WW Snippets test
Sono cinque le principali applicazioni pratiche dell’intelligenza artificiale nel settore bancario: valutazione del rischio, rilevamento e prevenzione delle frodi, conformità e antiriciclaggio, servizio clienti e chatbot, e autenticazione biometrica
Kant: “Non è improbabile che la solvibilità possa essere etichettata come un caso d’uso ad alto rischio e comporti un ulteriore onere normativo per l’industria europea, con il rischio di ridurre la flessibilità e limitare le innovazioni”
Mentre i colossi dell’industria finanziaria continuano a “testare” ChatGpt, da JpMorgan a Morgan Stanley fino a Goldman Sachs, l’intelligenza artificiale (non generativa) sta riscrivendo le coordinate del credito. Secondo una recente analisi di Abi Lab, l’88% delle banche ha definito o sta definendo una vera e propria strategia su questo fronte, con il 76% che prevede un budget di investimento dedicato. We Wealth ha intercettato Elisabeth Kant, head of data science di SumUp, per mappare le applicazioni pratiche dell’intelligenza artificiale nel settore bancario e nell’industria dei pagamenti. Analizzando anche i potenziali effetti delle nuove regole europee in arrivo.
“Innanzitutto una premessa: i termini intelligenza artificiale o machine learning si riferiscono generalmente a sistemi in grado di apprendere dai dati rilevando degli schemi e utilizzandoli in un contesto generale, senza essere esplicitamente programmati per farlo”, spiega Kant. “Il machine learning in generale è utile in situazioni in cui sono disponibili molti dati strutturati o semi-strutturati e la situazione è troppo complessa o richiede troppo tempo perché l’uomo possa utilizzare appieno queste informazioni. Recentemente, l’intelligenza artificiale ha acquisito una notevole popolarità con l’emergere dell’Ai generativa, un sottoinsieme dell’Ai che si occupa della creazione o generazione di nuovi contenuti come immagini, video o testi. Ma mentre l’utilizzo dell’Ai generativa nel settore bancario è ancora piuttosto ridotto, le applicazioni tradizionali del machine learning sono sempre più utilizzate”, racconta l’esperta.
Intelligenza artificiale in banca: 5 applicazioni pratiche
Nel dettaglio, sono cinque i casi d’uso più diffusi:
- valutazione del rischio: le banche utilizzano gli algoritmi per prendere decisioni consapevoli sull’approvazione dei prestiti, determinare i tassi di interesse e gestire efficacemente il rischio di credito;
- rilevamento e prevenzione delle frodi: il machine learning viene utilizzato per rilevare le acquisizioni di conti correnti individuando comportamenti insoliti dei clienti e per individuare e prevenire le frodi sulle carte di credito;
- conformità e antiriciclaggio: il rilevamento delle anomalie viene utilizzato per individuare comportamenti transazionali che potrebbero indicare riciclaggio di denaro e crimini finanziari;
- servizio clienti e chatbot: i chatbot dotati di intelligenza artificiale possono gestire le domande dei clienti, fornire raccomandazioni personalizzate e offrire assistenza per le operazioni bancarie di base, come le richieste di saldo, i trasferimenti di conto e i pagamenti delle bollette;
- autenticazione biometrica: l’intelligenza artificiale può utilizzare dati biometrici come le impronte digitali, il riconoscimento facciale o il riconoscimento vocale per un’autenticazione bancaria sicura.
“Le possibili applicazioni nel settore dei pagamenti sono simili a quelle del settore bancario”, continua Kant. “Nel mondo dei pagamenti viene, però, posta particolare enfasi sull’individuazione delle transazioni fraudolente e delle frodi con carta di credito. Anche nel servizio clienti e nell’autenticazione esistono opportunità di applicazione del machine learning simili a quelle del settore bancario”.
LE OPPORTUNITÀ PER TE.
Come cavalcare l’onda dell’intelligenza artificiale?
Quali titoli inserire in portafoglio?
Gli esperti selezionati da We Wealth possono aiutarti a trovare le risposte che cerchi.
RICHIEDI LA TUA CONSULENZA GRATUITA
Cosa cambia con le nuove regole sull’intelligenza artificiale
Lo scorso mese si è illuminata intanto la green light dell’Eurocamera al nuovo regolamento sull’intelligenza artificiale (anche noto come Artificial intelligence act), spianando la strada all’adozione in plenaria tra il 12 e il 15 giugno. L’obiettivo della proposta di legge, spiega Kant, è “garantire l’affidabilità dell’Ai e il suo utilizzo incentrato sull’uomo”. A tal fine, le nuove norme seguono un approccio basato sul rischio: i sistemi di intelligenza artificiale che presentano un livello di rischio inaccettabile per la sicurezza delle persone saranno “severamente vietati”, si legge sul sito del Parlamento europeo, compresi i sistemi che utilizzano tecniche subliminali o manipolative intenzionali o finalizzati al social scoring (termine con il quale si indica la classificazione degli individui in base al loro comportamento sociale, allo status socio-economico e alle caratteristiche personali, ndr). In più, è stato esteso il perimetro della definizione “aree ad alto rischio”, includendo i danni a salute, sicurezza, diritti fondamentali o ambiente.
Artificial intelligence act: vantaggi e rischi in finanza
“Il suo campo di applicazione comprende tutti i settori, compreso quello finanziario”, interviene Kant. “Non è improbabile che, ad esempio, la solvibilità possa essere etichettata come un caso d’uso ad alto rischio e comporti un ulteriore onere normativo per l’industria europea, con il rischio di ridurre la flessibilità e limitare le innovazioni”. D’altro canto, rassicura l’esperta, queste normative “probabilmente imporranno delle best practice” che creeranno fiducia garantendo la trasparenza e l’equità del processo decisionale algoritmico. “Il settore finanziario è tradizionalmente già un ambiente altamente regolamentato e quindi ben attrezzato per gestire ulteriori normative. È possibile che, in definitiva, la nuova regolamentazione fornisca un vantaggio competitivo se riesce a creare fiducia nei consumatori garantendo standard etici, responsabilità e solide tutele”, conclude Kant.
