzato.

Il ruolo dei dati: da reattivi a predittivi

Se il costo reale di un incidente è così articolato, la gestione del rischio non può limitarsi alla fase successiva al sinistro. Diventa invece fondamentale comprendere i comportamenti di guida, identificare le situazioni di rischio prima che si traducano in incidenti e migliorare la prevenzione attraverso insight data-driven.

In questo scenario, i dati rappresentano uno strumento chiave per trasformare la gestione degli incidenti da reattiva a predittiva.

In un contesto sempre più complesso, la capacità di rendere visibile ciò che spesso resta nascosto — attraverso i dati — diventa un vantaggio strategico.