Exsafe

Il contesto

Nel mondo assicurativo la valutazione del rischio è ancora largamente manuale: l’underwriter legge documenti, incrocia dati, consulta storico sinistri, poi decide. Tempi lunghi, esperienza individuale difficile da scalare, stile di valutazione non uniforme fra operatori.

Il cliente voleva un SaaS che mantenesse l’underwriter al centro, ma gli facesse risparmiare le ore spese a cercare e normalizzare dati, e che fornisse un primo scoring AI come punto di partenza.

La sfida

• Input eterogenei: PDF di ogni tipo, form, allegati, integrazioni con sistemi di polizza di terzi. Ogni compagnia ha schemi diversi.
• Decisioni critiche: un rischio mal valutato costa soldi. L’AI deve supportare, non sostituire. Tracciabilità totale delle decisioni.
• Conformità: audit log, versioning delle valutazioni, accessi granulari per ruolo.
• Multi-tenant: broker indipendenti che non si devono vedere fra loro.

Cosa ho costruito

Back-office Filament come cockpit dell’underwriter: lista pratiche, dettaglio cliente, storico, azioni rapide (approva / rifiuta / richiedi integrazione) con audit log automatico.

Motore di estrazione documenti che legge i PDF allegati, estrae i campi rilevanti (dati cliente, beni assicurati, storico sinistri) con LLM e regole di validazione. L’underwriter vede sempre il PDF originale affianco ai campi estratti per verificare rapidamente.

Scoring del rischio AI che combina:

• Feature estratte dal documento (importi, durate, storico).
• Feature derivate (rapporti, anomalie rispetto a medie di categoria).
• Prompt engineering con criteri aziendali espliciti del cliente.

Lo score è esplicato: per ogni pratica il sistema mostra i fattori che l’hanno determinato, così l’underwriter sa cosa sta guardando l’AI.

Workflow approvativi configurabili per tipologia di pratica, con notifiche, deleghe e scadenze.

Integrazioni con i sistemi di polizza dei partner via API REST e import da file (gestione degli schemi diversi normalizzata da un layer di adapter).

Risultati

Il tempo medio di valutazione di una pratica è sceso del 55%, a parità di accuratezza misurata sul campione di controllo. Oltre 40 broker attivi sulla piattaforma, con circa 5.000 pratiche lavorate su base annua. Sei integrazioni verso sistemi assicurativi terzi in produzione.

Tecnologie che hanno fatto la differenza

• Filament ha permesso di costruire un cockpit complesso (tabelle, form, modali di azione, audit) senza scrivere una linea di HTML custom.
• Livewire per le viste interattive di dettaglio pratica — reattività senza dover tirare dentro un frontend separato.
• LLM usato con criterio: solo dove aggiunge valore (estrazione e scoring), con fallback deterministico su regole quando la confidence è bassa.