Il 2 settembre Lemonade ha portato in Missouri un modello assicurativo che merita attenzione non tanto per l’entità dello sconto annunciato, quanto per il principio che contiene.
Per i clienti Tesla aderenti al programma, la compagnia applica uno sconto del 50% alle miglia percorse utilizzando Full Self-Driving (Supervised) rispetto alle miglia guidate manualmente. Stessa automobile. Stesso assicurato. Stesso contratto. Ma un prezzo diverso a seconda della modalità nella quale il veicolo sta operando. (PR Newswire)
La percentuale non va interpretata come la dimostrazione che il rischio diminuisca esattamente della metà. È una scelta tariffaria della compagnia e non abbiamo analizzato il filing attuariale specifico che la sostiene in Missouri.
Il segnale interessante è un altro.
Se il software modifica il profilo di rischio di un veicolo, può diventare esso stesso una variabile assicurativa.
Ed è qui che la questione smette di essere soltanto automobilistica e diventa manageriale.
Il punto non è l’auto autonoma
Prima di spingere il ragionamento oltre è necessaria una distinzione.
Il nome scelto da Lemonade, “Autonomous Car”, potrebbe far pensare a un veicolo nel quale il conducente abbia trasferito al software la responsabilità della guida. Non è ciò che accade nel caso considerato.
La National Highway Traffic Safety Administration descrive Tesla FSD (Supervised) come un sistema SAE Level 2 di automazione parziale. Il conducente deve restare attento, supervisionare il sistema, intervenire quando necessario e rimane responsabile della guida e del rispetto delle norme di circolazione. (NHTSA)
Per questo la domanda assicurativa più interessante non è: chi è responsabile, l’uomo o la macchina?
Almeno in questo caso, la risposta resta chiaramente centrata sul conducente.
La domanda è più sottile:
può cambiare la rischiosità assicurativa mentre la responsabilità rimane alla stessa persona?
Il caso Lemonade suggerisce che almeno una compagnia abbia deciso di rispondere di sì, differenziando economicamente l’esposizione in funzione della modalità operativa del veicolo.
Questo apre uno spazio di riflessione molto più ampio dell’attuale dibattito sull’auto autonoma.
Quando il software entra nel pricing
La telematica ha già modificato da tempo il modo in cui l’assicurazione auto può osservare il rischio.
La usage-based insurance consente di utilizzare informazioni come chilometri percorsi, orari, accelerazioni, frenate, percorrenze e altri indicatori di comportamento. La logica è semplice: oltre alle caratteristiche relativamente statiche del conducente e del veicolo, l’assicuratore osserva anche come quel rischio viene effettivamente utilizzato. (NAIC)
Lemonade aggiunge una variabile differente.
Quando presentò il prodotto nel gennaio 2026, spiegò di utilizzare, previa autorizzazione del cliente, la Tesla Fleet API per distinguere le miglia percorse con FSD da quelle guidate manualmente. La compagnia dichiarò inoltre che i propri modelli possono considerare elementi quali la versione del software installata e caratteristiche dei sensori. (Lemonade)
Qui avviene il passaggio interessante.
Non osserviamo più soltanto:
chi guida → quanto guida → come guida
ma potenzialmente anche:
in quale configurazione tecnologica sta operando il veicolo.
Non significa che il software sostituirà le tradizionali variabili tariffarie. Significa che potrebbe aggiungerne di nuove.
E soprattutto variabili capaci di cambiare senza che cambino né il proprietario né l’automobile.
Lo stesso veicolo potrebbe non essere lo stesso rischio
Un’automobile tradizionale mantiene gran parte delle proprie caratteristiche tecniche per periodi relativamente lunghi.
Un software-defined vehicle può invece modificare alcune funzionalità attraverso un aggiornamento.
Da un punto di vista assicurativo questo crea un problema interessante.
Se una nuova versione del software modifica effettivamente frequenza o severità attesa dei sinistri, il profilo di rischio potrebbe cambiare senza una nuova immatricolazione, senza un nuovo conducente e persino senza un intervento fisico sul veicolo.
Lemonade afferma esplicitamente che la versione del software può entrare nei propri modelli di previsione del rischio. (Lemonade)
Se questa logica si dimostrasse statisticamente robusta e si diffondesse, pricing e product governance potrebbero doversi confrontare con una variabile molto più dinamica rispetto a quelle tradizionali.
Un aggiornamento over-the-air diventerebbe allora qualcosa di più di una questione tecnica del costruttore.
Potrebbe diventare un evento rilevante per l’underwriting.
È un movimento che presenta un punto di contatto con un’altra trasformazione che ho analizzato nell’Osservatorio, quella in cui una tecnologia smette di essere soltanto uno strumento e diventa qualcosa che l’underwriting deve imparare a leggere come rischio.
Ma nell’auto emerge una complicazione ulteriore.
Una parte crescente dell’informazione necessaria per comprendere quel rischio potrebbe non essere prodotta dall’assicuratore.
Il dato più importante potrebbe appartenere a qualcun altro
È probabilmente questa l’implicazione manageriale più interessante.
Il modello Lemonade funziona perché la compagnia può accedere, con il permesso del cliente, ai dati generati dall’ecosistema Tesla. (Lemonade)
Di conseguenza, se modalità di guida, versione software, caratteristiche dei sensori e altri vehicle data diventassero variabili assicurative rilevanti, la qualità del pricing dipenderebbe anche dalla capacità di comprendere dati generati e governati da un soggetto esterno.
Il problema non sarebbe semplicemente avere più dati.
Bisognerebbe sapere che cosa rappresentano, quanto sono stabili nel tempo, come cambiano tra versioni software, con quale continuità sono disponibili e quanto bene riescono a spiegare frequenza e severità dei sinistri.
Il rapporto tra compagnia e OEM diventerebbe quindi più strategico.
In una catena del valore nella quale relazione, tecnologia, dati, servizio e assunzione del rischio possono essere governati da soggetti diversi, controllare l’interpretazione del rischio non significa necessariamente controllare anche la fonte del dato.
Nel mondo dei veicoli connessi questa separazione diventa particolarmente visibile.
L’assicuratore mantiene la responsabilità delle proprie decisioni di pricing e underwriting, ma una parte dell’infrastruttura informativa necessaria per assumerle può risiedere altrove.
Più sofisticato è il dato, più importante diventa provarne il valore
C’è però un rischio nel ragionamento opposto: pensare che un dato sia necessariamente migliore soltanto perché è più granulare o tecnologicamente avanzato.
Non è così.
La questione fondamentale rimane quella assicurativa di sempre: quanto è robusto il rapporto tra quella variabile e il rischio che vogliamo prezzare?
Negli Stati Uniti la NAIC ricorda che molti Stati richiedono l’approvazione dei nuovi rating plan e che i filing tariffari devono normalmente includere dati statistici a supporto della struttura proposta. La stessa NAIC sottolinea come selezione e interpretazione dei dati telematici e loro integrazione nel pricing siano questioni tutt’altro che banali. (NAIC)
Questo punto è particolarmente importante nel caso FSD.
Tesla pubblica statistiche proprie sulla sicurezza del sistema e rende disponibile anche la metodologia utilizzata. Per esempio, considera associato a FSD un incidente se il sistema era attivo in qualunque momento nei cinque secondi precedenti l’evento e precisa che i dati pubblicati non effettuano una valutazione della responsabilità dell’incidente. (Tesla)
Sono informazioni utili. Ma restano dati prodotti dall’azienda che sviluppa il sistema e non costituiscono da soli una validazione indipendente del differenziale tariffario scelto da Lemonade.
Contemporaneamente, NHTSA mantiene aperte verifiche su specifici comportamenti di FSD. Una Preliminary Evaluation riguarda possibili violazioni delle regole di circolazione; un’Engineering Analysis aperta nel marzo 2026 esamina la capacità del sistema di riconoscere condizioni di visibilità stradale degradata e avvertire il conducente in tempo utile. (NHTSA PE25012; NHTSA EA26002)
L’esistenza di queste indagini non prova che il sistema sia difettoso o insicuro.
Dimostra però perché sarebbe prematuro trasformare l’affermazione “il software è più sicuro” in una conclusione generale e indipendentemente acquisita.
Per l’assicurazione il principio dovrebbe restare lo stesso: non conta quanto sia affascinante il dato. Conta quanto bene quel dato riesca a spiegare il rischio.
In Italia la telematica è già realtà. Il salto successivo sarebbe diverso
Il caso statunitense non parte da un terreno completamente estraneo al mercato italiano.
Secondo IVASS, nel 2025 il 17,4% delle polizze r.c. auto stipulate prevedeva una scatola nera. L’Istituto collega questi sistemi alla registrazione dei chilometri percorsi e degli stili di guida e a effetti di riduzione del premio. (IVASS)
La logica secondo cui i dati effettivi di utilizzo possano modificare la valutazione assicurativa è quindi già ampiamente conosciuta.
Ma non è questo l’aspetto innovativo del benchmark Lemonade.
Il passaggio ulteriore sarebbe utilizzare sistematicamente informazioni sulla modalità di controllo del veicolo e sul suo stato tecnologico come fattori di differenziazione del rischio.
Non abbiamo oggi elementi sufficienti per affermare che esista in Italia un prodotto RCA equivalente che distingua, nello stesso utilizzo, miglia percorse manualmente e miglia percorse con uno specifico sistema Level 2.
Il benchmark americano va quindi osservato come segnale, non importato come previsione.
Anche in Europa l’accesso ai dati diventa una questione assicurativa
Esiste tuttavia un altro elemento che rende questa domanda rilevante anche per l’Europa: la disciplina dei dati generati dai prodotti connessi.
L’articolo 5 del Data Act riconosce all’utilizzatore, alle condizioni previste dal regolamento, il diritto di richiedere che i dati immediatamente disponibili e i metadati necessari alla loro interpretazione siano messi a disposizione di un soggetto terzo. (EUR-Lex)
Gli orientamenti della Commissione europea dedicati ai vehicle data includono esplicitamente tra gli stakeholder del settore anche gli insurance providers. (Commissione europea)
Ma accesso e utilizzo non sono sinonimi.
Quando sono coinvolti dati personali continuano ad applicarsi le condizioni previste dalla normativa sulla protezione dei dati. Lo stesso Data Act richiama espressamente la necessità di una valida base giuridica nei casi pertinenti. (EUR-Lex)
È una distinzione importante perché impedisce una semplificazione pericolosa: il Data Act non significa che un assicuratore possa utilizzare automaticamente qualsiasi dato generato dal veicolo per qualsiasi finalità di pricing.
La disponibilità tecnica del dato è soltanto una parte del problema.
Restano finalità, basi giuridiche, trasparenza, governance e disciplina assicurativa.
Non a caso, la stessa direttiva europea sull’assicurazione obbligatoria dei veicoli prevede che entro il 24 dicembre 2030 la Commissione valuti la propria applicazione anche alla luce degli sviluppi tecnologici relativi ai veicoli autonomi e semi-autonomi. (EUR-Lex)
Il pricing può diventare più preciso. Ma sapremo ancora spiegarlo?
A questo punto emerge quella che, a mio avviso, è la tensione più importante.
La tecnologia consente teoricamente di descrivere il rischio con una granularità crescente.
- Conducente.
- Chilometraggio.
- Comportamento.
- Percorso.
- Sensori.
- Modalità di controllo.
- Versione software.
- Configurazione tecnologica.
La tentazione è considerare questa crescita della precisione come un miglioramento automaticamente positivo.
Ma un prezzo più personalizzato non è necessariamente un prezzo più comprensibile.
E qui si apre un problema che riguarda non solo gli attuari o i data scientist, ma anche product management, distribuzione e customer experience.
Se il premio cambia perché una determinata versione software viene considerata meno rischiosa di un’altra, il cliente deve poter comprendere almeno il principio con cui quella differenza viene costruita.
Se un aggiornamento modifica il profilo tariffario, occorre poter spiegare che cosa è cambiato.
Se determinati dati vengono utilizzati e altri no, deve essere chiaro quali informazioni contribuiscono alla valutazione.
La precisione tecnica del pricing e la sua comprensibilità possono quindi procedere in direzioni opposte.
Ed è forse questo uno dei paradossi della prossima fase dell’assicurazione data-driven.
Più saremo capaci di distinguere i rischi, più dovremo diventare capaci di spiegare quelle distinzioni.
Il caso Lemonade non dimostra che il software dimezzi il rischio. Non dimostra che questo modello arriverà in Italia. E non dimostra che le compagnie inizieranno a cambiare i prezzi in tempo reale a ogni aggiornamento del veicolo.
Mostra però qualcosa che vale la pena osservare.
Fino a oggi abbiamo pensato soprattutto all’automobile come a un oggetto assicurato e al conducente come al soggetto di cui valutare il comportamento.
Con i veicoli sempre più definiti dal software potrebbe essere necessario aggiungere un terzo elemento:
lo stato tecnologico nel quale quel rischio sta operando.
E quando questa variabile entrerà davvero nei modelli assicurativi, la domanda non sarà soltanto quanto meglio riusciremo a prezzare il rischio.
Sarà anche quanto bene riusciremo a spiegare al cliente perché quello stesso rischio oggi costa una cifra e domani potrebbe costarne un’altra.
Un sistema come Tesla FSD (Supervised) può essere considerato guida autonoma?
Non nel senso di un veicolo driverless. NHTSA qualifica FSD (Supervised) come sistema SAE Level 2: il conducente deve restare attento, supervisionare il sistema e rimane responsabile della guida.
La telematica viene già utilizzata nelle assicurazioni auto italiane?
Sì. IVASS rileva che nel 2025 il 17,4% delle polizze r.c. auto stipulate prevedeva una scatola nera. Questi sistemi permettono di registrare, tra l’altro, chilometri percorsi e stili di guida.
Il Data Act permette agli assicuratori di utilizzare liberamente i dati delle auto connesse?
No. Il Data Act disciplina anche il diritto dell’utilizzatore di chiedere la condivisione di dati disponibili con soggetti terzi, ma ciò non elimina le altre condizioni giuridiche applicabili. Per i dati personali restano, tra l’altro, le garanzie e le basi giuridiche previste dalla normativa sulla protezione dei dati.