L’intelligenza artificiale può modificare in profondità l’economia delle assicurazioni, intervenendo su alcuni dei fattori che hanno limitato la crescita del settore negli ultimi vent’anni. È la tesi di un’analisi pubblicata da McKinsey & Company nel luglio 2026, secondo cui il vantaggio competitivo non dipenderà dall’accesso ai modelli di AI, ormai sempre più diffusi, ma dalla capacità delle compagnie di integrarli nel proprio modello operativo.
Il punto di partenza è un settore che ha continuato a crescere in termini di premi, ma con una redditività aumentata più lentamente. Tra il 2005 e il 2025 i premi lordi globali sono cresciuti a un tasso medio annuo del 4,9%, arrivando a circa 8.300 miliardi di dollari, mentre gli utili ante imposte sono aumentati del 4,3%, fino a circa 580 miliardi.
Secondo McKinsey, l’AI potrebbe intervenire su quattro elementi che hanno caratterizzato l’evoluzione del comparto: la crescita dei ricavi più lenta rispetto ad altri settori, gli elevati costi della distribuzione, una produttività rimasta sostanzialmente piatta e una velocità di innovazione inferiore a quella di altre industrie. Nel ramo danni, commissioni e costi di acquisizione assorbono tra 10 e 25 centesimi di ogni dollaro di premio, mentre nel vita possono arrivare fino all’80% del primo anno di premio.
Una delle opportunità riguarda proprio l’ampliamento del mercato assicurativo. L’AI può contribuire alla nascita di nuove coperture legate, per esempio, alla responsabilità per l’intelligenza artificiale, all’interruzione dell’attività senza danno fisico e alla trasformazione del lavoro. Può anche favorire prodotti parametrici, coperture di piccolo importo integrate nel processo di acquisto e polizze attivabili on demand attraverso dati raccolti in tempo reale.
L’altra trasformazione riguarda il passaggio dall’assicurazione come semplice trasferimento del rischio a una relazione più continua con il cliente. L’AI consente di monitorare le esposizioni e intervenire prima che si trasformino in sinistri. McKinsey cita, tra gli esempi, la telematica per modificare il premio in funzione dell’utilizzo del veicolo, l’ingegneria del rischio aggiornata attraverso satelliti, telematica e Internet of Things e strumenti di supporto alla salute.
L’AI può intervenire anche nella sottoscrizione e nella gestione dei sinistri. Una maggiore disponibilità di dati in tempo reale e la possibilità di ricalibrare continuamente i modelli possono migliorare la valutazione dei rischi più volatili. Sul fronte dei sinistri, una maggiore precisione nella riservazione, l’individuazione anticipata dei problemi e decisioni più accurate nella liquidazione possono ridurre l’incertezza sui costi.
Resta però il problema dei rischi creati dalla stessa tecnologia. Le infrastrutture cloud condivise, la dipendenza da modelli comuni e le catene di fornitura interconnesse possono produrre perdite simultanee su un numero molto elevato di imprese. Responsabilità legata all’AI e cyber risk sistemico potrebbero quindi presentare correlazioni difficili da diversificare e da prezzare.
Anche la distribuzione potrebbe cambiare. Oggi circa l’85% dei premi P&C negli Stati Uniti e il 95% dei premi vita passa attraverso agenti, broker e managing general agents. L’AI introduce però nuovi intermediari digitali capaci di confrontare prodotti e prezzi, monitorare le scadenze e suggerire alternative al cliente. In questo modello, la relazione con l’assicurato potrebbe spostarsi verso l’assistente AI, la piattaforma o l’ecosistema che il cliente sceglie di utilizzare.
La disintermediazione, secondo McKinsey, non sarebbe però uniforme. Nelle polizze semplici e ad alta frequenza l’AI potrebbe assumere un ruolo diretto tra cliente e compagnia. Nei rischi commerciali più complessi, nelle specialty lines e nel segmento high net worth, dove consulenza, strutturazione del rischio e assistenza nei sinistri hanno maggiore peso, l’intelligenza artificiale potrebbe invece aumentare la produttività di agenti e broker senza sostituirli.
La produttività rappresenta un altro terreno decisivo. Negli ultimi vent’anni le compagnie hanno introdotto automazione e strumenti digitali, ma i costi operativi rispetto ai ricavi sono aumentati del 10% a livello globale e del 22% in Nord America. La produttività del lavoro è invece cresciuta del 14% nel P&C e del 24% nel vita, ma i benefici sono stati compensati dall’aumento dei costi IT, degli oneri di compliance e dalla maggiore complessità dei sistemi.
L’AI può modificare questo equilibrio perché interviene contemporaneamente su underwriting, sinistri e servizi. McKinsey rileva che alcune trasformazioni basate sull’AI stanno già producendo riduzioni del 20-40% nei costi di acquisizione dei clienti e incrementi del 10-20% nella produttività degli agenti.
La conseguenza potrebbe essere una maggiore concentrazione intorno a due modelli. Il primo punta sulla scala, necessaria per distribuire gli investimenti in infrastrutture dati, modelli e piattaforme su una base di premi ampia. Il secondo punta sulla specializzazione, con operatori capaci di concentrarsi su una competenza distintiva e utilizzare partner per le altre componenti della catena del valore. I managing general agents nativi dell’AI sono indicati come uno dei primi esempi di questo secondo modello.
A frenare la trasformazione, però, non sono soltanto tecnologia e investimenti. McKinsey individua tre ostacoli interni: processi decisionali troppo lenti, architetture dei dati ancora organizzate per silos e una separazione persistente tra competenze tecnologiche e funzioni di business. Le compagnie devono quindi modificare anche il modo in cui prendono decisioni, organizzano i dati e fanno lavorare insieme tecnologi e specialisti assicurativi.
Il fattore tempo può diventare determinante. I prodotti assicurativi vengono spesso sviluppati nell’arco di anni, mentre le compagnie native dell’AI possono costruire, testare e modificare nuovi prodotti in poche settimane. Secondo McKinsey, la capacità di sperimentare, apprendere e scalare più rapidamente dei concorrenti può diventare essa stessa un vantaggio competitivo. I leader nell’AI, rileva l’analisi, hanno già generato un total shareholder return sei volte superiore rispetto ai ritardatari.
Per gli autori, non esiste però un percorso valido per tutte le compagnie. Jason Ralph, partner di McKinsey a Minneapolis, Johannes-Tobias Lorenz, senior partner di McKinsey a Düsseldorf, Nick Milinkovich, partner di McKinsey a Toronto, Sid Kamath, partner di McKinsey a Charlotte, Tanguy Catlin, senior partner di McKinsey a Boston, e Gabriella Meijer, associate partner di McKinsey a Detroit, indicano tre priorità: definire l’ambizione sull’AI e attribuire una responsabilità chiara, costruire le capacità tecnologiche e operative necessarie per realizzarla e modificare il modo in cui l’organizzazione gestisce il cambiamento.
Per le compagnie, quindi, la questione non sembra essere semplicemente quanto investire nell’intelligenza artificiale. La scelta riguarda soprattutto dove utilizzarla per cambiare il modo di fare assicurazione e quale posizione occupare quando costi, distribuzione, sottoscrizione e rapporto con il cliente inizieranno a muoversi più rapidamente.