Nelle ultime settimane si è notato un crescente interessamento per l'utilizzo dell'intelligenza artificiale generativa da parte di assicurazioni, banche e imprese energetiche per migliorare la valutazione dei rischi legati ai disastri naturali. Gli strumenti tradizionali, noti come modelli di catastrofe, utilizzano equazioni fisiche e dati storici per simulare eventi calamitosi. Tuttavia, il costo di calcolo elevato limita il dettaglio e la copertura geografica. Il settore assicurativo sta ora adottando nuovi approcci basati sull'AI generativa, come i modelli di diffusione, per generare eventi meteorologici futuri, con il fine di prevedere meglio i pericoli climatici.

Come funzionano i modelli generativi di disastri naturali?

Fino ad oggi, i modelli di catastrofe hanno suddiviso il globo in celle di griglia per risolvere equazioni che prevedono terremoti, uragani e alluvioni. L'evoluzione tecnologica ha introdotto modelli basati sull'intelligenza artificiale generativa, come quelli utilizzati da società come Fathom – una divisione della riassicuratrice svizzera Swiss Re. Queste aziende generano migliaia di anni di dati climatici mediante diffusione, in modo da anticipare eventi estremi nel clima previsto per il 2030. Inizialmente, gli strumenti vengono addestrati su circa 1.000 anni di simulazioni climatiche esistenti, per poi produrre scenari diversificati. Successivamente, un'ulteriore modello specializzato, che affina la risoluzione iniziale da 100 × 100 chilometri a 10 × 10 chilometri, permette di riconoscere meglio i modelli di precipitazioni.

I vantaggi dell'AI generativa nel settore assicurativo

Le applicazioni dell'AI generativa nel settore assicurativo si presentano numerose. A differenza dei modelli tradizionali, i nuovi metodi generano una maggiore quantità di dati, che permettono una valutazione dei rischi più precisa. Ad esempio, Verisk, che utilizza l'AI per simulare insieme eventi estremi tipo vento e pioggia, ha riferito una maggiore capacità di valutare la variabilità spaziale rispetto all’apprendimento automatico tradizionale. Allo stesso modo, Moody's RMS ha adottato l’AI per analizzare immagini satellitari dopo incendi e uragani, stimando le perdite assicurabili. Queste tecnologie si rivelano particolarmente utili per eventi estremi rari – quelli che gli esperti chiamano “coda” – dove mancano dati storici.

Rischi legati alle hallucinazioni dell'AI

Nonostante i benefici, l’AI generativa presenta sfide significative, tra cui la questione delle cosiddette “hallucinazioni”. Gli strumenti possono generare eventi apparentemente plausibili ma fondamentalmente irreali, violando le leggi della fisica. Ad esempio, gli scenari creati potrebbero raffigurare meteoritici eventi senza fondamento scientifico. Un esperto del settore, Oliver Wing, avverte che tali fenomeni possono “produrre una quantità di fango assoluto”. Questo rischio è particolarmente rilevante considerando che i disastri naturali hanno costituito danni per oltre 220 miliardi di dollari nel 2025 e solo un terzo di questi era coperto dall’assicurazione.

La tensione tra precisione scientifica e logiche di mercato

La complessità non si limita al rischio tecnico: entra in gioco anche una logica commerciale. Le aziende assicurative non sempre acquisteranno i modelli più precisi, ma potranno preferire quelli che consentano di espandere il mercato – ad esempio, modelli che stimano perdite più basse. Un modello ha riferito alla stampa che le assicurazioni “in genere acquisteranno il modello che permette di fare più affari – non importa se i rischi sono effettivamente più alti”. Questo tipo di ragionamento va contro la valutazione oggettiva del rischio, compromettendo la credibilità tecnico-scientifica e il bilancio complessivo dell’azienda.

Il ruolo dei modelli generativi nella mitigazione dei rischi planetari

I benefici di questi nuovi strumenti diventano evidenti in regioni con rischi elevati e dati insufficienti, come Bangladesh o Brasile. Modelli più avanzati potrebbero permettere alle assicurazioni di fornire coperture dove tradizionalmente non è mai stato possibile. Alcuni esperti ipotizzano che modelli più dettagliati potrebbero rivelare che i rischi sono in realtà superiori alle stime correnti, costringendo le aziende a incrementare i rischi di capitale da mantenere per gestire eventi estremi. Secondo un rapporto del Financial Times, questo scenario rende chiara una tensione: tra la precisione scientifica, il bisogno di sicurezza finanziaria e la logica commerciale.

Criticità attuali e futuro dell’AI nel settore assicurativo

Se da un lato l'uso dell'intelligenza artificiale generativa sembra promettente, la sua adozione richiede un equilibrio tra innovazione e controllo. Gli esperti chiedono maggiore attenzione alle “falci” tecnologiche e alle manipolazioni logiche che potrebbero influenzare la decisione assicurativa. Le aziende impegnate nel settore devono non solo migliorare l’accuratezza dei modelli ma anche assicurarsi che le strategie di mercato non vadano a discapito dell’obiettività scientifica – un compito che non è facile.

Abbonamento a THE DECODER

Per rimanere aggiornati senza distrazioni, si può sottoscrivere THE DECODER, che offre contenuti adatti a chiunque voglia approfondire il tema dell’AI senza il bias delle notizie hypes. Fra i vantaggi: accesso a un archivio completo, newsletter settimanale dedicata all’intelligenza artificiale, e report esclusivi sei volte all'anno. Per gli iscritti, inoltre, ci sono opportunità di partecipare a eventi tematici online a sconti vantaggiosi.