Nell’ultimo decennio l’intelligenza artificiale ha bruciato le tappe: le tecniche di IA e machine learning stanno impattando tutti i settori della nostra società e in particolare il commercio elettronico e il settore finanziario stanno attraversando una profonda trasformazione.
Il settore finanziario, in particolare, è il maggiore utilizzatore di tecnologie digitali e uno dei principali motori della trasformazione digitale dell’economia. Le aziende che uniscono finanza e tecnologia, chiamate Fintech, stanno crescendo molto rapidamente e mirano in parte a competere e in parte a supportare le aziende finanziarie tradizionali nella fornitura di servizi finanziari. Sono le aziende Fintech che stanno accelerando l’adozione delle tecniche di intelligenza artificiale in questo settore.
Digital Banking: tutti i dati del 2022 e cosa aspettarsi per il futuro
I benefici dell’introduzione dell’intelligenza artificiale nel mondo della finanza e del banking non ricadono solo sulle istituzioni finanziarie, ma anche su clienti e investitori.
Le applicazioni dell’intelligenza artificiale in finanza
Gli ambiti in cui l’intelligenza artificiale può essere impiegata nel settore finanziario sono molteplici. Nel seguito vengono riportati alcuni tra i più rilevanti.
- Prestiti: grazie alle tecniche di analisi documentale, l’intelligenza artificiale permette di automatizzare le procedure di valutazione della concessione del credito riducendo i tempi e il rischio di commettere errori che possono facilmente capitare nell’analisi manuale di una grande quantità di informazioni.
- Gestione dei rischi: la mitigazione dei rischi è un tema centrale non solo nel settore bancario. Attraverso l’analisi dei dati, le tecniche di machine learning possono essere usate per identificare potenziali rischi, predirne i possibili impatti e suggerire strategie di protezione.
- Investimenti: gli assistenti virtuali e i chatbot possono essere usati per il monitoraggio delle finanze personali. I Robo advisor possono offrire consulenza finanziaria per aiutare gli investitori nella gestione del proprio portafoglio e per suggerire un portafoglio di investimento personalizzato composto da obbligazioni, azioni e altri strumenti simili. A tal fine vengono usate le informazioni del cliente in merito alla propensione al rischio e all’esperienza di investimento.
- Operazioni: l’intelligenza artificiale può aiutare in molteplici operazioni quali il recupero crediti (personalizzando l’interazione con ogni tipologia di debitore), il procure to pay (automatizzando i sistemi di fatturazione e per sollecitare i pagamenti da parte dei propri clienti), e la riconciliazione bancaria (velocizzando il confronto tra gli estratti conto bancari e le registrazioni contabili).
- Assicurazioni: attraverso la valutazione del profilo di rischio dei consumatori, l’intelligenza artificiale può aiutare a determinare il piano assicurativo più appropriato e il corrispettivo prezzo. Tramite l’analisi documentale può anche aiutare ad elaborare i reclami, identificando quelli che sono fraudolenti o non aderenti alle normative.
- Audit & Compliance: uno degli impieghi più frequenti delle tecniche di intelligenza artificiale nel mondo finanziario è il rilevamento e la prevenzione delle frodi. L’identificazione automatica dei documenti fraudolenti permette di ridurre il carico di lavoro e le spese operative legate al loro processamento. Le tecniche di natural language processing possono essere usate anche per l’analisi automatica di documenti normativi e legali per rilevare eventuali problemi di conformità. Le medesime tecniche possono essere utilizzate anche per l’analisi delle ricevute delle spese di viaggio al fine di ridurre spese non conformi e ridurre al minimo i flussi di lavoro di approvazione.
- Servizio clienti: molte aziende, non solo nel settore finanziario, hanno adottato soluzione basate su sistemi di intelligenza artificiale conversazionali (chatbot) per gestire le richieste dei propri clienti. Questi sistemi permettono di gestire automaticamente una grande quantità di semplici domande, permettendo ai lavoratori dei call center di concentrarsi sull’evasione di un numero ridotto di richieste più complesse che non riescono ad essere risolte dall’intelligenza artificiale. Tramite l’analisi delle richieste irrisolte i sistemi di intelligenza artificiali possono trovare opportunità di upselling e cross-selling attraverso il suggerimento di prodotti o servizi volti a soddisfare le esigenze del cliente. Inoltre, l’intelligenza artificiale trova impiego nella definizione di modelli previsionali dell’abbandono dei clienti basati sull’osservazione del loro comportamento e può suggerire quali azioni intraprendere per cercare di prevenire l’abbandono.
- Trading quantitativo: attraverso l’analisi incrociata di grandi insiemi di dati storici di mercato, è possibile addestrare modelli di apprendimento automatico (ad esempio, apprendimento per rinforzo) per sviluppare strategie di trading automatico in grado di supportare il trader nelle sue decisioni o agire direttamente sul mercato senza bisogno di pause, monitorando un ampio numero di diversi asset e potendo agire a frequenze molto superiori rispetto a un trader umano (senza essere soggetto a emozioni). Le strategie possono anche essere calibrate a seconda dell’avversione al rischio di chi le vuole usare.
Le questioni etiche dell’intelligenza artificiale applicata alla finanza
Oltre ai molteplici vantaggi sopraelencati, l’impiego dell’intelligenza artificiale solleva anche degli interrogativi etici, che nel caso delle applicazioni finanziarie sono particolarmente rilevanti. Si possono identificare tre tipologie di criticità etico/legali:
- Bias: le moderne tecniche di intelligenza artificiale si basano principalmente sul paradigma del machine learning, ovvero sull’apprendimento guidato dall’esperienza pregressa. Osservando i dati disponibili, gli algoritmi di machine learning cercano di costruire modelli che generalizzano la conoscenza contenuta nei dati sfruttando le variabili osservabili del problema. Questo processo di generalizzazione introduce necessariamente un bias (meno sono i dati disponibili, più forte sarà il bias). I problemi nascono quando il bias del modello fa leva su alcune variabili che determinano una discrimnazione rispetto ad alcuni gruppi di persone sulla base ad esempio del genere, etnia, religione. Il tema è ancora più delicato quando i dati sono relativi a decisioni passate: se il decisore aveva dei bias (ad esempio, concedeva più facilmente un prestito a uomini caucasici), la probabilità che questi vengano ereditati (o addirittura amplificati) dall’intelligenza artificiale è molto alta. Le istituzioni finanziarie devono prestare grande attenzione alla qualità dei dati che vengono analizzati dagli algoritmi di intelligenza artificiale, assicurandosi che i dati coprano nel modo più completo possibile le diverse casistiche e non solo un gruppo limitato di casi.
- Responsabilità: nel caso in cui un’intelligenza artificiale prenda una decisione errata, di chi è la responsabilità? Di chi utilizza l’intelligenza artificiale o di chi l’ha sviluppata e commercializzata? Esperti di legge, organi regolatori, assicurazioni, aziende utenti e aziende sviluppatrici di intelligenza artificiale stanno affrontando il tema della responsabilità giuridica dei software di intelligenza artificiale, ma l’argomento è ampio e complesso e chi scrive le norme deve trovare il giusto equilibrio tra tutelare chi potrebbe essere danneggiato dalle decisioni di un’intelligenza artificiale e non soffocare lo sviluppo della tecnologia.
- Trasparenza: spesso i sistemi di intelligenza artificiale prendono delle decisioni sulla base di modelli molto complessi e quindi secondo logiche difficilmente comprensibili per un essere umano. Questa mancanza di trasparenza è incompatibile con il rispetto del DGPR che prevede il diritto da parte del diretto interessato di chiedere spiegazioni sulle decisioni che lo coinvolgono (ad esempio il rifiuto di un prestito). Per rispondere a questa necessità, molti progressi sono stati realizzati nello sviluppo della explainable AI, ovvero quell’insieme di tecniche che permettono di tradurre i processi decisionali dell’intelligenza artificiale in un linguaggio facilmente interpretabile dalle persone.
Conclusioni
L’intelligenza artificiale si sta diffondendo in tutti i settori industriali, ma è nel mondo finanziario che il suo impiego sta attraversando la più rapida espansione. La capacità di elaborare grandi quantità di informazioni in poco tempo permette di accelerare molti processi di business e di ridurre il rischio di errori dovuti alla stanchezza o alla distrazione degli operatori umani, consentendo agli istituti finanziari di ottenere forti risparmi.
Sul cammino dello sviluppo dell’intelligenza artificiale ci sono però ancora molte sfide aperte: affinché i software di intelligenza artificiale possano integrarsi nelle nostre società e supportarci nelle attività quotidiane una serie di questioni etiche devono ancora essere affrontate e risolte per garantire la sicurezza e i diritti fondamentali di persone e imprese. Siamo nel mezzo di una profonda rivoluzione tecnologica che modificherà la nostra quotidianità portando immensi benefici, ma, come tutte le tecnologie, comporta dei rischi che devono essere valutati e minimizzati.
