1. Come ha trasformato l’Intelligenza Artificiale il tuo approccio all’analisi dei dati?
L’Intelligenza Artificiale ha trasformato significativamente l’approccio all’analisi dei dati, consentendo un’elaborazione più efficiente, precisa, migliorando la capacità di prendere decisioni in tempo reale. Vi sono alcuni aspetti in cui tali vantaggi emergono particolarmente. Tra i più importanti troviamo l’Elaborazione Avanzata dei Dati e il Riconoscimento di Pattern, che traducono la capacità dell’IA di analizzare enormi quantità di dati provenienti da veicoli, tra cui letture GPS, accelerometri e giroscopi, molto più efficacemente rispetto ai metodi tradizionali. I modelli di Machine Learning (ML) possono individuare pattern nel comportamento di guida, nel consumo di carburante e nell’usura del veicolo, generando insights più accurati. Inoltre, l’IA permette di sviluppare modelli predittivi per aiutare a prevedere guasti ai veicoli tramite l’analisi di dati storici dei sensori, consentendo ai gestori di flotte di pianificare la manutenzione in modo proattivo, riducendo i tempi di inattività e i costi di riparazione. Analogamente, i modelli di valutazione del rischio basati sull’IA analizzano il comportamento del conducente per prevedere la probabilità di incidenti, permettendo agli assicuratori di offrire tariffe dinamiche.
Un altro aspetto significativo risiede nella capacità dell’IA di comprimere e trasmettere i dati telematici in modo efficiente, garantendo una perdita minima di informazioni: tecniche come Autoencoders e Neural Compression consentono la trasmissione di dati in tempo reale anche in ambienti a banda larga limitata. L’IA migliora, altresì, il monitoraggio in tempo reale tramite la rilevazione delle anomalie come frenate brusche, accelerazioni aggressive o movimenti insoliti del veicolo. Può, inoltre distinguere tra comportamenti normali e rischiosi, attivando avvisi o azioni automatizzate. Infine, i modelli di IA identificano incongruenze nelle richieste di risarcimento confrontando i dati sugli incidenti con schemi storici. Altri aspetti rilevanti sono la visione artificiale e il rilevamento di anomalie dai sensori che aiutano a individuare incidenti simulati, danni esagerati o frodi.
2. Come vedi l’evoluzione del ruolo dell’analisi dei dati nei prossimi cinque anni?
Il ruolo dell’Intelligenza Artificiale e dell’analisi dei dati nelle aziende telematiche è destinato a evolversi significativamente nei prossimi cinque anni, grazie alla spinta ricevuta dai progressi tecnologici, dai cambiamenti normativi e dalla domanda di mercato.
Assisteremo al passaggio dell’’IA e dell’analisi dei dati da strumenti di supporto a risorse strategiche fondamentali nel settore telematico. Inoltre, le aziende che sfrutteranno l’IA al fine di intraprendere decisioni in tempo reale, tramite analisi predittive e grazie all’ automazione dei processi, garantiranno al contempo conformità normativa e privacy dei dati, ottenendo un vantaggio competitivo notevole.
Certamente l’IA migliorerà ancora di più la valutazione del rischio e l’analisi del comportamento alla guida, Traducendo in benefici un approccio basato sui dati più evidenti.
Le auto connesse faciliteranno l’accesso ai dati necessari per questo tipo di analisi, agevolando l’adozione di tali servizi nel mercato assicurativo. Il premio assicurativo sarà stimato sulla base di evidenze relative ai dati di guida dell’utente, in modo più equo e non sarà più calcolato utilizzando dati come il codice postale di residenza o la cilindrata dell’auto.
Stiamo familiarizzando sempre più con il termine “mutualità. Cosa intendiamo dire? Se non sono in grado di valutare il rischio con grande precisione, gli utenti più sicuri pagheranno il rischio di quelli più rischiosi affinché l’intero portafoglio assicurativo rimanga redditizio.
La telematica è dunque la chiave per diventare più equi; vediamo il mercato andare in questa direzione e la prova più recente è il Product Oversight and Governance (POG), regolamentato da IVASS.
Nel lungo periodo, con l’aumento del numero di auto connesse, assisteremo a uno spostamento verso l’edge AI (elaborazione dei dati più vicino alla fonte, cioè il veicolo), che consentirà di intraprendere decisioni più rapide e in tempo reale per applicazioni come il rilevamento degli incidenti, l’ottimizzazione del traffico e la gestione delle flotte. Ciò ridurrà la dipendenza dall’elaborazione centralizzata nel cloud, migliorando l’efficienza e riducendo la latenza. Inoltre, la telematica diventerà più profondamente integrata nelle smart cities, contribuendo a ottimizzare il flusso del traffico e la mobilità urbana, mentre l’IA applicata alla telematica sarà cruciale nella crescita di veicoli autonomi e semi-autonomi, migliorando la sicurezza attraverso valutazioni di rischio in tempo reale e comunicazioni con le infrastrutture circostanti. Pertanto, l’adozione della comunicazione Vehicle-to-Everything (V2X) migliorerà di gran lunga la sicurezza stradale e la gestione della congestione.
3. Quali sono le sfide più significative riguardo all’implementazione dell’AI nei team di analisi dei dati?
Le sfide più grandi nell’implementare l’AI all’interno dei team di analisi dei dati riguardano diversi aspetti. Innanzitutto, le fonti di dati sono frammentate, poiché i dati telematici provengono da molteplici fonti come GPS, sensori e diagnosi a bordo che spesso sono in formati diversi e con livelli di granularità differenti. Ciò che complica particolarmente le cose è la mancanza di una regolamentazione unificata: ogni OEM (costruttore di veicoli) ha, infatti, il proprio modello di dati, sensori e algoritmi di rilevamento.
Inoltre, i modelli di AI richiedono flussi di dati continui, ma non tutte le aziende dispongono dell’infrastruttura necessaria per gestire l’ingestione e l’analisi in tempo reale: elaborare grandi volumi di dati telematici in tempo reale richiede investimenti significativi in infrastrutture cloud e di intelligenza artificiale.
I modelli di AI devono anche essere aggiornati costantemente con nuovi dati di guida, il che richiede monitoraggio continuo e retraining per mantenere la loro rilevanza. Devono inoltre essere integrati nei flussi di lavoro esistenti, dalla valutazione del rischio alla gestione dei sinistri, senza interrompere le operazioni.
Superare queste sfide richiede una forte sinergia tra governance dei dati, pipeline avanzate di machine learning, collaborazione tra team di AI e business, oltre a un approccio strategico per la conformità normativa. Le aziende che affrontano efficacemente questi ostacoli otterranno un vantaggio competitivo nel panorama in evoluzione della telematica.
4. Che tipo di progressi in termini di soluzioni e prodotti prevedi nel prossimo futuro?
Credo che si verificheranno diversi cambiamenti nell’ambito delle soluzioni e dei prodotti nel settore della telematica, guidati dall’AI, IoT e analisi dei dati. La telematica, di fatti, sta evolvendo da semplice raccolta passiva di dati a decisioni in tempo reale supportate dall’intelligenza artificiale con la conseguenza che le soluzioni future si concentreranno su prezzi assicurativi personalizzati, equi e dinamici, sulla sicurezza e manutenzione proattiva dei veicoli, su servizi di mobilità senza soluzione di continuità e su implementazioni di AI orientate alla privacy.
Tuttavia, i modelli basati sull’AI andranno oltre l’assicurazione basata sui chilometri percorsi, prevedendo il rischio e considerando i sistemi di sicurezza e tecnologia del veicolo, le condizioni del traffico e persino la stanchezza del conducente. Le polizze diventeranno ancora più personalizzate, adattando i prezzi in modo dinamico, in base ai fattori di rischio, mentre gli assicuratori implementeranno modelli “Pay-How-You-Drive” (PHYD) e “Pay-As-You-Drive” (PAYD) con una precisione sempre maggiore.
Un’altra sfida riguarderà la riduzione dei costi delle dashcam alimentate dall’AI, che già oggi sono in grado di elaborare dati video in tempo reale per rilevare comportamenti rischiosi (ad esempio, guida distratta, coda lunga, sonnolenza) e l’Edge computing che permette ai modelli di AI di analizzare i flussi video istantaneamente sul dispositivo, riducendo la dipendenza dal cloud computing. La grande sfida risiederà nella riduzione dell’impronta dei modelli di AI e nella ottimizzazione delle piattaforme hardware, consentendo di superare l’attuale barriera dei costi di adozione.
Abbiamo già a disposizione tecnologie sulle piattaforme di telematica per rilevare automaticamente gli incidenti, valutare i danni tramite riconoscimento delle immagini alimentato dall’AI e attivare risposte di emergenza, generando report istantanei basati sull’AI al fine di velocizzare i processi di liquidazione e ridurre le frodi. Tali soluzioni, raggiungeranno nel tempo il massimo livello di servizio e diventeranno ancora più spiegabili e prive di bias, in linea con le normative UE sull’AI.
5. Puoi condividere un esempio di successo relativo ad un progetto di analisi guidato da AI?
Potrei parlare della collaborazione tra ABAX Group e OCTO Telematics, finalizzata a migliorare la valutazione del rischio e a consentire tariffe iper-personalizzate, non solo per le flotte commerciali. Nel febbraio 2025, dopo un processo di RFP (Richiesta di Offerta) della durata di sei mesi, la divisione assicurativa di ABAX, chiamata “Fair”, ha scelto OCTO Telematics come partner per il calcolo del rischio per i clienti con assicurazione basata sull’uso (UBI). Questa collaborazione strategica è stata creata per sfruttare le avanzate capacità analitiche alimentate dall’IA di OCTO, al fine di migliorare le valutazioni del rischio, ottimizzare i modelli di prezzo e avvalorare sperienza complessiva del cliente.
La partnership si è basata sull’integrazione delle sofisticate capacità di valutazione del rischio di OCTO nelle offerte assicurative di ABAX. La tecnologia di OCTO ha raccolto e analizzato un’ampia gamma di dati telematici, tra cui il comportamento di guida, le tipologie di strada, gli orari di viaggio, la durata e la velocità media. Questi dati, poi, sono stati elaborati in statistiche utili che costituiscono la base per sviluppare programmi UBI che riflettono gli stili di guida e i comportamenti individuali.
Adottando gli strumenti di valutazione del rischio basati sull’IA di OCTO, ABAX ha offerto tariffe assicurative più accurate e personalizzate per i piccoli operatori di flotte.
Questo approccio non solo ha allineato i premi più strettamente al rischio reale, ma ha anche incentivato i comportamenti di guida più sicuri tra gli assicurati. La collaborazione ha dimostrato come i dati telematici e l’IA possano trasformare i modelli assicurativi tradizionali, offrendo soluzioni su misura a beneficio sia degli assicuratori che degli assicurati.
Ciò evidenzia il potenziale dell’analisi guidata dall’IA nel settore telematico, in particolare nella creazione di strategie di prezzo personalizzate per le flotte commerciali.
Sfruttando, infatti, dati di guida dettagliati e avanzati sistemi di valutazione del rischio, gli assicuratori possono offrire polizze più eque, basate sull’uso, promuovendo sicurezza ed efficienza.