Come ottenere il massimo dai tuoi soldi in banca con l'intelligenza artificiale e l'apprendimento automatico

L'intelligenza artificiale è già usata in tre quarti del settore bancario. E anche se Gartner ha detto che la GenAI diventerà una delle tendenze bancarie più importanti solo tra qualche anno, ultimamente c'è una forte voglia di usare la GenAI già adesso. La tecnologia di oggi non è solo trovare lo strumento perfetto. Si tratta di scegliere lo strumento giusto e metterlo al posto giusto, trovare il caso aziendale adatto e poi usare e abbandonare la tecnologia. La tecnologia sta cambiando così in fretta che è già diventata qualcosa di usa e getta, e la tua prossima soluzione probabilmente non durerà più di due anni.

Soprattutto considerando le implicazioni commerciali. Per esempio, lo scopo principale dell'IA nel settore bancario è automatizzare le attività e fare previsioni usando modelli di machine learning (ML) (incluso il deep learning complesso). Questo richiede un sacco di potenza di calcolo e dati, oltre a investimenti notevoli. Anche le istituzioni finanziarie sono già tra i grandi consumatori di IA. Si affidano a servizi di ML basati su cloud (ad esempio AWS, Microsoft Azure, Google ML) e (principalmente) ad ambienti cloud ibridi privati o mainframe. Sembra che ci sia una nuova svolta tecnologica quasi ogni giorno e, ovviamente, tutti vogliono usarla subito. Comunque, c'è molto da guadagnare valutando cosa devi fare davvero e quali soluzioni possono aiutarti a farlo. E assicurandoti di usare al massimo quello che già hai, cioè sfruttando al meglio i tuoi soldi, prima di iniziare a spendere.

Già tre quarti delle istituzioni finanziarie usano l'intelligenza artificiale e i recenti progressi fanno pensare che ci sarà sempre più interesse a introdurre GenAI nel mix tecnologico il prima possibile. Il software low-code/no-code sviluppato da GenAI potrebbe far risparmiare un sacco di soldi, tipo ridurre le spese operative e i rischi legati alla vecchia infrastruttura e ai processi che richiedono tanto lavoro.

Le principali tendenze dell'IA nel settore bancario, secondo Gartner:

• Visione artificiale: migliora le prestazioni operative in materia di KYC, AML, verifica dell'identità, rilevamento delle frodi e sottoscrizione.
• Intelligenza decisionale e tecnologie grafiche: modernizza le app dal front-office al back-office
• Funzionalità AI innovative: aumenta la precisione e l'ampiezza nella gestione dei rischi e nel marketing attraverso modelli di base. Le reti generative avversarie (GAN) sono ben applicate nella creazione di immagini, video e registrazioni vocali realistici che nella maggior parte dei casi sono indistinguibili dalle informazioni originali
• AI incentrata sui modelli: parla di sviluppi interessanti come l'AI composita e la GenAI per dare una mano a nuove iniziative
• AI incentrata sui dati: concentrati sull'analisi dei dati per garantire etica, accuratezza e spiegabilità
• Applicazioni e casi d'uso basati sull'intelligenza artificiale: crea interfacce utente conversazionali, spazi intelligenti, robot, ecc.
• AI responsabile e incentrata sull'uomo: raddoppia lo sforzo per lo sviluppo etico dell'AI, la gestione dei rischi e l'impatto sociale positivo

Il processo decisionale, la gestione delle operazioni e l'iper-personalizzazione dei prodotti per aumentare i rendimenti dei clienti porterebbero un sacco di miglioramenti ai tuoi ricavi operativi e alla riduzione dei costi. S&P stima che una riduzione del 10% del costo del personale bancario aumenterebbe il rendimento del capitale proprio di circa 100 punti base e il rapporto costi/ricavi di circa il 3% (secondo S&P Global Ratings, Global Top 200 rated banks).

Le strategie di intelligenza artificiale possono dare un vantaggio competitivo alle banche che hanno la capacità e la flessibilità di usarle al meglio. Ci vuole solo un po' di lungimiranza e un uso intelligente dell'intelligenza artificiale. Con l'aumento della gestione del rischio, l'intelligenza artificiale potrebbe influenzare come si vedono i profili di rischio delle banche. Quando le banche riescono a valutare bene il rischio di credito usando modelli nascosti nelle informazioni per capire quanto è probabile che un cliente ripaghi il debito, le banche miglioreranno i loro modelli di risoluzione, ridurranno al minimo i prestiti problematici e massimizzeranno la correttezza. La gestione dei rischi potrebbe essere migliorata in vari modi usando l'intelligenza artificiale. Comunque, questo non impedirà che una cattiva implementazione crei rischi reputazionali e operativi, oltre a una posizione di rischio negativa per la banca. Fai le cose per bene. Trova un fornitore di tecnologia che capisca come funzionano le cose nel mondo bancario.

La nuova legge sull'IA in Europa ha creato un controllo completo sui prodotti e servizi di IA in base al rischio e ai casi d'uso. La legge include le responsabilità del modello di base per i sistemi di IA generici. Altri paesi come Canada, Brasile, Cile e Filippine non sono da meno in questo senso. Negli Stati Uniti, il National Institute of Standards and Technology (NIST) ha creato un consorzio per la sicurezza dell'IA. Vuole lavorare con l'industria per trovare nuovi standard, come linee guida specifiche per il settore, che siano incentrate sulla gestione dei rischi. Oltre alle regole del governo, c'è sempre più consapevolezza che l'industria ha il dovere di proteggere la società avviando o rafforzando la governance dell'IA.

La nuova applicazione della normativa sull'IA si basa sul rischio che potrebbe essere introdotto dagli utenti a rischio e sulle attività che dovrebbero essere controllate. Ci sono quattro tipi di rischi che sono stati presi in considerazione dall'UE:

I termini "rischi minimi" e "rischi limitati" significano che l'IA viene usata per semplici funzioni interne, come automatizzare le routine. Non c'è comunicazione con utenti e clienti reali (ad esempio, bot o bot legati alla base di conoscenza). I rischi minimi non richiedono molte regole, e la maggior parte delle regole che verranno usate riguardano il far sapere ai clienti che stanno interagendo con dei bot. I rischi considerati elevati e inaccettabili includono i sistemi di IA che informano i responsabili delle decisioni. Questi comprendono la valutazione delle richieste, le questioni relative ai dati dei clienti e la gestione dei clienti nel loro complesso. Questi sistemi di IA saranno sottoposti a un controllo rigoroso e sarà necessario tenere conto di numerose normative relative al loro utilizzo. Sarà vietato l'uso di sistemi di IA e operazioni che intervengono volontariamente o involontariamente sugli utenti modificandone il libero arbitrio o i comportamenti. In questo modo, gli anziani e i minori, il funzionamento della società, come il punteggio sociale e lo screening biometrico, e l'analisi dei dati con la presunta partecipazione dei clienti, compresa la loro origine, attività, ecc., saranno influenzati. I piani che saranno messi in atto nel 2024 e completati entro il 2026 saranno per lo più applicabili ai sistemi ad alto rischio.

Servizi finanziari

L'accesso sarà basato sulla regolamentazione dell'IA nei servizi finanziari. Servizi finanziari Nel settore finanziario, i sistemi di IA analizzano i dati dei clienti per valutare la loro affidabilità creditizia e individuare eventuali frodi.

Dal punto di vista dell'analisi, siamo in un periodo di crescita pazzesca in questa era tecnologica incredibile. Quindi, tutto quello che è stato fatto solo 2 anni fa è già superato. E la domanda è: come può un'azienda usare la vecchia tecnologia in modo gestibile e non dannoso, pensando alle conseguenze anche del più piccolo errore? Prendiamo ChatGPT, per esempio. Nessuno sa da dove vengono le informazioni nell'app (o se sono imparziali/protette da copyright/complete). Comunque, sempre più persone al lavoro sono invogliate a usare l'app per creare blog aziendali, articoli, white paper e persino righe di codice. Non c'è da stupirsi che le istituzioni finanziarie stiano pensando di creare servizi di IA separati (un'estensione del dibattito aziendale in corso: "Passiamo al cloud o restiamo on-premise?"). Diventa un problema serio perché, per avere un'intelligenza artificiale efficace e analisi avanzate, devi essere sicuro che l'integrità dei tuoi dati sia all'altezza. Detto questo, è logico lavorare internamente, offline. L'azienda può addestrare il tuo modello linguistico aziendale di grandi dimensioni (LLM) o il software di controllo grammaticale solo sulla documentazione interna (che non uscirà mai dal mainframe). In realtà, la risposta più sicura è l'opposto dell'attuale modo di pensare nell'IT, che vorrebbe trasferire tutto sul cloud.

Come elaboratore e sistema di registrazione, la piattaforma bancaria centrale Hogan è diventata il motore di alcune delle banche più influenti al mondo. Ora abbiamo migliorato l'eccezionale soluzione cloud ibrida mainframe di Hogan prendendo le migliori soluzioni IBM Z e fornendo progetti per le banche con core obsoleti da "migrare alla piattaforma". Hogan x può persino aiutarti a creare una banca digitale completamente nuova. La piattaforma si basa sui principi BIAN (Banking Industry Architecture Network) ed è modulare e componibile. Usa Z Linux e altre soluzioni containerizzate e basate su cloud. La piattaforma può anche essere offerta in modelli as-a-Service basati sul consumo.

Trova la soluzione più adatta a te

L'architettura cloud ibrida mainframe ti permette di scegliere la strategia più adatta per implementare le applicazioni. Ecco un esempio di ecosistema nel settore bancario (tra IBM Z e cloud). Le applicazioni sono divise in tre aree separate:

• Coinvolgimento dei clienti sui canali digitali
• Elaborazione operativa (ad es. gestione degli ordini, marketing e vendite)
• Transazioni e dati fondamentali (attività bancarie fondamentali e carte di credito)

Queste app dovrebbero funzionare bene insieme, così possono condividere informazioni in tempo reale e dare il massimo nelle loro prestazioni aziendali. L'integrazione è fondamentale per ottenere una buona interoperabilità. Un modello di cloud ibrido mainframe con IBM zSystems aiuta i clienti a ottimizzare costi, prestazioni e agilità in base al tipo di applicazione e all'infrastruttura più adatta. Prendiamo ad esempio i canali digitali. L'alto livello di interazione omnicanale si basa sull'integrazione delle informazioni dei partner e dei clienti per sviluppare un'esperienza cliente ottimale. Questo, insieme al cambiamento delle variabili e dei carichi di lavoro nelle soluzioni basate sul cloud, rende le soluzioni ibride la soluzione ideale.

Ambiente, sociale e governance (ESG)

Un vantaggio spesso sottovalutato dell'architettura cloud ibrida mainframe è la sostenibilità ambientale. Il cloud agile e i mainframe efficienti dal punto di vista energetico daranno alle banche la possibilità di ottimizzare l'impronta ecologica e il consumo energetico dei loro data center (che consumano circa l'1% dell'energia globale), contribuendo a rendere il pianeta più verde.

Comunque, l'architettura cloud ibrida mainframe nel settore bancario non è solo una scelta tecnica. È una necessità strategica, perché trova il giusto equilibrio tra protezione, affidabilità e scalabilità da un lato e flessibilità e innovazione richieste dal lavoro digitale dall'altro. Con la combinazione della resilienza del mainframe e dell'intelligenza artificiale, dell'apprendimento automatico e della flessibilità del cloud computing, le banche potranno rimanere competitive, conformi e incentrate sul cliente. Il successo dipende dal massimo utilizzo di questo e tale che le banche non solo superino le questioni attuali, ma siano anche pronte e attrezzate per sfruttare le opportunità future. Con l'evolversi della tecnologia, le strategie di cloud ibrido basate su AI e mainframe avranno un ruolo fondamentale nella trasformazione digitale del settore bancario, tracciando un percorso che unisce tradizione e innovazione, stabilità e agilità, prestazioni ed efficienza. Non è il momento di essere indecisi.

Qualcuno nel mio ufficio è appena stato a una conferenza importante dove uno dei relatori ha parlato di questo tema. Ha detto: "Non sappiamo davvero dove sta andando la tecnologia, quindi ci rilassiamo e aspettiamo di vedere cosa succede. Il problema è che non riusciranno mai a vedere il punto in cui si ferma, perché, con la crescita esponenziale, la tecnologia non si fermerà mai e, a quel punto, non potrà essere razionalizzata". Il fatto è che le banche devono salire sul treno della lungimiranza e dell'apertura mentale per implementare l'IA nel modo più veloce, sicuro e redditizio possibile.

La collaborazione deve essere comunicata

Ecco perché l'aiuto di fornitori esperti è così importante. È un esempio perfetto nell'uso del riconoscimento ottico dei caratteri (OCR). Per uno dei nostri clienti, abbiamo dato la possibilità di scegliere tra quattro strumenti per leggere documenti, dicendo che non importava quale strumento scegliesse. Tra due anni, sarà già superato. Il reparto acquisti ci ha anche consigliato di prendere in considerazione anche altri strumenti, il che ha reso la ricerca dello strumento ideale un'impresa davvero impegnativa. Comunque, scegliere la tecnologia giusta non vuol dire solo trovare lo strumento giusto. Si tratta di scegliere e usare lo strumento nel modo giusto, trovare il caso aziendale giusto e perdere e guadagnare la tecnologia. La tecnologia si è evoluta al punto da diventare usa e getta, con un'obsolescenza programmata, e la prossima soluzione arriverà solo un paio d'anni prima che diventi obsoleta. In questo modo, invece di investire più di 5 anni in una soluzione z16, aggiorna la tua tecnologia AI ogni 2 anni. Cioè, dovresti iniziare a pianificarne la sostituzione al momento della firma del contratto di acquisto.

Problema aziendale: l'intelligenza artificiale non viene sempre usata nella piattaforma Z, dove i dati devono passare attraverso le reti. È costoso e non sicuro e riduce la tua capacità di valutazione delle transazioni in termini di rischio. Impatto sul business: l'acceleratore AI su chip IBM Z permette a Hogan e ai relativi carichi di lavoro zLinux di eseguire funzionalità AI in tempo reale sul mainframe dove si trovano i dati. Questo migliora le prestazioni dell'AI, la sicurezza e i costi. Inoltre, processi come il processo decisionale automatizzato in materia di credito e la modifica dei prestiti possono essere eseguiti direttamente sulla piattaforma Z, e le informazioni fornite dall'AI e le decisioni aziendali possono essere assorbite in modo più rapido e semplice. Celent prevede che, con lo screening del 100% di tutte le transazioni, le singole banche risparmierebbero circa 100 milioni di dollari.

Alcune delle possibili applicazioni dell'IA includono il credit scoring, la frode e l'AML. Le piattaforme mainframe gestiscono la maggior parte delle transazioni bancarie e di pagamento, ma il rilevamento dell'IA può essere fuori piattaforma (meno del 10% delle transazioni viene eseguito attraverso un modello di inferenza Al in tempo reale a causa di problemi di latenza, costi e attrito con i clienti). Questo è il motivo per cui ci sono così tante transazioni fraudolente che non vengono tracciate e non vengono rilevate. Umbrella.ai può farti risparmiare un sacco di soldi nel rilevare le frodi con l'inferenza su mainframe. In questo, Umbrella è l'elemento principale. L'architettura dell'applicazione Umbrella è una piattaforma tecnica collaudata che deve essere integrata nell'ambiente z/OS per diventare l'ambiente di sviluppo integrato (IDE) più veloce da oltre 35 anni. Umbrella ha più di 40 istituzioni finanziarie di primo livello in varie parti del mondo e viene usato per eseguire circa 100 applicazioni da ciascuna banca. Si tratta di migliaia di applicazioni nello sviluppo mainframe.

Umbrella.ai previene le frodi

Insieme a IBM, stiamo cercando di ridurre al minimo il tempo che ci vuole per valutare o analizzare una transazione. Questo darà ai clienti la possibilità di controllare virtualmente il 100% delle loro transazioni e ridurre lo spreco di tempo e denaro. Gli obiettivi di Umbrella.ai includono:

• Copertura al 100% delle transazioni in arrivo e degli attuali SLA
• Usa i modelli di frode che già ci sono o crea modelli nuovi
• Ridurre la latenza del punteggio usando la prevenzione delle frodi integrata in z/OS e il sistema di autorizzazione delle carte
• Usa il servizio di punteggio MLz COBOL per semplificare un sacco la chiamata di punteggio e ridurre il carico di lavoro per richiamare il servizio di punteggio

Uno dei punti di forza del ML è che aiuta a scoprire le frodi molto meglio rispetto a prima. I vecchi sistemi basati su regole non sono abbastanza flessibili per stare al passo con i nuovi modi di fare frodi. Invece, gli algoritmi di ML possono aggiornarsi da soli usando i dati delle transazioni e scoprire le frodi in modo più veloce e preciso.

Umbrella.ai e ML rendono più veloce trovare e prevenire le frodi

L'intelligenza artificiale/apprendimento automatico su IBM Z rende più precisa la previsione delle frodi, dà informazioni utili su larga scala e permette di scoprire in tempo reale le transazioni sospette. La maggiore precisione dei modelli di deep learning permette di ridurre di molto i falsi positivi. Questo vuol dire che le banche possono filtrare le transazioni mentre cercano di individuare le frodi, mantenendo comunque una buona esperienza per i clienti e senza perdere soldi.

La collaborazione tra Umbrella, l'intelligenza artificiale e IBM z16 offre informazioni commerciali davvero interessanti (non servono competenze di data science). Circa il 70% delle operazioni finanziarie viene fatto su IBM zSystems e anche questa è una bella notizia in termini di ESG: l'energia usata per elaborare dati sul mainframe è il 40% in meno rispetto a un server farm.

Le funzionalità principali includono:

• Potenzia qualsiasi app IBM z/OS con SQL potenziato dall'intelligenza artificiale e Umbrella.ai
• Scopri e sfrutta le informazioni nascoste nei tuoi dati
• Trova le somiglianze, le differenze e le correlazioni
• Ottieni interpretabilità con il box
• Usa un unico modello per una serie di domande
• Riduci la complessità dell'implementazione dell'IA
• I modelli di deep learning possono essere usati per migliorare i falsi negativi

IBM z16 supporta gli algoritmi ML più diffusi, offrendo ai clienti un Al cloak per aiutarli a migliorare i processi e ottenere un maggiore valore commerciale dagli investimenti esistenti.

Puoi davvero permetterti di stare lì a guardare mentre i tuoi rivali prendono un vantaggio incredibile e duraturo? Scopri come sfruttare al massimo l'intelligenza artificiale e l'apprendimento automatico per ottenere il massimo ritorno sull'investimento. Inoltre, scopri come l'abilitazione del cloud ibrido mainframe basato su Hogan può aiutarti a migliorare la rilevazione delle frodi e a prepararti alle minacce e alle opportunità future.