Validazione documenti assicurativi con l'AI

Un AI Document Validator verifica automaticamente la validità e la coerenza dei documenti di una pratica — polizza, libretto, foto del danno e dell’intervento — incrociando i dati e riconoscendo le immagini, e segnala incongruenze e foto già usate in pratiche precedenti. Per un operatore del settore automotive aftermarket ne abbiamo progettato e realizzato uno, orchestrato attorno a SharePoint.

Il cliente opera nella riparazione e sostituzione dei cristalli auto, un business fortemente legato alla gestione di pratiche assicurative: ogni intervento su un vetro si traduce in una pratica con documentazione da validare nei confronti della compagnia. È lì che si concentrano tempo, rischio di errore e — soprattutto — rischio di frode.

Il problema: verificare a mano decine di documenti per pratica

Ogni pratica porta con sé numerosi allegati: copia del contratto di polizza, libretto, documento d’identità fronte/retro, foto del vetro smontato, foto di fine intervento, foto del danno prima della lavorazione, modulo di denuncia, scheda di accettazione. Verificare a mano la validità, la veridicità e soprattutto la coerenza tra questi documenti — targa, nominativo, numero di polizza, compagnia — è lento e soggetto a errore umano.

Ma il punto più delicato è un altro: la vulnerabilità alle frodi. Documentazione incoerente, o foto riutilizzate da pratiche precedenti, possono passare inosservate in un controllo manuale su grandi volumi. Ed è esattamente il tipo di anomalia che un occhio umano, sotto pressione di tempo, fatica a intercettare in modo sistematico.

La soluzione: servizi AI orchestrati attorno a SharePoint

Abbiamo costruito un insieme di servizi di intelligenza artificiale integrati con SharePoint e con l’ecosistema documentale del cliente. Gli operatori caricano i documenti della pratica su SharePoint, classificano la tipologia di ogni documento e accodano l’analisi tramite chiamate API dedicate.

Il flusso di validazione

Una web app prende in carico la chiamata e accoda l’analisi su un database SQL Server. Un job schedulato verifica periodicamente le analisi pendenti e le elabora interrogando i servizi AI, che eseguono i controlli documentali e visivi: estrazione dei dati da polizza, libretto, modulo di denuncia e scheda di accettazione; verifica di coerenza tra i dati e le foto; distinzione tra riparazione e sostituzione, con i controlli pertinenti a ciascun caso. A elaborazione conclusa, l’esito completo viene scritto su una lista SharePoint dedicata — con cartella, data, esito, dati estratti, dettaglio passo per passo e un punteggio di confidence per ciascun controllo.

I controlli, documento per documento

Ogni tipologia di documento porta con sé i propri controlli. Dalla copia di polizza il sistema estrae targa, nominativo e numero di polizza e ne verifica la coerenza con la foto del documento d’identità fronte/retro; dal libretto recupera targa, marca e modello e li confronta con polizza e foto; da modulo di denuncia e scheda di accettazione ricava targa e compagnia, verificandone la corrispondenza con i dati passati alla pratica. A monte, il sistema riconosce se si tratta di una riparazione o di una sostituzione e, in base alla compagnia coinvolta, analizza solo i documenti effettivamente obbligatori per quel caso — evitando controlli superflui e falsi allarmi. È un percorso di controlli condizionati, non una checklist uguale per tutti: riproduce la logica con cui un operatore esperto sa già dove guardare a seconda del tipo di intervento e della compagnia, e ogni passaggio produce un punteggio di confidence, così che chi rivede la pratica sappia non solo l’esito, ma quanto il sistema è sicuro di ciascuna verifica.

Riconoscimento delle immagini e antifrode

La parte più caratterizzante è visiva. I servizi AI riconoscono dalle foto se il vetro è effettivamente smontato e, a fine intervento, correttamente montato, con verifica della visibilità e coerenza della targa nelle diverse immagini. Nelle foto pre-lavorazione, inoltre, il sistema verifica la presenza del danno e la visibilità della targa, così da confermare che la documentazione fotografica racconti davvero l’intervento dichiarato. E, per contrastare le frodi, il sistema calcola un hash per ogni foto e lo confronta con quelle già usate in pratiche precedenti: le immagini riutilizzate vengono intercettate automaticamente. È lo stesso spirito con cui affrontiamo l’elaborazione documentale con l’AI: lasciare alla macchina il controllo sistematico e ripetitivo, e alla persona la decisione sui casi segnalati.

La sfida: il fine tuning del riconoscimento immagini

La difficoltà principale è stata proprio il riconoscimento delle immagini: ha richiesto un lavoro di fine tuning delle istruzioni dell’agente per garantire performance adeguate, distinguendo in modo affidabile scenari visivi simili (un vetro smontato da uno montato, un danno reale da un riflesso) su foto scattate in condizioni molto variabili di luce e inquadratura. È il punto in cui la soluzione si gioca la sua utilità reale: un riconoscimento impreciso genererebbe falsi allarmi che spostano il lavoro invece di ridurlo. Per questo il fine tuning è stato guidato dai casi concreti delle pratiche, iterando sulle istruzioni finché il comportamento del riconoscimento non è diventato stabile e ripetibile.

A chi è utile questo approccio

Questo tipo di soluzione è pertinente per chiunque gestisca pratiche documentali ripetitive con una componente di verifica e di rischio frode: operatori legati a pratiche assicurative, reti di service che rendicontano interventi con documentazione fotografica, funzioni che devono validare la coerenza tra dati dichiarati e prove documentali. Ovunque il controllo sia oggi manuale, lento e vulnerabile all’errore o all’abuso, l’AI può renderlo sistematico e tracciabile. Lo stesso approccio guida il controllo automatico dei rendiconti di progetto, su documenti eterogenei e regole di ammissibilità.

Se la tua organizzazione valida a mano documenti e foto di pratiche ad alto volume, un progetto di validazione documentale con l’AI — sullo stesso impianto di una web app assicurativa su misura — può ridurre tempi ed esposizione alle frodi. Contattaci per una valutazione →