Sustainability
CRIF fornisce informazioni qualificate, analytics avanzati, piattaforme tecnologiche e servizi di advisory personalizzati, che supportano clienti e partner nell'accelerare la crescita sostenibile e vincere la sfida
Scopri di più
In un mercato assicurativo sempre più chiamato a coniugare innovazione, personalizzazione dell’offerta e sostenibilità economica, la capacità di valorizzare dati e intelligenza artificiale rappresenta una leva strategica per sviluppare il segmento delle PMI. In questo contesto, CRIF ha portato la propria visione all’Insurtech Day – Empowering Ecosystems, l’evento su due giorni, promosso da Italian Insurtech Association (IIA ), che ha riunito i principali attori del settore per confrontarsi sul ruolo di innovazione e tecnologia nello sviluppo degli ecosistemi assicurativi.
Nel corso della prima giornata, Filippo Sirotti, Senior Director Offering Development Insurance Market di CRIF, è intervenuto con il keynote speech “Dati e AI al servizio di un nuovo approccio alle PMI”, illustrando come dati, analytics avanzati e intelligenza artificiale possano contribuire a ridurre il protection gap delle piccole e medie imprese e supportare una crescita profittevole del business assicurativo.
Durante l’intervento, Sirotti ha evidenziato come il segmento delle PMI rappresenti una delle principali opportunità di sviluppo per compagnie assicurative e intermediari. Il protection gap raggiunge infatti il 52% nelle microimprese e il 27% nelle imprese più strutturate, a dimostrazione del fatto che una parte significativa dei bisogni assicurativi resta ancora inespressa.
Il nuovo paradigma proposto da CRIF fa leva su un approccio data-driven che, partendo dalla sola Partita IVA, combina data augmentation e modelli di AI per identificare automaticamente i bisogni assicurativi di un’impresa, configurare un’offerta personalizzata e supportare la generazione del preventivo. E’ così possibile accelerare il processo di sottoscrizione, migliorandone al contempo qualità e accuratezza, per arrivare in molti casi ad emettere una polizza in modalità completamente automatica.
Particolare attenzione è stata dedicata alla valutazione del rischio. Sirotti ha illustrato come sia necessario affiancare all’analisi del rischio oggettivo, legato alla pericolosità intrinseca, alla vulnerabilità e all’esposizione, quella del rischio soggettivo, connessa ai comportamenti dell’impresa e dell’imprenditore.
Se tradizionalmente queste valutazioni si basano soprattutto su questionari, ispezioni tecniche o sull’esperienza dell’intermediario, oggi dati e analytics consentono di effettuare analisi più obiettive e omogenee. Informazioni sull'esposizione al rischio, dati economico-finanziari, insight single-name, indicatori micro-geografici e valutazioni ESG permettono infatti di affinare la segmentazione del rischio e supportare processi di underwriting più accurati.
L’ESG costituisce un esempio molto interessante di come una valutazione sulla qualità imprenditoriale della PMI possa contribuire concretamente a migliorare la capacità di valutazione del rischio assicurativo.
A supporto di questa visione, Sirotti ha presentato i risultati dell’esperienza maturata attraverso il CRIF Data Lake ESG, che raccoglie circa 150 indicatori e copre oltre 5 milioni di imprese italiane. Le analisi condotte evidenziano una correlazione significativa tra sostenibilità e rischio assicurativo: le imprese maggiormente allineate ai principi ESG tendono infatti a registrare livelli di sinistrosità e loss ratio significativamente inferiori rispetto a quelle meno virtuose.
La partecipazione di CRIF all'Insurtech Day conferma l'impegno dell'azienda nello sviluppo di soluzioni data-driven in grado di supportare compagnie e intermediari nell'evoluzione dei processi assicurativi. Attraverso la combinazione di dati, analytics avanzati e intelligenza artificiale, CRIF continua a investire in modelli che consentono una migliore comprensione di caratteristiche ed esigenze delle PMI, una valutazione più accurata del rischio e una maggiore personalizzazione dell'offerta.