Silvia Speranza, Regional Vice President Appian Italia, svela i tre principali trend tecnologici che caratterizzeranno il settore bancario e da monitorare nel 2024.
La combinazione di tassi d’interesse elevati, elevata inflazione e maggior incertezza economica ha comportato per il settore dei servizi finanziari un importante focus su questi aspetti critici nel 2023. Per questa ragione, molte aziende puntano ancor di più a migliorare l’efficacia dei costi operativi, a ridurre i rischi legati alla regolamentazione e a mantenere i clienti soddisfatti grazie a un servizio eccellente.
In questo senso, i progressi tecnologici avranno un grande impatto sul futuro delle banche e sul settore finanziario nel suo complesso: gli istituti che adottano l’intelligenza artificiale (IA) e altre tecnologie avanzate saranno certamente in grado di adattarsi ai cambiamenti più facilmente di quelle che le considerano un optional.
Nello specifico, ecco le tre principali tendenze tecnologiche nel settore bancario che caratterizzeranno il 2024, come emerso anche nell’ultima edizione della conferenza Sibos.
L’IA continuerà a cambiare la tecnologia bancaria nei prossimi anni
Può sembrare che l’intelligenza artificiale sia diventata l’argomento del momento, ma non si tratta di un trend momentaneo. L’IA ha il potere di rivoluzionare il settore bancario per quanto riguarda la gestione del rischio, l’efficienza operativa, l’esperienza del cliente e altro ancora. La trasformazione digitale grazie a un’efficace strategia di IA fornirà alle società di servizi finanziari la possibilità di diventare più agili di fronte ai cambiamenti del panorama macroeconomico.
Ecco, in particolare, alcuni casi d’uso dell’IA nel settore dei servizi finanziari:
• Rischio normativo e conformità: L’intelligenza artificiale è in grado di individuare modelli e comportamenti per identificare tempestivamente i rischi. Analizzando i dati storici e prevedendo gli scenari futuri, le banche possono valutare il rischio operativo, di mercato, e di credito, e rendere più efficaci i loro sforzi di mitigazione del rischio.
• Servizio clienti: La soddisfazione e la fidelizzazione dei clienti nel settore bancario sono estremamente importanti. Quando si combinano tecnologie di IA come i chatbot con dipendenti che lavorano per risolvere i problemi critici dei clienti, si è in grado di migliorare i risultati e di coinvolgere meglio gli utenti grazie a esperienze personalizzate. Inoltre, l’utilizzo dell’IA per il customer care consente di analizzare ulteriormente i dati sul comportamento dei clienti, migliorando l’offerta di servizi e le attività di marketing.
• Efficienza operativa: L’IA può automatizzare attività di routine per risparmiare tempo e migliorare l’efficienza operativa. Ha la capacità di analizzare dati e informazioni in modo più rapido e accurato rispetto agli operatori umani, migliorando la trasparenza all’interno di un’organizzazione e consentendo ai responsabili aziendali di prendere decisioni migliori e più rapidamente.
I dati sono il fulcro e la base per sfruttare al meglio l’IA
Una delle tendenze principali che emerge nelle discussioni è l’attenzione per i dati. Molte banche e istituzioni finanziarie tradizionali utilizzano ancora fogli di calcolo creati e gestiti manualmente, il che aumenta il margine di errore e il rischio.
Connettere i dati
I dati isolati portano a una prospettiva limitata e a una visione incompleta; ove possibile, è necessario connettere i dati tra sistemi diversi per creare una visione unificata e sfruttarne appieno il potenziale. Questo non solo migliora i processi di automazione dell’IA, ma garantisce anche che tutti coloro che devono accedere ai dati all’interno dell’organizzazione dispongano delle informazioni più accurate. Per le grandi banche questa è una sfida e la tecnologia che fa uso del data fabric può essere in questo senso d’aiuto. Un data fabric consente di lavorare con i dati in una struttura virtuale, senza doverli migrare da una piattaforma all’altra per utilizzarli. Con un data fabric è come se tutti i dati fossero collegati, indipendentemente da dove si trovano.
Mantenere l’integrità dei propri dati
Se i dati non sono di qualità – cioè il più possibile completi e accurati – la tecnologia che si basa su di essi semplicemente non funzionerà. Dati di scarsa qualità possono anche portare a decisioni di business sbagliate, sanzioni normative e insoddisfazione dei clienti. Per migliorarne l’accuratezza, bisogna coinvolgere i team IT nel processo di definizione, standardizzazione e gestione. È necessario cercare i punti critici nei processi di inserimento dei dati e lavorare per migliorare questi flussi di lavoro, al fine di migliorare l’integrità dei propri data set.
Rimanere aggiornati sulle criticità dell’IA e della privacy dei dati
I responsabili aziendali hanno legittime preoccupazioni in termini di privacy quando si tratta di dati e IA. Le informazioni inserite negli LLM (Large Language Model) di molti sistemi di IA vengono utilizzate per creare modelli per il futuro. Se si forniscono informazioni riservate o dati sensibili dei clienti, tali informazioni possono diventare pubbliche, creando ulteriori rischi per le aziende in materia di diritti di proprietà e normative.
La soluzione a questo problema nel settore finanziario è l’IA privata. Con l’IA privata, il modello linguistico è interno alla propria azienda e viene addestrato solo sui propri dati. In questo modo si gode di tutti i vantaggi garantiti dell’IA, mantenendo al contempo un elevato livello di sicurezza per l’azienda e per i clienti. Inoltre, i risultati dell’IA riflettono in modo specifico la propria base di clienti, consentendo di conoscere meglio le loro esigenze e abitudini.
Gli asset digitali sono in aumento; l’automazione può aiutare
La maggior parte delle banche e delle organizzazioni finanziarie che gestiscono grandi patrimoni sta esplorando gli asset digitali, la tokenizzazione e la tecnologia blockchain. La digitalizzazione di questi asset porterà l’accesso ad un maggior numero di potenziali clienti e farà muovere il denaro in tutto il mondo e in modo più sicuro.
Un numero crescente di soggetti è interessato a investire in questi nuovi asset per la gestione patrimoniale, ma i modelli di business tradizionali non sempre lo rendono possibile. Le società Fintech e le banche moderne devono ‘affrontare i punti deboli e risolvere le sfide legate ai dati.
Come agiscono le banche più avanzate? Con l’automazione dell’intelligenza artificiale. Molte delle attività associate agli asset digitali possono essere facilitate dall’automazione, come la valutazione del valore degli asset, le previsioni finanziarie e altro ancora. L’IA può essere utilizzata anche per la valutazione e la gestione del rischio e la verifica della conformità normativa di questi prodotti finanziari.
Il caso del Gruppo BCC ICCREA
Un esempio concreto di come Intelligenza Artificiale, data fabric e automazione dei processi stiano già contribuendo a una radicale trasformazione degli istituti bancari più dinamici è quello del Gruppo BCC ICCREA, che ha scelto Appian per intraprendere un percorso di digitalizzazione e automazione dei principali processi. Con l’obiettivo di migliorare l’assistenza ai clienti, l’erogazione più veloce dei servizi e la riduzione della complessità e delle attività manuali associate alla conformità normativa, il Gruppo bancario che oggi raccoglie 116 istituti federati, ha adottato la piattaforma Appian per assicurarsi un rapido e continuo miglioramento dei processi attraverso il monitoraggio dei principali indicatori di performance e una più efficace reingegnerizzazione delle modalità di erogazione dei servizi.
Ad oggi, una trentina di applicazioni di differenti complessità è stata realizzata con Appian. Ad esempio, si poggiano sul data fabric tutti i processi di compliance (valutazione del rischio, pianificazione, esecuzione e monitoraggio delle verifiche) e un’applicazione antiriciclaggio che sfrutta l’IA (NLP/NLU) e in cui la tecnologia Appian collega i diversi sistemi integrati. Attingendo a fonti Web e ad archivi digitalizzati di fonti cartacee, la soluzione analizza oltre 2.200 testate giornalistiche nazionali e locali per trovare eventuali notizie avverse riguardanti un cliente della banca.
Il Gruppo BCC ICCREA ha anche adottato una soluzione di machine learning per la gestione delle operazioni bancarie potenzialmente sospette: l’algoritmo apprende i pattern di comportamento di un cliente e riconosce le deviazioni potenzialmente sospette. Questa soluzione riduce drasticamente i falsi positivi e assegna un punteggio di priorità agli eventi che effettivamente richiedono una verifica.
La piattaforma di Appian ha consentito, poi, di creare un’applicazione per il Pog (Product, Oversight and Governance), una normativa di Banca D’Italia in base alla quale il ciclo di vita dei prodotti bancari deve essere tracciato, ispezionabile e monitorato.
