WW Snippets test
L’integrazione tra intelligenza artificiale (AI) e consulenza finanziaria non accenna a fermarsi, confermandosi un fattore sempre più cruciale per l’industria dell’advisory patrimoniale. Una delle più promettenti applicazioni dell’AI è la possibilità di impiegare quest’ultima per prevedere con precisione il comportamento dei clienti, in particolare quando si tratta di comprendere quando essi stanno per abbandonare un dato servizio o l’istituto finanziario stesso.
Tuttavia, quando ci si approccia a un nuovo strumento o a una nuova tecnica occorre prima essere certi non solo di saperla utilizzare, ma anche di comprenderne il funzionamento. Soprattutto quando un uso improprio può portare a risultati deludenti o, in alcuni casi, a conseguenze legali. Con Georgios Lekkas, Innovation Director di Objectway, vediamo in che modo reti e consulenti possono sfruttare le nuove potenzialità dell’AI in maniera consapevole e sicura.
AI e wealth management: vantaggi da sfruttare…
Come per molti altri settori, così anche per l’advisory patrimoniale l’abilità di identificare in anticipo il c.d. “churn del cliente”, ossia il rischio che questi decida di abbandonare il proprio advisor o un dato servizio in favore di un altro, si è rivelata un vero e proprio vantaggio strategico.
All’interno di un istituto finanziario, infatti, le informazioni e i dati disponibili spaziano dal comportamento dei clienti alle prestazioni degli investimenti, includendo l’influenza del consulente e la percezione della qualità del servizio. “Questi fattori costituiscono elementi fondamentali per prevedere come un cliente potrebbe comportarsi” spiega l’esperto. “In tal senso, i modelli di machine learning sono emersi come strumenti straordinariamente efficaci, in grado di analizzare grandi quantità di dati per individuare schemi ricorrenti e prevedere con notevole precisione il momento in cui un cliente potrebbe abbandonare il proprio consulente o istituto di riferimento. Al fine di anticipare questo momento, i programmi utilizzano sia variabili statiche, sia dinamiche – quali il comportamento – che richiedono perciò una continua elaborazione. Tutto questo permette ai wealth advisor di poter prevedere quando un cliente intende liquidare un portafoglio o chiudere un conto per affidarsi a un competitor. Ricevendo un alert, essi possono dedicare e la propria attenzione e le loro risorse per anticipare i clienti e convincerli a rivedere la propria scelta”.
…e pericoli da evitare
Occorre ricordare che usare l’intelligenza artificiale non è né facile, né senza rischi. I programmi di AI, infatti, utilizzano spesso modelli “black box” complessi, che elaborano un output senza però fornire la possibilità di comprendere la logica che lo ha prodotto. “Poter spiegare il funzionamento dei modelli di intelligenza artificiale gioca quindi un ruolo cruciale ed è per questo che dedichiamo particolare cura a sviluppare modelli di AI il cui funzionamento sia il più trasparente possibile” aggiunge Lekkas. “In questo modo i consulenti possono comprendere facilmente i processi e altrettanto semplicemente e chiaramente possono spiegarne i risultati”. Per i professionisti, tutto ciò risulta fondamentale ai fini di un’integrazione dell’AI nel loro lavoro che sia non solo pienamente consapevole, ma anche rispettosa degli obblighi imposti dalla legislazione vigente. Basti pensare a quanto disposto dal GDPR (General Data Protection Regulation) in materia di raccolta, utilizzo e consenso dei dati del cliente.
SHAP, la risposta di Objectway
Trasparenza e responsabilità rappresentano elementi imprescindibili quando si utilizza l’AI nel business e questo è ancora più vero nel caso dei servizi finanziari. Ciò richiede un’adeguata gestione del rischio per anticipare e minimizzare i potenziali rischi di distorsione o pregiudizio tipici dell’AI. “Per affrontare questa sfida, Objectway ha sviluppato un sistema innovativo di previsione del client churn, avvalendosi della collaborazione dell’Università di Bari, all’avanguardia nello studio e nell’applicazione dei modelli di AI a casi d’uso aziendale” continua l’esperto. “Esso si basa su modelli di machine learning in grado di prevedere con precisione il momento in cui il cliente potrebbe abbandonare il suo advisor, grazie all’analisi di pattern complessi di grandi set di dati. Inoltre, Objectway ha introdotto il Metodo Shapley Additive Explanations (SHAP), che permette di quantificare il contributo e il peso di ciascun fattore considerato nella previsione, chiarendo così le ragioni dell’output ottenuto. Questo approccio è fondamentale per i consulenti finanziari, in particolare per la fidelizzazione dei clienti, poiché consente loro di identificare in modo chiaro e molto rapido per quali motivi il sistema ritiene che un determinato cliente intende lasciare la banca” conclude Lekkas.
