Secondo una ricerca di SASle banche utilizzano l’IA ma spesso senza avere livelli di supervisione e infrastrutture necessarie a guadagnarsi la fiducia. Questo il problema principale che emerge da Data and AI Impact Report: The Trust Imperative , il sondaggio globale e cross-industry curato da IDC per SAS su 2.375 leader IT e-business. Nel banking la fiducia non è un optional, è fondamentale. Eppure, nonostante le banche stiano accelerando gli investimenti nell’intelligenza artificiale più di altri settori, la maggior parte sta implementando l’IA senza avere i livelli di supervisione e le infrastrutture necessarie a guadagnarsi la fiducia. È questo il problema di fondo che emerge dal Data and AI Impact Report: The Trust Imperative di SAS, un sondaggio globale e cross-industry condotto su 2.375 leader IT e-business, a cura di IDC.
Le banche alle prese con il ‘dilemma della fiducia’
Tra i settori analizzati dallo studio, il banking supera PA, assicurazioni e life science sia per spesa che per adozione di pratiche di IA affidabili. Di fatto, circa un quarto (23%) delle banche si colloca al livello più alto del Trustworthy AI Index di IDC. Nonostante ciò, la maggior parte degli istituti resta ben lontano dallo ‘stato ideale’ indicato dal report, che unisce alta fiducia e affidabilità. Secondo lo studio solo l’11% delle banche ha raggiunto sia un’elevata fiducia interna nell’IA sia sistemi di IA dimostrabilmente affidabili. Mentre il 47% rientra in quello che IDC definisce il ‘dilemma della fiducia’. Ovvero: da un lato c’è chi fa uno scarso utilizzo di un’IA già solida perché non si fida abbastanza, dall’altro chi si affida troppo a sistemi che non sono ancora stati validati in modo adeguato.
Allineare fiducia e risultati concreti è la priorità
Stu Bradley, Senior Vice President of Risk, Fraud and Compliance Solutions di SAS In termini di Trustworthy AI, il banking è in testa rispetto a tutti i settori inclusi in questo studio. Nonostante ciò, per la maggior parte delle banche la preparazione di base è ancora molto lontana da quella richiesta. Circa 9 banche su 10 non sono ancora riuscite ad allineare pienamente fiducia e risultati concreti, e circa una su 5 opera ancora con dati frammentati in silos. Colmare il divario tra le ambizioni sull’AI e la reale capacità di adottarla dovrebbe essere una priorità per tutte le banche.
Gli investimenti crescono, ma le fondamenta restano fragili
Gli investimenti nelle capacità di AI non sono accompagnati da investimenti altrettanto solidi nei pilastri dell’innovazione responsabile che rendono l’AI davvero affidabile. In un settore in cui il fallimentodi un singolo modello può generare sanzioni regolatorie o erodere la fiducia dei clienti nel giro di poche ore, questo disallineamento rappresenta un rischio serio. E ciò non deriva da una mancanza di budget. La spesa in IA delle banche cresce più rapidamente rispetto a tutti gli altri settori analizzati. Con il 60% degli istituti che prevede aumenti tra il 4% e il 20% e un ulteriore 12% che si aspetta incrementi ancora più marcati. Nonostante questo slancio, lo studio evidenzia debolezze strutturali rilevanti:
Data silos. Quasi una banca su 5 (19%) opera ancora con un’infrastruttura dati frammentata. Si tratta della percentuale peggiore tra i settori considerati.
Fondamenta dati insufficienti. Una quota significativa non dispone di una data governance efficace (45%) e/o di un’infrastruttura dati centralizzata o ottimizzata (41%).
Gap di competenze. Molte banche (42%) segnalano carenze di skill specialistiche in ambito IA.
Di cosa hanno bisogno le banche per ottimizzare gli investimenti in IA
Per affrontare questi problemi, il 52% delle banche prevede di ampliare l’architettura IA e il 43% intende creare o potenziare team dedicati. Solo il 31% dichiara invece che si concentrerà sullo sviluppo e sul tuning dei modelli.
Kathy Lange, Research Director of the AI and Automation Practice di IDC Il settore bancario comprende chiaramente il potenziale dell’intelligenza artificiale, ma capire e saper eseguire non sono la stessa cosa. Senza architetture dati solide, framework di governance e una pipeline di talenti, le banche rischiano di investire in iniziative IA che non portano ROI o, peggio, che minano la fiducia da cui dipendono.
Il ROI è guidato dall’innovazione responsabile, non solo dal risparmio
Il report mette in discussione un’idea piuttosto diffusa, ossia che il valore principale dell’IA nel banking coincida con un taglio dei costi. Al contrario, il banking è l’unico settore a indicare innovazione di prodotti e servizi come prima leva di valore. I dati cross-industry sul ritorno dell’investimento rafforzano il messaggio: chi usa l’IA per migliorare la customer experience registra i ritorni più alti (1,83 dollari per ogni dollaro investito). Segue chi punta ad aumentare la quota di mercato (1,74). Le iniziative focalizzate sul cost saving si fermano a 1,54. Inoltre, le organizzazioni che hanno dato priorità a un’IA affidabile hanno il 60% di probabilità in più di raddoppiare il ritorno complessivo. Un segnale che l’innovazione responsabile è un acceleratore di crescita.
Governance, spiegabilità, trasparenza e solide basi dati
Infine, va considerato che le banche stanno spingendo più di altri settori verso l’IA agentica. Con quasi un terzo che prevede di aumentare gli investimenti in Trustworthy AI per supportare sistemi più autonomi. Ma più aumenta l’autonomia, più governance e controlli
Alex Kwiatkowski, Director of Global Financial Services di SAS I regolatori osservano. I clienti osservano. E oggi quasi metà delle banche sta usando un’intelligenza artificiale non comprovata o, al contrario, esita a sfruttare pienamente soluzioni già validate. In una dinamica così competitiva, i tagli di costo, da soli, non sono sufficienti. Il successo sarà possibile solo per le banche che investono in governance, spiegabilità, trasparenza e solide basi dati prima di scalare l’AI, non dopo che qualcosa non ha funzionato.
