L'intelligenza artificiale nei servizi finanziari: plasmare il futuro della finanza

I servizi finanziari usano l'intelligenza artificiale per individuare e fermare i reati finanziari, migliorare l'esperienza dei clienti con assistenti virtuali e personalizzazione, migliorare la gestione dei rischi, promuovere il trading algoritmico e l'ottimizzazione delle operazioni, rafforzare la sicurezza informatica e aumentare la produttività dei dipendenti. I vantaggi principali dell'IA nel settore finanziario includono una maggiore efficienza operativa, una migliore esperienza dei clienti, una migliore mitigazione dei rischi, ulteriori fonti di reddito e opportunità commerciali, un processo decisionale più rapido e nuovi vantaggi competitivi. Adottare l'IA nella finanza significa affrontare rischi di conformità normativa, potenziali errori e pregiudizi, sfide legate ai dati, mancanza di talenti nel campo dell'IA e oneri legati al passato.

Comunque, mantenere una posizione di leadership nella rivoluzione dell'IA nel settore bancario e dei servizi finanziari è una sfida. Usare l'IA nella finanza richiede una valutazione attenta dei rischi e la scelta del caso d'uso aziendale giusto da cui partire.

L'apprendimento automatico (ML) e l'intelligenza artificiale analitica (AI) non sono una novità nel mondo della finanza. Sono già usati per classificare i dati, automatizzare i processi, individuare modelli e prevedere eventi. Il settore bancario, dei servizi finanziari e assicurativo rappresenta il 18% del mercato globale del ML, posizionandosi come uno dei maggiori utilizzatori di tecnologia, secondo solo al settore IT e delle telecomunicazioni (19%).

Moduli AI usati dalle istituzioni finanziarie

• Analisi dei dati (69%)
• Elaborazione dei dati (57%)
• Elaborazione del linguaggio naturale (47%)
• Modelli linguistici di grandi dimensioni (46%)
• IA generativa (43%)

La strategia più diffusa per l'adozione dell'IA e dell'ML tra le organizzazioni di servizi finanziari è lo sviluppo di app usando servizi di IA e ML basati sul cloud. Secondo S&P Global, questo approccio è stato identificato come strategia principale dal 44% delle aziende intervistate. Come si usa l'intelligenza artificiale nel mondo della finanza adesso:

• Operazioni (48%)
• Rischio e conformità (45%)
• Marketing (34%)
• Vendite (27%)

Gen AI rimane in prima linea

L'IA generativa è la tecnologia chiave che sta plasmando il futuro dell'IA nel settore finanziario. Attualmente, la diffusione dell'IA generativa e dei modelli linguistici di grandi dimensioni nelle organizzazioni di servizi finanziari raggiunge rispettivamente quasi il 43% e il 46%. L'intelligenza artificiale generativa nel settore bancario:

• Co-piloti di codifica per una digitalizzazione più veloce
• Soluzioni Chat-your-data per democratizzare i dati aziendali
• Creazione di dati sintetici per addestrare modelli di IA/ML
• Creazione di report su rischi e conformità
• Assistenti virtuali personali dei clienti
• Campagne di vendita e marketing super personalizzate
• Creazione automatica dei rapporti di sinistri assicurativi
• Segnalazione virtuale dei danni nelle richieste di risarcimento assicurativo

Gli analisti di McKinsey pensano che l'intelligenza artificiale generativa farà crescere il settore bancario globale del 2,8-4,7% e quello assicurativo dell'1,8-2,8%. I settori più colpiti saranno probabilmente il marketing, le vendite, le operazioni con i clienti e l'ingegneria del software.

Prevenzione dei reati finanziari

Solo nel 2023, le truffe hanno causato perdite per 485,6 miliardi di dollari. Nel 2011, nel sistema finanziario globale sono circolati più di 3,1 trilioni di dollari di denaro illegale. Con il 90% delle organizzazioni finanziarie che considera la prevenzione dei reati finanziari una priorità assoluta, diventa fondamentale sfruttare l'analisi dei dati per l'individuazione e la prevenzione. Due terzi delle organizzazioni prevedono di utilizzare questo approccio, con la metà che investe nell'intelligenza artificiale per ampliare la capacità di individuazione delle frodi. La prevenzione delle frodi AI include:

• Analisi dei big data per tenere traccia delle spese e delle prestazioni dei conti
• Analisi predittiva per valutare il rischio di crimini finanziari
• Segnalazione di transazioni/conti per un'ulteriore revisione
• Antiriciclaggio automatizzato (AML) e conosci il tuo cliente (KYC)

Esempio: Barclays ha lanciato un'app AI che tiene traccia delle transazioni online dei commercianti usando analisi predittive per capire se c'è qualche frode. PayPal ha usato l'AI per ridurre di 30 volte i casi di frode non individuati e tagliare di tre volte i costi dell'hardware.

Assistenti virtuali

I chatbot basati sull'intelligenza artificiale e potenziati con Gen AI offrono servizi di consulenza finanziaria personale 24 ore su 24, 7 giorni su 7. A differenza delle versioni precedenti basate su regole, Gen AI consente di creare chatbot più sofisticati che adattano le risposte alle richieste dirette e indirette dei clienti con interazioni simili a quelle umane. Funzionalità del chatbot AI:

• Consigli sulle scelte di investimento
• Gestione dei conti bancari
• Consulenza sulla gestione finanziaria personale
• Assistenza clienti self-service
• Recupero crediti automatizzato

Iper-personalizzazione su larga scala

Quasi il 73% dei clienti dei servizi finanziari vuole che i fornitori capiscano le loro esigenze e aspettative personali. Inoltre, il 62% cambierebbe fornitore se si sentisse trattato in modo impersonale. La personalizzazione basata sull'intelligenza artificiale ti permette di:

• Micro-segmentazione dei clienti in base alle esigenze e alle preferenze
• Marketing personalizzato e consigli sui prodotti
• Prevenzione dell'abbandono dei clienti attraverso l'analisi predittiva
• Consigli su investimenti personali e gestione finanziaria

Gestione dei rischi

Le decisioni tradizionali in materia di prestiti e assicurazioni si basano su set di dati limitati, come la professione e la storia creditizia. I dispositivi di intelligenza artificiale possono raccogliere e valutare grandi quantità di dati per ottenere rating creditizi e valutazioni del rischio più accurati, comprese fonti non tradizionali come l'attività sui social media. Applicazioni di gestione del rischio AI:

• Gestione dei rischi aziendali con identificazione dei rischi innovativa
• Suggerimenti per la strategia di mitigazione
• Strumenti di valutazione del rischio dei clienti per le decisioni di investimento e di prestito

Esempio: Banco Santander offre lo strumento Kairos ai clienti aziendali per migliorare il processo decisionale.

Ottimizzazione del trading e trading algoritmico

Gli algoritmi hanno dominato il trading per anni. J.P. Morgan ha usato reti neurali profonde nel 2019 per permettere ai programmi di trading automatico di trovare i modi più redditizi per fare trading. Capacità di trading dell'IA:

• Elaborazione di centinaia di dati di mercato
• Identificazione delle tendenze storiche e attuali
• Analisi di dati non strutturati (notizie) usando l'elaborazione del linguaggio naturale
• Prezzi degli asset usando informazioni storiche e in tempo reale
• Allocazione ottimale delle risorse per massimizzare il ROI
• Valutazione del rischio di liquidità
• Rilevamento di manipolazioni di mercato
• Automazione del trading ad alta frequenza

Sicurezza informatica

Le violazioni dei dati costano in media 4,88 milioni di dollari, con un aumento del 10% rispetto al 2023. Le organizzazioni di servizi finanziari danno la priorità al mantenimento di un vantaggio sugli aggressori, migliorando al contempo la sicurezza di terze parti, le metriche e la reportistica, nonché la gestione degli accessi. Applicazioni di sicurezza informatica basate sull'intelligenza artificiale:

• Gestisci l'identità e l'accesso con un occhio di riguardo per i comportamenti sospetti
• Sicurezza degli endpoint e identificazione dei malware
• Approfondimenti sulle vulnerabilità della sicurezza cloud
• Rilevamento delle minacce e risposta automatica
• Sicurezza delle informazioni e prevenzione del furto di dati
• Ottimizzazione delle indagini sugli incidenti e delle risposte

Gli strumenti di sicurezza informatica Modern Gen AI inoltre:

• Trasforma le informazioni in suggerimenti per le indagini
• Scrivi la documentazione dell'incidente
• Dai un'occhiata alle falle di sicurezza del codice
• Dai consigli sulla sicurezza informatica in un linguaggio semplice

Strumenti per la produttività dei dipendenti

L'intelligenza artificiale aiuta i dipendenti a essere più produttivi in tutte le funzioni, dalla gestione dei rischi e della conformità al servizio clienti, al marketing e alle vendite. Applicazioni di produttività Gen AI:

• Riassunto di documenti (regolamenti, relazioni, ricerche)
• Suggerimenti per rispondere in tempo reale all'assistenza clienti
• Aiuto per creare frammenti di codice e dare un'occhiata
• Elaborazione e classificazione dei dati non strutturati

Altri vantaggi in termini di efficienza dell'IA:

• Elaborazione visiva dei dati per valutare i danni e verificare l'identità
• Elaborazione intelligente dei documenti per dati strutturati/non strutturati
• Riconoscimento vocale per la selezione dei casi nel servizio clienti
• Analisi predittiva per consigli sulle azioni migliori da fare

Miglioramento dell'efficacia operativa

I modelli di intelligenza artificiale automatizzano processi che prima erano manuali, come la verifica dei dati per l'apertura di conti e la creazione di rapporti su rischi e conformità, portando a una maggiore efficienza operativa.

Migliori esperienze dei clienti

La personalizzazione basata sull'intelligenza artificiale, gli assistenti virtuali e l'automazione intelligente creano esperienze fluide e velocizzano le operazioni di back-office. Questo aumenta il valore del ciclo di vita dei clienti e allo stesso tempo riduce il tasso di abbandono e i costi di acquisizione.

Rischi mitigati

L'intelligenza artificiale protegge le organizzazioni da perdite finanziarie e di reputazione grazie a un accurato rilevamento delle frodi e a solidi sistemi AML/KYC. Tuttavia, l'implementazione dell'intelligenza artificiale stessa richiede una mitigazione dei rischi.

Nuove fonti di guadagno

L'intelligenza artificiale porta a modelli operativi, prodotti e servizi completamente nuovi. Un esempio di questa innovazione è l'assicurazione auto basata sull'utilizzo, con premi determinati dall'intelligenza artificiale in base al comportamento del conducente.

Processo decisionale più veloce

Le soluzioni Chat-your-data e le potenti analisi consentono un processo decisionale più rapido in tutte le funzioni aziendali. La modellazione predittiva supporta in modo specifico la strategia di mitigazione del rischio e le decisioni di sottoscrizione.

Vantaggio competitivo

L'intelligenza artificiale offre una migliore esperienza ai clienti, riduce le spese operative grazie a una maggiore efficienza e offre prodotti e servizi innovativi basati sull'intelligenza artificiale, creando vantaggi competitivi per chi la adotta per primo.

Recupero di documenti assicurativi Generazione aumentata (RAG)

Una compagnia di assicurazioni ha semplificato l'estrazione dei dati da migliaia di documenti risalenti al 2005. La soluzione RAG ha unito il recupero delle informazioni con l'intelligenza artificiale generativa, permettendo agli analisti aziendali di accedere ai dati tramite interfacce di domande e risposte in linguaggio naturale. Risultati: i dipendenti trovano le sezioni giuste della documentazione in 38,3 ms mentre cercano tra più di un milione di vettori, rispondendo facilmente a domande complesse come i confronti di prezzo dei profili degli assicurati.

Rilevamento e prevenzione delle frodi nelle transazioni commerciali

MasterCard ha collaborato con Amazon Web Services (AWS) per migliorare le capacità di AI/ML nella prevenzione delle frodi nelle transazioni commerciali, andando oltre i sistemi basati su regole per affrontare tecniche di frode sofisticate. Risultati: triplicato il tasso di rilevamento delle frodi e ridotti di dieci volte i falsi positivi, migliorando l'esperienza dei commercianti con i servizi MasterCard.

Miglioramento dell'esperienza del cliente e offerte predittive

Scotia Bank ha usato Google Cloud per migliorare l'esperienza dei clienti dei servizi bancari basati sull'intelligenza artificiale, spostando i dati dei clienti su un'infrastruttura cloud con tre iniziative principali:

• Consigli su singoli prodotti usando modelli ML
• Automatizza l'esperienza del cliente con l'elaborazione del linguaggio naturale, il riconoscimento vocale e la visione artificiale
• Unificare i dati per avere informazioni più chiare e consigli finanziari migliori

Ottimizzazione del portfolio

HSBC ha collaborato con EquBot per migliorare le prestazioni del portafoglio usando i big data. L'indice azionario statunitense basato sull'intelligenza artificiale (AiPEX) usa EquBot AI per scegliere titoli con un alto potenziale di crescita dall'indice Russell 1000. Risultati: AiPEX ha superato l'indice S&P 500 del 123% nell'ultimo decennio grazie a un'identificazione migliore dei titoli ad alta crescita usando il linguaggio naturale e dati non strutturati.

Produttività degli sviluppatori

Westfield Insurance ha usato l'intelligenza artificiale generativa di IBM per migliorare la produttività degli sviluppatori e la flessibilità aziendale, aiutando con lo sviluppo di app e l'inserimento di sviluppatori in COBOL, soluzioni Assembler e JCL. Risultati: riduzione dell'80% del tempo necessario per familiarizzare con l'applicazione e riduzione del 30% del tempo necessario per la descrizione del codice e la documentazione, accelerando al contempo la modernizzazione dell'applicazione e riducendo i costi di gestione delle modifiche.

Rischi di conformità normativa

Le autorità di regolamentazione di tutto il mondo si stanno concentrando sull'uso dell'IA nel settore finanziario. La legge sull'intelligenza artificiale dell'UE segna l'inizio di una nuova legislazione in materia, mentre le autorità di regolamentazione statali degli Stati Uniti cercano di evitare che l'IA danneggi i consumatori. Strategie di mitigazione:

• Dai un'occhiata a tutte le regole che riguardano lo sviluppo e l'implementazione dei modelli di IA.
• Assicurati che ci sia una buona gestione dell'intelligenza artificiale
• Segui i principi di responsabilità e interpretabilità dell'IA
• Crea dei comitati etici sull'intelligenza artificiale che facciano controlli regolari

Possibili errori e pregiudizi

Mentre le discussioni sull'IA generativa sono dominate dalle preoccupazioni relative alle allucinazioni, altri modelli di IA/ML devono affrontare problemi di errori e pregiudizi. Poiché l'IA nel settore bancario gestisce dati sensibili che influiscono sulla vita dei clienti, è fondamentale prevenire questi problemi. Strategie di mitigazione:

• Crea set di dati di addestramento vari e rappresentativi
• Controlla spesso i modelli per vedere se ci sono pregiudizi o errori e aggiusta quelli che trovi.
• Usa metodi di addestramento anti-pregiudizio (riponderazione, addestramento antagonistico)
• Spiega agli utenti finali i limiti degli strumenti di IA
• Assicurati che ci sia sempre qualcuno che controlla

Sfide relative ai dati

Il successo dei modelli di IA e ML dipende dalla qualità dei dati di addestramento. Ma i silos di dati, le preoccupazioni sulla privacy e i volumi di dati insufficienti creano ostacoli significativi. I problemi relativi ai dati rappresentano la sfida più grande per il 38% degli istituti finanziari. Strategie di mitigazione:

• Metti in atto una solida sicurezza informatica per proteggere le informazioni riservate
• Pensa a creare dati sintetici usando Gen AI per addestrare il modello
• Metti insieme i dati sparsi prima di usare l'intelligenza artificiale
• Affronta in modo proattivo le questioni relative alla privacy

Mancanza di talento

Il reclutamento e la fidelizzazione di specialisti in IA sono stati i problemi più grandi per i servizi finanziari nel 2022, scendendo al secondo posto nel 2023 con il 32% delle organizzazioni che ancora ci dà dentro. Strategie di mitigazione:

• Crea proposte di valore convincenti per i datori di lavoro
• Valuta il potenziale dei candidati e le loro competenze tecniche attuali
• Fai combaciare bene i requisiti aziendali con quelli delle competenze
• Cerca talenti lontani e internazionali
• Pensa a come trovare persone esperte in AI tramite fornitori di servizi a contratto

Eredità del passato

Le banche e le compagnie assicurative tradizionali usano sistemi informatici vecchi, con un'età media che supera i 10 anni. Implementare strumenti di intelligenza artificiale diventa difficile o impossibile senza prima risolvere i problemi tecnici e modernizzare le infrastrutture esistenti. Strategie di mitigazione:

• Fai un'analisi completa della maturità digitale
• Riduci sistematicamente la complessità dell'infrastruttura IT
• Definisci con precisione l'ambito, i tempi e il budget delle attività di modernizzazione legacy
• Rompere i silos organizzativi insieme ai silos di software e dati

Le tendenze chiave che definiscono il futuro dell'IA nei servizi bancari e finanziari includono la spinta verso un'IA spiegabile e responsabile, le possibilità offerte dalla biometria fisica e comportamentale e lo sviluppo del quantum computing.

IA spiegabile e responsabile

La fiducia dei consumatori è un fattore importante per l'adozione di successo dell'IA. Tuttavia, solo il 21% dei clienti dei servizi finanziari si fida dei chatbot Gen AI. Con le questioni etiche che stanno diventando sempre più importanti, cresce la pressione per un'IA che sia trasparente e responsabile. Secondo una ricerca di NVIDIA, l'84% delle istituzioni finanziarie ha messo in atto misure per garantire l'affidabilità dei modelli di IA. Comunque, l'IA spiegabile è ancora una tecnologia che non è proprio matura e ha bisogno di soluzioni per ridurre la velocità di calcolo e i compromessi di precisione per migliorare l'interpretabilità.

Biometria

Il furto di identità sintetica sta diventando un crimine finanziario in rapida espansione negli Stati Uniti, con l'intelligenza artificiale generativa che diventa un'arma efficace per i criminali. Le perdite previste di quasi 23 miliardi di dollari entro il 2030 possono essere evitate usando la biometria fisica e comportamentale. Questi sistemi usano l'intelligenza artificiale per tenere d'occhio il comportamento dei clienti e fare controlli approfonditi su KYC e AML. La biometria comportamentale crea profili unici dei clienti basati sulla velocità di inserimento della password e su come si muovono nell'app mobile. Il riconoscimento facciale offre un'autenticazione e un'autorizzazione facili e sicure. Aziende come MasterCard e BNP Paribas usano già la biometria per garantire una maggiore sicurezza ai titolari di carte.

Intelligenza artificiale e fusione quantistica (AQ)

Le tecnologie quantistiche rappresentano il futuro dello sviluppo tecnologico con investimenti industriali senza precedenti. Anche se i computer quantistici non diventeranno realtà nel prossimo decennio, il quantum computing potrebbe potenzialmente rompere le procedure di crittografia asimmetrica. Le società finanziarie come HSBC stanno già migliorando la gestione della crittografia per prepararsi all'era della crittografia quantistica. Insieme all'intelligenza artificiale, gli algoritmi ispirati alla fisica quantistica possono portare a mercati più avanzati e analisi del rischio di portafoglio che vanno oltre le simulazioni Monte Carlo. Una migliore qualità dell'apprendimento AQ può davvero migliorare le capacità di individuare le frodi.