Il mercato italiano dell’assicurazione Rc Auto mostra una forte eterogeneità nei risultati tecnici, con una netta polarizzazione della redditività tra le compagnie. Secondo l’analisi di Crif, il Combined Ratio (Cr) aggregato si mantiene critico, intorno al 100,2% nel 2024, con un terzo delle compagnie in profitto – che detiene il 70% dei premi – e due terzi in perdita tecnica. La differenza non è imputabile all’efficienza operativa (Expense Ratio) ma alla capacità di valutazione e gestione del rischio (Loss Ratio), evidenziando come l’adozione di tecnologie basate sull’intelligenza artificiale e variabili predittive avanzate sia cruciale per creare valore sostenibile.
Il segmento Rc Auto italiano è maturo, con un volume premi di circa 13 miliardi di euro nel 2024, sottoposto a forte pressione competitiva, fluttuazioni inflattive e rischio di antiselezione. L’analisi disaggregata sulle principali 35 compagnie italiane evidenzia un divario di circa 13 punti percentuali nel Combined Ratio tra “vincenti” e “perdenti”, interamente dovuto al Loss Ratio, mentre l’Expense Ratio resta simile. La quota di mercato gioca un ruolo determinante: le compagnie con meno del 3% di quota mostrano generalmente Cr superiore al 100%, mentre quelle sopra il 3% beneficiano di una base dati più ampia e investimenti in R&D per la valutazione del rischio.
Un tema emergente è il rischio climatico, con eventi meteorologici sempre più intensi che ridefiniscono il profilo dei rischi e impattano su sinistri e premi. Lo score proprietario “Eventi Naturali Auto” di Crif, basato su pericolosità del territorio, infrastrutture e comportamenti degli utenti, evidenzia come un approccio data driven migliori la valutazione dei rischi, la sostenibilità tecnica e la competitività, con potenziale recupero del Loss Ratio. fino a 20 punti percentuali
Secondo Giuseppe Dosi, Head of Insurance di Crif, il successo delle compagnie Rc Auto e nella gestione dei nuovi rischi, come quelli legati al climate change, dipende dalla capacità di utilizzare grandi quantità di dati interni ed esterni, sfruttare la potenza computazionale e l’evoluzione della data science, trasformando le informazioni in analytics predittivi. L’affinamento del pricing richiede oggi la valutazione e il test di centinaia di variabili, da integrare nei modelli tariffari o di scontistica per ottimizzare il business e migliorare la lettura del rischio.
