Roma, 19 mar – L’intelligenza artificiale (AI) è probabilmente la più dirompente delle tecnologie disponibili. Capace di rivoluzionare i modelli di comportamento nella vita quotidiana e il lavoro per come lo conosciamo, oltre che le logiche di funzionamento di interi settori industriali. Tra cui anche finanza e bancario.

Fin dalle origini, negli anni Novanta, le reti neurali, algoritmi strutturati sul modello del cervello umano, avevano la capacità di apprendere elaborando un set di dati precostituito. Ma l’applicazione pratica è stata per anni poco produttiva perché le macchine non possedevano la capacità di storage e di calcolo attuali. Oggi invece, i robot smart sono in grado di imparare le mansioni degli operai alla catena di montaggio, i software di machine learning riescono a “leggere” e catalogare documenti, scalando di fatto le capacità cognitive umane, rendendo più efficienti le aziende ed eliminando colli di bottiglia. Il tutto senza costituire una minaccia per l’occupazione: perché di fatto l’AI libera dai ruoli ripetitivi e alienanti rendendo il lavoro di fatto più “umano” e il saldo è positivo.

Nel mondo di banche e assicurazioni il machine learning può migliorare la sicurezza dei dati, ma anche le funzioni operative e di analisi. A fare da avanguardisti dell’evoluzione sono ancora una volta le FinTech. Secondo una analisi di BorsadelCredito l’Intelligenza artificiale è un megatrend che ha effetti rivoluzionari: le aziende, bancarie o no, che non lo comprenderanno saranno tagliate fuori dal mercato. Ci sono almeno cinque aspetti del business finanziario che cambieranno per sempre grazie alle tecnologie smart.
In particolare i software intelligenti possono dare un contributo determinante alla lotta a frodi e riciclaggio. Il primo è un tema cruciale per fidelizzare i clienti, ma anche un’azione che aumenta la redditività: per ogni dollaro perso in frodi da un cliente, l’istituzione paga poco meno di 3 dollari in costi per il recupero. L’AI è in grado di intercettare le transazioni fraudolente e di bloccarle. Lo stesso dicasi per il denaro riciclato, che secondo le stime vale tra il 2 e il 5% del PIL globale: l’analisi svolta da un algoritmo smart è in grado di riconoscere in maniera più precisa rispetto a un occhio umano il denaro sporco, tracciando i falsi positivi e le pratiche borderline in termini di compliance normativa.

Capacità di prevedere il futuro (e gestire meglio i rischi). I database tradizionali calcolano il merito di credito in base alle informazioni statiche contenute nelle richieste di prestito e nei report finanziari. La tecnologia di apprendimento automatico può invece andare oltre e identificare anche le tendenze del mercato e le news rilevanti che possono influenzare la capacità di pagamento del cliente. In generale l’AI può ottimizzare la gestione del rischio lato cliente, ma anche riguardo al mercato. Non è un caso che JPMorgan, Bank of America e Morgan Stanley stiano sviluppando robo-advisors in grado di anticipare i trend di mercati e prodotti.

Infine la Cybersecurity. La protezione dei dati è una priorità assoluta per gli istituti finanziari: il proliferare di chip e software interconnessi, in grado di scambiarsi dati e informazioni ha come rovescio della medaglia la possibilità di minarne la capacità competitiva, se dati e informazioni vengono rubati.

Secondo la dodicesima edizione del rapporto Clusit, sono stati 1.127 gli attacchi “gravi” registrati nel 2017 nel mondo, di cui il 21% critici. Una crescita del 240% rispetto al 2011. Dal 2011 al 2017 i costi generati globalmente dalle sole attività del cybercrime sono quintuplicati, arrivando a quota 500 miliardi di dollari. Secondo i dati dell’ultimo Data Breach Investigations Report 2018 realizzato dal colosso delle reti Verizon si osserva un cambiamento anche negli strumenti preferiti dagli hacker: gli attacchi ransomware (malware che limitano l’accesso al dispositivo che infettano e che richiedono il pagamento di un riscatto, ransom appunto, per rimuovere tale blocco di utilizzo) sono raddoppiati rispetto al 2017.