Già profondamente cambiato diversi anni fa dall’avvento di internet e delle nuove tecnologie di comunicazione, il settore economico-finanziario – basato su numeri, dati, transazioni, informazioni in genere – sta diventando, sempre più, uno dei migliori ambiti dove poter sfruttare algoritmi e tecniche di apprendimento automatico delle macchine.
E, di fatti, sono già moltissime le società del settore che hanno capito le potenzialità tecnologiche e si sono già mosse per creare team e ricercare profili professionali di data science, da affiancare a profili “classici”, come potrebbero essere quelli di gestione di portafoglio.
Intelligenza artificiale, efficienza e sicurezza
Sono tanti gli ambiti del mondo economico-finanziario sui quali l’IA sta già avendo un forte impatto, dalla gestione delle frodi alla consulenza, dal trading alla gestione delle finanze.
Il primo dato che balza all’occhio e su cui ci soffermeremo è l’impatto dell’intelligenza artificiale sulla efficienza e sicurezza del settore finanziario: già in uno studio di fine 2017, Gartner stima che entro il 2021 l’incremento di AI genererà circa 2,9 trilioni di dollari in valore aziendale e consentirà di recuperare circa 6,2 miliardi dE, di fatti, i dollari in produttività.
Metro Bank, ad esempio, usa già oggi l’intelligenza artificiale per analizzare le interazioni dei clienti e monitorare gli indicatori di performance, inclusa la soddisfazione del proprio consumatore. La banca può, in questo modo, identificare e affrontare i problemi prima che questi inizino a incrinare la relazione tra le parti.
Quando si parla di intelligenza artificiale e finanza il pensiero va subito a tutto quello che riguarda le “previsioni”, ovverosia la possibilità di predire il futuro – un pensiero che ha sempre fatto parte dell’immaginario collettivo, anche grazie alla letteratura e alla filmografia del genere.
Una nuova finanza “sartoriale” grazie all’AI
Da sempre si sfruttano diverse tecniche per poter profilare gli utenti al fine di ottenerne una classificazione più precisa così da utilizzarla, in un momento successivo, per proporre prodotti e servizi dedicati.
Se pensiamo, ad esempio, a una professionalità specifica come quella dell’investitore è molto chiaro come si trovi sempre più tra una grande quantità di dati disponibili e la necessità (e la capacità) di elaborarli, nella maniera più veloce e corretta possibile, per trasformarli in decisioni di investimento.
Andando oltre l’hype che la circonda, l’intelligenza artificiale è certamente anche una reale e concreta possibilità per sfruttare a proprio vantaggio delle componenti tecnologiche in grado di trasformare i dati che abbiamo a disposizione in valore.
E il settore finanziario, lo abbiamo già detto, è un mercato dove i dati non mancano e non sono mai mancati, con un livello di dettaglio e una profondità storica certamente rilevante, quindi utile a comprendere andamenti, serie storiche, cicli.
Un investitore non è certamente uno scommettitore e la raccolta e l’analisi dei dati sono ciò che fa la differenza tra l’aumentare valore o vanificare i risparmi consegnati.
Grazie alla quantità e alla granularità dei dati disponibili dagli istituti finanziari (penso a tutto quello che riguarda la conoscenza delle abitudini di rimborso di una persona, il numero di prestiti attivi, il numero di carte di credito e di debito, l’utilizzo e la movimentazione delle risorse, ecc.) è facile immaginare come possa essere possibile utilizzare queste informazioni per poter costruire una personalizzazione del tasso di interesse su una carta o su un mutuo, arrivando a una “sartorialità” molto precisa e definita per singolo cliente, salvaguardando l’impresa e supportando la clientela nel migliore dei modi.
Intelligenza artificiale e hedge fund
Secondo una ricerca presentata da Future Perfect Machine, tecnologie di IA sono già oggi utilizzate e messe in campo dalla maggior parte degli hedge fund per definire strategie di trading e dalle banche per rilevare frodi e manipolazione del mercato.
Già due anni fa, secondo una ricerca di Barclays del 2017, il 62% degli hedge fund – che sono naturalmente degli “early adopter” delle ultime tecnologie, utilizzavano una qualche forma di processo di machine learning e di intelligenza artificiale.
Verso la fine di quello stesso anno, la società RavenPack, specializzata sui temi di big data legati al mondo finanziario, già forniva algoritmi specializzati all’istituto elvetico Credit Suisse per lanciare sul mercato un indice denominato AIS (Artificial Intelligence Sentiment): un indice in grado di tracciare le prestazioni di una strategia d’investimento basandosi sulla valutazione del sentimento estratto e analizzato dalle notizie.
Ci sono tanti fondi invece che oramai dichiarano di tutto per rendersi appetibili: analisi semantica dei dati dei social network più utilizzati, uso di immagini satellitari per analizzare il comportamento e lo spostamento delle persone, accuratezza delle previsioni del tempo, e molto altro.
Le strategie di marketing per “vestire” meglio un prodotto possono essere molte ma, se prendiamo Two Sigma, uno degli hedge fund più famosi e profittevoli sul mercato, sappiamo che oggi si occupa di trading esclusivamente usando machine learning sfruttando una grande quantità di dati, insieme a un team di data scientist in grado di perfezionare continuamente gli algoritmi in modo tale da adattarli a nuove condizioni di mercato, nuove regolamentazioni, ecc.
Il punto da avere ben presente è proprio questo: non stiamo parlando di scenari futuribili o di cose che arriveranno. Stiamo trattando tecnologie che già oggi, e da diverso tempo – in realtà, permettono di utilizzare algoritmi e strumenti intelligenti per portare validi e misurabili benefici.
IA e analisi del rischio
Ben sapendo che una delle caratteristiche dell’IA è quella di essere in grado di imparare in maniera autonoma dai dati passati che possiamo mettere a disposizione, il poter utilizzare i dati relativi alle abitudini di rimborso di ogni individuo, il numero di prestiti attivi in quel momento, il numero di carte di credito intestate e altri dati possono essere utilizzati per personalizzare il tasso di interesse su una carta o su un mutuo.
L’intelligenza artificiale dipende completamente dai dati, e proprio dalla scansione di questi ultimi ricava la possibilità di formulare una valutazione sulle offerte di credito, che ottengono in questo senso un vero significato storico.
L’intelligenza artificiale può così prendere il posto di un analista umano molto velocemente.
Rilevazione e gestione delle frodi
Possiamo avere tecnologie di IA visibili, come possono essere chatbot (programmi progettati per simulare una conversazione con un essere umano) con i quali dialoghiamo tramite siti web (Bank of America già nel 2016 aveva introdotto il bot “Erica”) oppure nascoste come sistemi di sicurezza per la rilevazione e la gestione delle frodi.
L’analisi dei dati degli utenti, dei loro comportamenti, studiare le logiche inerenti la persona e l’uso delle risorse, la ricerca di pattern comportamentali, l’identificazione di abitudini, la propensione al rischio sono tutti temi utili alla riduzione dei potenziali rischi.
Algoritmi specializzati riescono a mettere a fattor comune tutti i dati utili per poter ragionare ed evidenziare possibili stranezze legate ai movimenti e ai flussi finanziari, come potrebbe essere l’utilizzo di una carta da un paese poche ore dopo che il suo utilizzo localizzato in un altro posto, il tentativo di prelevare una somma di denaro insolita per il conto in questione, ecc.
Il vantaggio di avere macchine in grado di apprendere dai propri errori permette il costante miglioramento per poter prendere decisioni sempre più sofisticate e, quindi, sul riuscire a considerare sempre meglio una frode o un’operazione perfettamente lecita.
Come ricordato da Mark Davison (Chief Data Officer, Callcredit): “[L’IA] aiuta gli istituti di credito a prendere decisioni più accurate in tempi più rapidi. Le richieste di prestito che un istituto di credito rifiuterà e […] approverà sono facili da individuare. L’area grigia intermedia, che rappresenta quelle di cui l’istituto deve occuparsi manualmente, è molto più complicata.”
Su questi temi, UBS ha deciso di utilizzare un motore di analisi automatizzato in grado di identificare le entità con sanzioni che tentano di sfuggire ai controlli KYC (Know Your Customer) manuali.
La banca Raiffeisen ha deciso di sviluppare un bot anche per voler rispondere meglio alle esigenze della sua clientela rendendo disponibile uno strumento che permettesse alle persone di trovare risposte da qualsiasi luogo, sia che fossero davanti a un computer, al telefono o sul divano di casa.
Servizi di consulenza finanziaria
Il mercato sta già assistendo all’introduzione dei cosiddetti “robo advisor”, assistenti virtuali pensati la consulenza con l’obiettivo di ridurre costi e, in particolare, le commissioni sui singoli investimenti: le macchine possono lavorare senza stancarsi, 24 ore al giorno e rispondendo simultaneamente a più potenziali clienti.
Grazie a questi assistenti, la clientela può ricevere consigli personalizzati relativi alla propria gestione patrimoniale in funzione dei propri obiettivi, acquistare o vendere prodotti finanziari, ricevere report periodici relativi all’andamento dei propri investimenti.
Next Best Action (NBA) della società Veripark si concentra sull’utilizzo di sofisticate regole e algoritmi per prevedere meglio le esigenze dei clienti così da offrire azioni e offerte più pertinenti per portano a migliorare il portafoglio e fidelizzare meglio la clientela.
Trading
Le società di investimento, abbiamo già visto sopra, hanno già iniziato ad affidarsi a una collaborazione tra macchine (computer) e analisti: operazioni sui mercati e investimenti sono strettamente legati dalla capacità di analizzare e prevedere in maniera accurata il comportamento e gli andamenti dei titoli di interesse. Il vantaggio – imbattibile – delle macchine sono:
- la rapidità con cui sono in grado di elaborare enormi quantità di dati in tempi brevissimi;
- l’osservazione di pattern passati e prevedere, quindi, come potrebbero ripetersi in futuro gli stessi modelli;
- la costruzione di soluzioni per rispondere alle necessità e alla propensione al rischio di ogni singola persona
Gestione delle finanze
L’IA si sta imponendo anche nella modifica del concetto di gestione finanziaria personale (Pfm: Personal financial management) con un più moderno “personal financial coaching”: sfruttando algoritmi intelligenti si è in grado di fornire ai consumatori aiuti che gli permettano di prendere decisioni sul loro denaro.
Alla base di questi ragionamenti c’è l’analisi della situazione corrente, insieme a tutta la storia finanziaria conosciuta del cliente, per poter costruire consigli e suggerimenti altamente personalizzati.
Su questi temi, nonostante gli ostacoli di un mercato altamente veloce, complesso e regolamentato, Axioma è diventato un nome riconosciuto tra i fornitori FinTech soprattutto per essere in grado di aggiornare quotidianamente i modelli di rischio azionario.
In tutti gli aspetti e i temi trattati è anche da tenere in considerazione l’impossibilità, sfruttando l’IA, di far subentrare fattori emotivi che non vanno assolutamente sottovalutati e che potrebbero risultare controproducenti: anche per questa ragione risulta facile dedurre perché sia in aumento la tendenza ad appoggiarsi a queste tecnologie alle quali demandare attività, fare elaborare rapidamente grandi quantità di informazioni ed effettuare complesse e articolate analisi anche cogliendo sfumature che altrimenti potrebbero sfuggire.
Senza dubbio, il futuro dell’intelligenza artificiale nel settore economico/finanziario è in ascesa e in rapida adozione, lasciando ipotizzare uno scenario dove si potranno avere minori costi, scambi più intelligenti e sicuri, e un’esperienza di più alto livello per gli utenti, siano essi clienti che operatori del settore.
