I sistemi IT self-learning stanno cambiando interi settori dell’economia, con quello finanziario in prima fila. La data analytics intelligente sta aprendo la strada a una migliore esperienza del cliente, al risparmio sui costi e a una maggiore prevenzione delle frodi
A cura di GFT Italia
La pandemia di Covid-19 ha aumentato significativamente la domanda online da parte dei consumatori. Mentre i retailer di maggior successo offrono ai loro clienti un’alta qualità di servizi online attraverso diversi touchpoint, i servizi data-driven nel settore bancario sono spesso ancora frenati da alcuni timori legati alla sicurezza o da architetture IT poco flessibili. Eppure, la valutazione dei dati costituisce la base ottimale per offerte incentrate sul cliente, prodotti innovativi e nuove aree di business. Ma molti decisori nell’ambiente bancario non hanno ancora compreso appieno il potenziale dell’intelligenza artificiale (IA).
Secondo la stima effettuata dall’Osservatorio Artificial Intelligence del Politecnico di Milano, infatti, nel 2020 la spesa per lo sviluppo di progetti di IA ha raggiunto nel nostro Paese quota 300 milioni di euro, un volume che equivale a un sorprendente +15% rispetto al 2019, ma che rappresenta solo l’inizio di un percorso, dal potenziale largamente inesplorato.
Perché l’intelligenza artificiale gioca un ruolo così importante per il settore bancario? In estrema sintesi, l’IA è in grado di supportare e automatizzare i processi interni che hanno un impatto sui servizi alla clientela, affidando al software la parte automatica dell’operatività, per ridurre gli errori e velocizzare i risultati, consentendo anche il giusto grado di personalizzazione. Inoltre, le tecnologie basate sull’intelligenza artificiale hanno la potenzialità di migliorare il processo decisionale umano in termini di velocità e precisione, con enormi ricadute economiche e di produttività.
Significativi guadagni in termini di efficienza grazie ai processi automatizzati
Nonostante le potenzialità, molte banche non stanno sfruttando idee di business promettenti e importanti guadagni in termini di efficienza che possono essere raggiunti con l’automazione olistica dei processi (Robotic Process Automation). Gli strumenti RPA di ultima generazione permettono di liberare risorse IT e HR, mentre l’IA si occupa dell’analisi e dell’ottimizzazione dei processi.
L’automazione del back-end è il prerequisito indispensabile per uno scenario applicativo ottimizzato dall’IA. Inoltre, gli strumenti software intelligenti forniscono risposte innovative alle sfide chiave del settore. Queste includono, per esempio, le crescenti aspettative dei clienti sulle prestazioni del servizio, la crescente pressione sui costi in tutti i dipartimenti e i requisiti normativi che stanno diventando sempre più complessi. Nel lavoro d’ufficio quotidiano, l’automazione libera i dipendenti da compiti che richiedono tempo e costi elevati, come il monitoraggio e la documentazione dei processi contabili o l’elaborazione dei documenti. In questo contesto, occorre chiarire subito un equivoco diffuso: le soluzioni di IA non sono destinate a sostituire i dipendenti, ma ad aumentare la loro motivazione.
Per esempio, GFT ha implementato un processo di elaborazione dei documenti supportato dall’intelligenza artificiale per una grande banca spagnola. Questo comporta l’identificazione di comunicazioni relative a controversie legali, l’estrazione di informazioni rilevanti e la determinazione dell’oggetto della causa. La soluzione di GFT ha ridotto il tempo di elaborazione di questi documenti del 60%. In precedenza, questo era un compito manuale che richiedeva molto tempo. Quando questi compiti ripetitivi vengono eliminati, viene lasciato più spazio per attività più impegnative ma anche più appaganti. Quindi, oltre agli enormi vantaggi in termini di costi, la gestione dei processi ottimizzata dall’IA aiuta anche ad aumentare la soddisfazione dei dipendenti, riduce il rischio di errori e accelera l’agilità in tutta l’azienda.
Maggiore qualità della customer experience
In linea di principio, la valutazione dei dati aziendali e dei clienti non è una novità per le banche, ma lo è il collegamento delle informazioni in tempo reale con i dati del passato al fine di applicare metodi di analisi moderni – come il machine learning – ai modelli ricorrenti. Su questa base, gli Istituti di credito possono fare previsioni sul probabile comportamento dei loro clienti.
Un’altra tendenza che sarebbe impensabile senza l’intelligenza artificiale è l’uso di robot vocali nel supporto clienti. Il cognitive banking sta inaugurando una nuova era di servizi per l’industria finanziaria: tecnologie come l’Automatic Speech Recognition o il Natural Language Processing stanno rendendo la comunicazione personalizzata con i clienti più facile che mai. L’ultima generazione di chatbot può condurre dialoghi in linguaggio naturale, riconoscere la preoccupazione del cliente, fornire le informazioni richieste o avviare ulteriori processi. Inoltre, gli assistenti digitali sono in grado, ad esempio, di ricordare ai clienti i contratti in scadenza e consigliare i prodotti più adatti. A questo scopo, lo stato finanziario del cliente viene analizzato in background tramite una query al database. Se necessario, il chatbot organizza e coordina un appuntamento di consulenza tramite videochiamata o in filiale.
Ma i concetti di IA sul front-end non sono affatto limitati al conto corrente. Anche la domanda di consulenza sugli investimenti controllata dal computer sta crescendo. I robo-consulenti, che sviluppano e implementano strategie individuali per l’accumulo di asset, stanno diventando una seria concorrenza per la consulenza tradizionale sui titoli. JP Morgan indica che l’intelligenza artificiale, nel breve termine, oltre che a suggerire strategie di investimento potrà, grazie all’intervento umano, aiutare a implementarle meccanicamente e in piena autonomia.
L’importanza delle decisioni
In questo scenario, l’esigenza vera del business, ancor di più che la disponibilità di algoritmi predittivi, è di una soluzione che permetta di prendere decisioni che possa combinare vari aspetti: intelligenza artificiale, regole euristiche, explainability.
Il concetto di explainability, su cui in GFT lavoriamo da tempo, è di notevole importanza quando si parla di Intelligenza Artificiale. Infatti, algoritmi predittivi che rendono possibile l’explainability, quali i cosiddetti “Clear Box”, permettono agli utenti di comprendere molto di più circa il processo decisionale, passando da cosa un modello predice a come il modello predice. Comprendere le ragioni che stanno dietro alle predizioni è molto importante quando si sta valutando la fiducia in un modello di Machine Learning: se il business non ha fiducia in un modello non lo userà.
In questo contesto, da alcuni anni abbiamo definito una partnership strategica con RULEX, azienda con sede a Boston e laboratori a Genova, che ha realizzato una piattaforma che, tra i vari algoritmi presenti, ne comprende uno, proprietario, denominato Logic Learning Machine, che consente appunto predizioni accompagnate da regole di spiegazione, sotto forma di costrutti if-then, immediatamente comprensibili dal business. Abbiamo applicato con successo questa tecnologia a vari ambiti tra cui le Frodi Assicurative, i Non-Performing Loans, il GDPR.
Il connubio tra knowledge e dati permette di verificare e testare le ipotesi, arricchire la propria esperienza, adattare le decisioni ad un mercato dinamico e capire i trend emergenti.
Prevenzione delle frodi semplice ed efficace
I sistemi di IA hanno senso anche nella lotta contro i cyber criminali: ogni anno, le banche in Germania, Francia, Italia, Regno Unito e Paesi Bassi spendono un totale di più di 135 miliardi di dollari USA per misure di compliance. Anche se l’apprendimento automatico con il riconoscimento dei modelli può aiutare in questo caso, processi macchinosi con alti tassi di falsi positivi si riscontrano ancora in molti Istituti di credito. Le applicazioni per accelerare i processi di conoscenza del cliente dovrebbero essere all’ordine del giorno di tutte le banche – per esempio, per la verifica dell’identità e la prevenzione delle frodi. Con gli strumenti di IA automatizzati è possibile eseguire la verifica dell’identità e dell’età in pochi secondi, integrata da metodi biometrici. Anche le anomalie nelle operazioni in corso vengono rilevate rapidamente. Le aree della prevenzione delle frodi, dell’anti-abuso e del credit scoring sono particolarmente adatte per essere gestite da soluzioni software. Per esempio, possono essere sviluppati modelli di calcolo per ogni cliente, da cui è possibile ricavare il numero e l’importo previsto delle transazioni future. Di conseguenza, tutte le attività che si discostano significativamente dalla previsione vengono segnalate automaticamente. In questo modo, le irregolarità possono essere identificate in una fase iniziale e le misure necessarie possono essere avviate. Le compagnie di assicurazione possono anche utilizzare un software intelligente per proteggersi da tentativi di frode, se la liquidazione dei sinistri tipici viene trasferita a un’applicazione di IA.
Il futuro appartiene all’augmented banking
E questo è solo l’inizio: con le applicazioni di realtà aumentata e virtuale, l’intelligenza artificiale raggiungerà presto un livello di qualità ancora più elevato. L’augmented banking crea le condizioni per servizi completamente nuovi che accompagnano invisibilmente i clienti mentre fanno acquisti online, forniscono prodotti finanziari adatti in tempo reale ed eseguono operazioni di pagamento attraverso l’infrastruttura della banca senza che il cliente debba fare nulla. Potrebbero passare diversi anni prima che questo promettente scenario diventi realtà. Ma già ora, l’utilizzo dell’intelligenza artificiale non è più un’opzione per le banche, ma un fattore decisivo per il successo nella competizione digitale.
