Machine Learning e Intelligenza Artificiale nel settore assicurativo: applicazioni e soluzioni nel rilevamento delle frodi

This thesis examines the significant impact of Machine Learning (ML) and Artificial Intelligence (AI) on the insurance sector, with a particular focus on fraud detection. The insurance industry is undergoing a radical transformation due to the advent of ML and AI. These powerful tools offer insurance companies unprecedented opportunities to enhance operational efficiency, manage risks more effectively, improve customer interactions, and combat fraud more efficiently. The thesis explores how ML and AI are used at different stages of the insurance lifecycle. It begins with an overview of ML and AI, defining these concepts and differentiating between them. While AI aims to create machines capable of performing tasks that typically require human intelligence, ML, a subset of AI, enables systems to learn from data and improve their performance over time without being explicitly programmed to do so.

Questa tesi esamina l'impatto significativo del Machine Learning (ML) e dell' Intelligenza Artificiale (IA) sul settore assicurativo, concentrandosi in particolare sul rilevamento delle frodi. Il settore assicurativo sta subendo una trasformazione radicale grazie all'avvento del ML e dell'IA. Questi potenti strumenti offrono alle compagnie assicurative opportunità senza precedenti per migliorare l'efficienza operativa, gestire i rischi in modo più efficace, migliorare le interazioni con i clienti e combattere le frodi in modo più efficace. La tesi esplora come ML e IA vengano utilizzati in diverse fasi del ciclo di vita assicurativo. Inizia con una panoramica di ML e IA, definendo questi concetti e differenziandoli. Mentre l'IA mira a creare macchine in grado di eseguire compiti che in genere richiedono intelligenza umana, il ML, un sottoinsieme dell'IA, consente ai sistemi di apprendere dai dati e migliorare le loro prestazioni nel tempo senza essere esplicitamente programmati per farlo.