Ottobre 2023

È però ancora necessaria la capacità umana di porre domande e di fornire materiale per la costruzione delle risposte.

Per questo è necessario aumentare le competenze digitali delle persone

Succede già, in alcuni campi, ed è uno dei primi effetti dell’ondata tecnologica di intelligenza artificiale basata sui grandi modelli di linguaggio (LLM) come ChatGpt , Bard , e altri.

Emerge così un nuovo mercato, quello dei prompt , che non sono altro che le richieste che vengono fatte all’intelli genza artificiale.

Quelle di saper fare le domande corrette al fine di far lavorare al meglio l’AI, controllando le fonti da cui le risposte provengono.

Le capacità delle nuove professioni Ecco, quindi, la nascita dell’ingegnere del prompt: un pro fessionista esperto nello scrivere richieste alla intelligenza artificiale e ottenere così una immagine adatta per una pre sentazione o un progetto di interior design , nel caso dell’industria assicurativa trovare i fattori di rischio che permettono una giusta quotazione, una stima dei danni in caso di sinistro etc.

Per estrarre il meglio da uno strumento di AI generativa è indispensabile sapere come funziona (ecco perché servono competenze tecniche informatiche), fare pratica su cosa e come chiedere e come affinare via via le richieste (i prompt, appunto) fino al risultato finale desiderato. (continua a pag. 4) (continua da pag. 3)

È plausibile pensare che possa nascere in futuro un mer cato dei prompt, verticale per settore e quindi anche per le assicurazioni, dove trovare le domande corrette per quotare un rischio o liquidare un sinistro.

Non è ancora chiaro come questo scenario evolverà.

Tutto dipenderà da come matureranno i modelli generativi di testo e di immagini; in fondo, adesso il prompt engineering serve a colmare i gap di usabilità di questi strumenti artificiali con noi umani.

Ma è facile pensare come le interfacce di questi sistemi evolveranno, si umanizzeranno : non saranno quindi più necessarie competenze di prompt engineering (appena nata questa figura se ne decreta la morte), l’utente sarà guidato al meglio nell’utilizzo di questo strumento (che rimane uno strumento).

Come introdurre l’AI generativa nei processi aziendali.

Per cominciare, è importante riconoscere che il modo otti male di lavorare con l’AI è diverso da quello con cui abbiamo lavorato con altre nuove tecnologie. In passato, la maggior parte dei nuovi strumenti ci permetteva semplicemente di svolgere le attività in modo più efficiente.

Si scriveva con le penne, poi con le macchine da scrivere (che erano più veloci), poi con i computer (che erano ancora più veloci).

Ogni nuovo strumento ha permesso di scrivere in modo più efficiente, ma i processi generali (stesura, revisione, editing) sono rima sti in gran parte gli stessi.

L’intelligenza artificiale è diversa. Ha un’influenza più sostanziale sul nostro lavoro e sui nostri processi, perché è in grado di trovare schemi che noi non riu sciamo a vedere e di utilizzarli per fornire intuizioni e analisi, previsioni, suggerimenti e persino bozze complete, tutto da sola.

Quindi, invece di pensare all’AI come agli strumenti che già utilizziamo, dovremmo considerarla come un insieme di sistemi con cui possiamo collaborare. Per farlo efficacemente ci si deve concentrare su tre aspet ti: primo, bisogna assicurarsi che la maggior parte delle per sone che lavorano nelle diverse funzioni aziendali (liquidazio ne, sottoscrizione attuariato, commerciale, etc) abbiano una comprensione di base del funzionamento dei sistemi digitali.

Una mentalità digitale è un insieme di atteggiamenti e com portamenti che aiutano a vedere nuove possibilità utilizzan do dati, tecnologia, algoritmi e AI.

Non è necessario diventa re programmatori o scienziati dei dati; è sufficiente adottare un approccio nuovo e proattivo alla collaborazione (imparare a lavorare su più piattaforme), al calcolo (porre le domande giuste e rispondere ad esse) e al cambiamento (accettare che è l’unica costante).

Tutti i membri dell’organizzazione do vrebbero lavorare per raggiungere almeno il 30% di fluidità in un serie di argomenti, come l’architettura dei sistemi, l’AI, l’apprendimento automatico e gli algoritmi, gli agenti di AI come compagni di squadra, la cybersecurity e la sperimen tazione guidata dai dati.

Assecondare il cambiamento ed essere flessibili.

In secondo luogo, ci si deve assicurare che l’organizzazio ne sia preparata all’adattamento e al cambiamento continui.

L’introduzione di nuove AI richiede che i dipendenti si abitu ino a elaborare nuovi flussi di dati e contenuti, ad analizzarli e a utilizzare le loro scoperte e i loro risultati per sviluppare una nuova prospettiva; allo stesso modo, per utilizzare i dati e la tecnologia nel modo più efficiente, le compagnie hanno bisogno di una struttura organizzativa integrata.

L’azienda deve diventare meno isolata e creare un archivio centraliz zato di conoscenze e dati per consentire una condivisione e una collaborazione costanti.

Per competere con l’AI non basta incorporare le tecnologie di oggi, ma occorre anche essere preparati mentalmente e strutturalmente ad adattarsi ai progressi futuri.

Ad esempio, le persone hanno iniziato a incorporare l’AI generativa (come ChatGPT) nella loro routine quotidiana, indipendentemente dal fatto che le aziende siano preparate o disposte ad abbracciarne l’uso.

Da ultimo, è necessario integrare l’AI nel modello opera tivo della compagnia.

La struttura di un’organizzazione ri specchia l’architettura dei sistemi tecnologici al suo interno, e viceversa.

Se i sistemi tecnologici sono statici, l’organizza zione sarà statica, ma se sono flessibili, l’organizzazione sarà flessibile.

Questa strategia ha avuto successo in Amazon. L’azienda aveva problemi a sostenere la propria crescita e la sua infrastruttura software stava “cedendo sotto le pres sioni”, così Jeff Bezos scrisse un promemoria ai dipendenti annunciando che tutti i team avrebbero dovuto instradare i loro dati attraverso le “interfacce di programmazione delle applicazioni” (API), che consen tono a vari tipi di software di comunicare e condividere i dati utiliz zando protocolli prestabiliti: chi non l’avesse fatto sarebbe stato li cenziato.

Si trattava di un tentativo di rompere l’inerzia all’interno dei sistemi tecnologici di Amazon e ha funzionato: smantellando i silos di dati, aumentando la collaborazione e contribuendo a costruire il mo dello operativo basato su software e dati che vediamo oggi. Anche se, certo, non si vuole ricorrere a un ultimatum simile, si deve pensare a come l’introduzione dell’AI possa – e debba – cambiare in meglio le operazioni e i relativi processi.

L’AI a favore della produttività Anche con l’avvento degli LLM, la tecnologia dell’AI non è ancora in grado di svolgere la vertiginosa gamma di compiti possibili agli esseri umani e ci sono molte cose che fa peggio di una persona media. Per utilizzare efficacemente ogni nuovo strumento è necessario compren derne lo scopo.

Pensiamo ad esempio a ChatGpt. Imparando a cono scere gli schemi linguistici, è diventato così bravo a prevedere quali parole dovrebbero seguirne altre che può produrre risposte testuali apparentemente sofisticate a domande complicate.

Tuttavia, c’è un limite alla qualità di questi risultati, perché essere bravi a indovinare combinazioni plausibili di parole e frasi è diverso dal comprenderne il senso.

Così ChatGpt può produrre una poesia nello stile di William Shakespeare perché ha imparato gli schemi particolari dei suoi dram mi e delle sue poesie, ma non può produrre la visione originale della condizione umana che informa la sua opera.

Al contrario, l’intelligen za artificiale può essere migliore e più efficiente degli esseri umani nel fare previsioni, perché è in grado di elaborare molto più rapidamente grandi quantità di dati.

Tra gli esempi, si possono citare la previsio ne di demenza precoce dai modelli di linguaggio, l’individuazione di tumori cancerosi indistinguibili all’occhio umano e la pianificazione di percorsi più sicuri nei campi di battaglia.

I dipendenti dovrebbero quindi essere incoraggiati a valutare se i punti di forza dell’AI sono all’altezza di un compito e a procedere di conseguenza.

Se avete bisogno di elaborare rapidamente molte informazioni, l’intelligenza ar tificiale è in grado di farlo. Se avete bisogno di un mucchio di nuove idee, può generarle.

Anche se si deve prendere una decisione difficile, l’intelligenza artificiale può offrire consigli, a condizione che sia stata addestrata su dati pertinenti. Non si dovrebbe, però, usare l’AI per creare prodotti di lavoro significativi senza la supervisione umana.

Di sicuro, ancora nel futuro prevedibile servirà essere padroni della materia per cui si usa l’AI, quindi esperti di pricing, di liquidazione sinistri, di underwriting saranno ancora presenti nelle compagnie di assicurazione, ma arricchiti di nuove competenze e con la capacità di fare le giuste domande.

Generali Ventures ha l’obiettivo di individuare le opportunità di investimento più promettenti, soprattutto nei settori insurtech e fintech.

Dopo un’analisi iniziata l’anno scorso su oltre 100 fondi di venture capital, Generali Ventures ha concretamente investito in tre iniziative: Mundi Ventures, specializzata in tecnologie insurtech; Speedinvest, incentrata su start up nelle fasi iniziali pre-seed e seed; e Dawn, focalizzata su investimenti in soluzioni software B2B.

Gli obiettivi di investimento sono in linea con queste iniziative e comprendono start up innovative e fondi in Europa e negli Stati Uniti. “Generali Ventures si propone inoltre di esercitare un impatto positivo sul settore assicurativo, facilitando lo sviluppo di progetti innovativi, cogliendo nuove possibilità di collaborazione e integrando iniziative che contribuiscono alla trasformazione complessiva del gruppo”, ha spiegato Bruno Scaroni, group chief transformation officer di Generali.