Nel lessico sempre più fluido dell’intelligenza artificiale applicata ai settori industriali, l’assicurazione emerge come uno dei laboratori più interessanti e, allo stesso tempo, più sottovalutati. Il dialogo tra Elisabetta Licino, nella sua veste di avatar conduttrice, Cinzia Amandonico di ANIA e il filosofo Mario De Caro costruisce un asse concettuale che raramente entra nel dibattito mainstream: quello tra rischio, responsabilità e fiducia, tre parole che precedono di decenni l’attuale ossessione per i modelli generativi ma che oggi trovano nell’AI una loro riscrittura operativa. L’industria assicurativa, nella sua apparente staticità regolatoria, si rivela in realtà un sistema computazionale antico che ha sempre fatto machine learning senza chiamarlo così, aggiornando probabilità, correlazioni e pricing del rischio ben prima che il termine “deep learning” diventasse un mantra da keynote.
Il punto di svolta, come emerge dalla riflessione di Amandonico, non è tanto l’introduzione dell’intelligenza artificiale quanto la sua capacità di espandere ciò che è tecnicamente assicurabile. Per decenni l’assicurazione ha operato dentro una gabbia epistemologica relativamente stabile, dove la disponibilità di dati determinava la possibilità stessa di copertura. Oggi questa gabbia si deforma sotto la pressione di flussi informativi continui generati da IoT, telematica, satelliti e wearable device, trasformando eventi prima invisibili in variabili modellizzabili. È una mutazione silenziosa ma radicale, perché sposta il confine tra rischio e incertezza, due categorie che la teoria economica ha sempre tenuto separate ma che l’AI tende progressivamente a comprimere.
L’intelligenza artificiale, in questo contesto, non è semplicemente uno strumento di ottimizzazione ma un meccanismo di ridefinizione della mutualità. L’architettura assicurativa classica, basata sulla distribuzione del rischio attraverso premi aggregati, si trova potenziata da una granularità predittiva che consente di anticipare comportamenti, stimare probabilità con precisione crescente e, soprattutto, intervenire prima che l’evento si materializzi. Il passaggio da logica risarcitoria a logica preventiva rappresenta uno shift culturale prima ancora che tecnologico, e introduce una tensione nuova: se il rischio viene anticipato fino al punto di essere neutralizzato, cosa resta della funzione sociale dell’assicurazione?
Il contributo filosofico di De Caro entra qui con una discreta ma significativa frizione teorica. La distinzione tra calcolo probabilistico e responsabilità morale diventa centrale nel momento in cui gli algoritmi non si limitano a descrivere il rischio ma iniziano a influenzarlo. Le reti neurali, spesso celebrate come sistemi “non deterministici”, sono in realtà dispositivi statistici che riorganizzano la realtà attraverso correlazioni, esattamente come il modello assicurativo ha sempre fatto, ma su una scala incomparabilmente più ampia e meno trasparente. La differenza non è di natura epistemologica ma di potere computazionale.
ANIA, attraverso il suo servizio innovazione e la nuova commissione permanente, si muove in questo spazio ibrido tra regolazione e sperimentazione, cercando di evitare che la stratificazione normativa europea, dall’AI Act al Digital Omnibus Package, produca un effetto di congestione regolatoria capace di rallentare l’innovazione più di quanto la protegga. È una dinamica tipica dell’ecosistema europeo: si regolano i sistemi mentre questi stanno già migrando altrove, spesso verso giurisdizioni meno vincolate ma più aggressive sul piano dell’adozione tecnologica.
Sul piano operativo, l’impatto dell’AI nel settore assicurativo è già visibile nella progressiva automazione delle attività standardizzate, nella trasformazione delle competenze e nella ridefinizione dei ruoli professionali. Il lavoro umano si sposta verso la supervisione degli outlier, la gestione dei casi complessi e l’interpretazione dei segnali deboli, mentre le funzioni predittive vengono assorbite da sistemi algoritmici sempre più autonomi. È un cambiamento che non elimina il lavoro umano ma lo riconfigura in una logica data-driven, dove la capacità critica diventa più importante della capacità esecutiva.
La narrativa del “sostegno all’uomo” da parte dell’intelligenza artificiale viene qui declinata in modo pragmatico, quasi industriale. L’AI non sostituisce semplicemente, ma redistribuisce il carico cognitivo, liberando tempo operativo e spostando il valore verso attività decisionali. Tuttavia, questa transizione non è neutra: crea nuove asimmetrie tra chi è in grado di comprendere le logiche dei sistemi e chi si limita a utilizzarli come interfacce opache. L’alfabetizzazione digitale, in questo scenario, non è più sufficiente; diventa necessario un livello di comprensione strutturale degli algoritmi, delle loro limitazioni e delle loro distorsioni.
L’elemento forse più rilevante del dialogo emerge nella tensione tra aumento della capacità predittiva e mantenimento della fiducia. L’assicurazione, a differenza di altri settori data-intensive, non vende tecnologia ma fiducia istituzionalizzata nel futuro. L’AI può rendere più efficiente il calcolo del rischio, ma non può sostituire la dimensione fiduciaria che sostiene l’intero sistema. È qui che il parallelo con la filosofia diventa operativo: la razionalità probabilistica non elimina l’incertezza esistenziale, la riorganizza.
Nel lungo periodo, la traiettoria delineata suggerisce un settore assicurativo sempre più simile a un sistema nervoso distribuito, capace di anticipare, prevenire e modulare i comportamenti individuali attraverso incentivi e disincentivi algoritmici. Ma proprio in questa sofisticazione cresce una domanda meno tecnica e più politica: quanto controllo siamo disposti a delegare a sistemi che non si limitano a valutare il rischio, ma contribuiscono a definirlo? In questa domanda si gioca meno il futuro dell’assicurazione e più quello della relazione tra società e intelligenza artificiale.