Intelligenza artificiale e gestione del rischio bancario

La transizione digitale delle banche passa anche dall’intelligenza artificiale. Gli istituti di credito utilizzano l’AI (artificial intelligence) per raggiungere tre obiettivi. Primo, consolidare e accrescere il proprio portafoglio clienti. Secondo, comprendere, prevedere e proteggersi al meglio dai rischi insiti nell’attività finanziaria stessa e da quelli esterni, come per esempio lo è stata la pandemia da Covid-19. Terzo, conoscere le opportunità del mercato e migliorare i propri profitti, diventando più solide e competitive.

Per centrare questi tre obiettivi i dati, più o meno grandi e più o meno approfonditi, sono fondamentali. Al di là delle fonti tradizionali o alternative, raccolta, gestione e archiviazione sono le fasi del processo che permettono alle banche di ottenere dati quantitativamente e qualitativamente rilevanti per gli scopi dell’attività di risparmio e credito.

Che siano dati grezzi, o più raffinati, le operazioni end-to-end su di essi sono velocizzate e facilitate dall’AI. E lo saranno ancor più in futuro, dato che il peso e l’importanza dell’information technology crescerà esponenzialmente grazie anche alla connettività a banda ultralarga, la quale è destinata a rivoluzionare il settore bancario, come pure altri comparti dell’economia.

Che cos’è l’intelligenza artificiale

In linea generale, l’intelligenza artificiale (AI) è un insieme di tecnologie che consente ai computer di eseguire una varietà di funzioni avanzate, tra cui la capacità di vedere, comprendere e tradurre il linguaggio parlato e scritto, analizzare i dati, formulare raccomandazioni e altro ancora.

Si può dire che l’intelligenza artificiale (AI) consente alle macchine di pensare in modo autonomo e più sofisticato. Per esempio: grazie all’AI, i computer sono in grado di acquisire dati ed estrarre informazioni strategiche non individuabili attraverso l’analisi statistica tradizionale e riescono a farlo tramite algoritmi complessi che permettono di formulare previsioni e tendenze.

La tecnologia dell’intelligenza artificiale (AI) ha creato nuove opportunità per progredire su questioni critiche come salute, istruzione, ambiente, automazione industriale e finanza. In alcuni casi, l’intelligenza artificiale può compiere operazioni in modo più efficiente o metodico rispetto agli esseri umani.

I 4 tipi principali di intelligenza artificiale

L’apprendimento nell’AI può essere “narrow” (ristretto), “general” e “super”. Queste categorie dimostrano le capacità dell’AI man mano che essa si evolve, eseguendo una serie di compiti strettamente definiti (“narrow”), oppure la stessa capacità di pensare degli esseri umani (“general”), o con performance che vanno oltre le capacità umane (“super”). Quindi, ci sono quattro tipi principali di AI come definiti da Arend Hintze, ricercatore e professore di biologia integrativa alla Michigan State University negli Stati Uniti. Essi sono:

1. Reactive machines (macchine reattive);
2. Limited memory (memoria limitata);
3. Theory of mind (teoria della mente);
4. Self-awareness (consapevolezza di sé).

Anche se quest’ultimo tipo di AI non esiste ancora.

L’intelligenza artificiale (AI) nel settore bancario

 Quali sono le principali applicazioni dell’AI nel settore bancario? Per mezzo della capacità di formulare modelli e prevedere risultati e tendenze, l’AI è cruciale per la gestione dei rischi. Tanto che, come risulta in una ricerca del Cambridge Centre for Alternative Finance and the World Economic Forum del 2022, la maggior parte delle banche e società di servizi finanziari ha affermato di aver implementato la tecnologia sia per la gestione del rischio (56%), sia per la creazione di nuove entrate attraverso innovativi prodotti e processi di business (52%).

Grazie all’intelligenza artificiale, gli istituti di credito e le fintech possono conoscere meglio i rischi connessi alle loro attività e mitigarli con maggiore efficacia. Attraverso l’impiego di insiemi di dati complessi e di grandi dimensioni, le tecnologie di data mining e AI possono aiutare le banche a mettere a punto modelli di rischio più precisi e accurati rispetto a quelli basati sull’analisi statistica standard.

Con una valutazione di un ampio e approfondito set di dati, per esempio, per le banche è possibile ottenere velocemente e più facilmente informazioni strategiche utili per proteggersi dalle perdite e dalle frodi.

I vantaggi dell’AI nel settore bancario sono analizzati anche in uno studio della Banca d’Italia focalizzato sul tema dell’utilizzo di tecniche di intelligenza artificiale e machine learning a supporto della valutazione del rischio di credito da parte degli intermediari italiani. Così come sull’argomento è intervenuta anche l’Euro Banking Association’s (EBA).

I vantaggi dell’AI per le banche

Stando a un’indagine a livello internazionale eseguita dalla società canadese Open Text Corporation, otto banche su dieci sono consapevoli dei potenziali vantaggi offerti dall’intelligenza artificiale per le proprie attività. E, in effetti, numerose banche nel mondo stanno pianificando un’implementazione delle soluzioni di AI.

Sempre secondo questo studio, sono tre i canali principali in cui le banche possono utilizzare l’intelligenza artificiale nei loro processi operativi:

• front office;
• middle office (per il rilevamento di frodi e gestione del rischio);
• back office (sottoscrizione).

In alcuni casi, l’uso dell’intelligenza artificiale ha già acquisito importanza nelle operazioni bancarie, come i chat-bot nel front office e i servizi anti frodi nei pagamenti nel middle office. Così come, sempre nel segmento del middle office, l’AI è un valido alleato per le attività di investment banking.

Senza dimenticare che ormai parecchie banche impiegano l’artificial intelligence per migliorare la customer experience, garantendo interazioni senza intoppi e difficoltà con la banca stessa 24 ore su 24, 7 giorni su 7.

Tornando alla questione sicurezza, fa scuola dal 2019 il modello per combattere la criminalità finanziaria realizzato da Deutsche Bank. Infatti il sistema di intelligenza artificiale “Black Forest” (foresta nera) analizza le transazioni e registra i casi sospetti. Per ogni movimento di capitali, per esempio, sono presi in esame diversi criteri: importo, valuta, paese verso cui è diretto e tipo di transazione, se l’operazione sia effettuata online o allo sportello. Grazie a questa applicazione AI, sono stati già scoperti diversi casi di frode e di evasione fiscale, tra cui uno relativo alla criminalità organizzata e al riciclaggio di denaro.

Intelligenza artificiale e sostenibilità

L’AI è uno strumento prezioso per le banche in prima linea per sostenere la transizione green, per difendere e salvaguardare il Pianeta.

La capacità di elaborare rapidamente grandi quantità di dati rende i modelli di intelligenza artificiale utili e ingegnosi anche per un campo come la sostenibilità. E l’ambiente è uno dei tre cardini delle ESG, sigla divenuta fondamentale nell’economia attuale al punto che dal 2023 le banche dell’Unione europea dovranno rendicontare le attività “verdi” calcolandole sulla base di nuovi standard comunitari.

Per esempio, guidati dalla regolamentazione UE, gli istituti di credito dovranno indicare quali finanziamenti erogati siano destinati alla produzione di energia solare ed eolica e, quindi, classificabili come green. Così come anche misurare e valutare il finanziamento concesso a un’azienda di medie dimensioni che abbia deciso di investire in attrezzature o sistemi di produzione che la renderanno più rispettosa del cambiamento climatico. Operazioni per le quali le banche hanno bisogno di una mole di nuovi dati dai loro clienti.

“Fino ad ora, questi dati dei clienti dovevano essere esaminati individualmente dai consulenti”, afferma Murat Cavus, che sta sviluppando nuove tecnologie per supportare gli sforzi di sostenibilità di Deutsche Bank. In futuro, l’applicazione dell’AI al machine learning darà un grosso contributo alle attività di classificazione del colosso bancario tedesco. Un algoritmo effettuerà una preselezione delle informazioni necessarie per queste operazioni: questo processo è chiamato auto classificazione. “Con essa, sgraviamo i nostri consulenti di un’enorme mole di lavoro”, spiega Cavus.

È vero, alla fine, sarà un consulente che dovrà ancora approvare il suggerimento elaborato dall’algoritmo. Ma “l’auto classificazione fornisce informazioni aggiuntive che facilitano la decisione finale”, chiarisce ancora Cavus. Questo è anche il modo in cui immaginano il futuro dell’AI in Deutsche Bank: “Useremo sempre più tecnologia per accorciare i processi standard, diventando a nostra volta più rispettosi dell’ambiente. Questo ci consentirà di servire meglio i nostri clienti e diventare noi stessi una banca più green”.