Alan, fondata nel 2016 da Jean‑Charles Samuelian e Charles Gorintin, si è distinta fin dal suo inizio per aver digitalizzato l’assicurazione sanitaria, eliminando burocrazia e rendendo l’adesione a una polizza un processo interamente online. Oggi l’impresa francese è al centro di un nuovo salto tecnologico: l’adozione sistematica di agenti di intelligenza artificiale (IA) per supportare i commerciali nella ricerca, nella qualificazione e nella chiusura dei clienti.

Una cultura dell’espressione scritta come fondamento

Alan ha costruito la sua identità attorno a una “cultura dell’escritto”: tutti i contatti con i clienti – email, messaggi in chat, proposte – sono redatti in forma testuale, tracciabili e facilmente analizzabili. Questo approccio ha permesso di raccogliere un enorme volume di dati testuali, che costituiscono la materia prima per l’addestramento di modelli linguistici proprietari.

Grazie a questa base, gli agenti IA di Alan possono generare bozze di email personalizzate, suggerire risposte a domande frequenti sulla copertura sanitaria e persino redigere contratti su misura in pochi secondi. La trasparenza dei contenuti scritti facilita inoltre la verifica di conformità rispetto alle normative europee (GDPR, Solvency II) e alle policy interne.

Il ruolo della libertà sperimentale

Alan non impone un unico pacchetto software per tutti i team commerciali. Al contrario, l’azienda ha adottato una politica di “autonomia sperimentale”: ogni gruppo di vendita può testare, modificare e persino creare i propri agenti IA, utilizzando piattaforme open‑source come LangChain e Llama‑2 o le API di grandi provider (OpenAI, Anthropic). Questa libertà ha generato una varietà di casi d’uso pratici, descritti nei paragrafi seguenti.

Strumenti IA per le fasi di vendita

Gli agenti di Alan coprono l’intero ciclo commerciale, dalla prospezione alla chiusura. Di seguito i principali tool attualmente in uso:

Prospector Bot: analizza database di lead (LinkedIn, Crunchbase) e produce profili dettagliati, includendo fattori come dimensione dell’azienda, settore, politiche di benefit esistenti e potenziali gap di copertura.
Assistant Pitch: genera slide di presentazione e script di vendita personalizzati in base al profilo del cliente, integrando dati di mercato e benchmark di pricing.
Smart Scheduler: suggerisce slot di appuntamento ottimali basandosi sulla disponibilità dei commerciali e sul fuso orario del prospect, riducendo i tempi di back‑and‑forth di email.
Compliance Checker: verifica in tempo reale che le proposte rispondano ai requisiti legali (es. obblighi di informativa sui dati sanitari) e segnala eventuali incoerenze.

Ogni agente è integrato nel CRM interno di Alan (una versione personalizzata di HubSpot), consentendo una tracciabilità completa delle interazioni e una misurazione precisa delle performance.

Esempi concreti di impatto

Nel primo trimestre del 2024, i commerciali che hanno adottato il Prospector Bot hanno aumentato il numero di lead qualificati del 37% rispetto alla media del team. Inoltre, l’Assistant Pitch ha ridotto il tempo medio di preparazione delle proposte da 4,5 ore a 45 minuti, consentendo ai venditori di concentrare l’energia sulla negoziazione.

Un caso emblematico è quello di TechNova, una startup biotech con 120 dipendenti. Dopo una breve demo, l’Assistant Pitch ha creato una proposta di copertura sanitaria su misura, evidenziando la copertura per terapie innovative e la possibilità di rimborso per consulenze telemediche. Il cliente ha firmato in 48 ore, con una crescita del valore medio della polizza del 22% rispetto alla media di settore.

Processi di sviluppo e governance

Per garantire qualità e sicurezza, Alan ha istituito un “AI Lab” interno, composto da data scientist, product manager e avvocati specializzati in diritto sanitario. Il lab segue un ciclo di sviluppo in cinque fasi:

Ideazione: i commerciali propongono problemi operativi da risolvere con IA.
Prototipazione: gli sviluppatori costruiscono un modello minimo funzionante (MVP) in due settimane.
Validazione: test con un gruppo pilota di 5‑10 venditori, raccolta di feedback e metriche di performance.
Implementazione: integrazione nel flusso di lavoro CRM, formazione e rollout aziendale.
Monitoraggio: revisione trimestrale per aggiornare modelli, gestire bias e assicurare conformità.

Questa struttura permette di mantenere un equilibrio tra velocità di innovazione e rigore normativo, elemento cruciale in un settore altamente regolamentato.

Gestione dei rischi e bias

Alan ha adottato pratiche di “responsible AI”. Prima di ogni deployment, i modelli sono sottoposti a audit di bias (ad esempio, verificando che le raccomandazioni non penalizzino aziende di piccole dimensioni o di settori meno rappresentati). Inoltre, tutti i suggerimenti generati dagli agenti sono contrassegnati come “bozza” e richiedono la revisione umana prima dell’invio al cliente.

Prospettive future

Guardando al 2025, Alan prevede di estendere la sua suite IA a nuovi ambiti, come la gestione post‑vendita e il supporto al cliente. Tra i progetti in cantiere vi sono:

Health Coach IA: un assistente virtuale che, analizzando i dati di utilizzo delle prestazioni sanitarie, suggerisce programmi di benessere personalizzati ai dipendenti.
Risk Forecast Engine: modello predittivo che anticipa aumenti di sinistralità in base a trend epidemiologici, consentendo di adeguare i premi in tempo reale.
Voice‑First Agent: integrazione con assistenti vocali (Alexa, Google Assistant) per consentire ai commerciali di accedere a informazioni chiave durante le chiamate.

Il fattore chiave per il successo di Alan rimane la capacità di combinare autonomia operativa e governance centralizzata, garantendo che ogni agente IA sia sia efficace che allineato ai valori di trasparenza e rispetto della privacy che l’azienda ha sempre promosso.