Banche e intelligenza artificiale, lo scenario e le applicazioni possibili

Nonostante le banche riconoscano l’impatto dell’intelligenza artificiale sul loro business, su questo fronte di innovazione si muovono ancora con grande cautela: gli investimenti sono limitati a piccoli progetti pilota e a casi d’uso di nicchia.

L’intelligenza artificiale avanza, così come l’impegno anche a livello europeo per definire un quadro normativo. ChatGPT e gli altri modelli di intelligenza artificiale generativa basata sugli LLM stanno entrando nell’uso comune attraverso i tradizionali motori di ricerca. E quindi tutti saremo sempre più abituati a interloquire con un algoritmo ben istruito.

Vediamo come le banche stanno affrontando la sfida dell’intelligenza artificiale. E quali potrebbero essere le applicazioni utili di questa tecnologia per potenziare e innovare i processi e i servizi.
Secondo i dati del rapporto Abi Lab “Scenari e Trend del mercato ICT per il settore bancario”, Il 68% degli istituti di credito sta investendo in intelligenza artificiale.

Sul fronte del suo governo, il 30% delle banche presidia l’AI all’interno di una struttura dedicata all’innovazione (Innovation Center, Innovation Hub ecc). Il 22% degli istituti di credito ha definito un presidio accentrato o un centro di competenza sull’intelligenza artificiale. Per quanto concerne le applicazioni, il 48% delle banche sta utilizzando l’AI per la gestione della sicurezza, il 43% per fornire assistenza interna alla rete/dipendente oppure esterna al cliente/contact center. Il 29% delle banche sta utilizzando l’AI per le operation.

Inoltre, come rileva la più recente “Rilevazione sull’IT nel settore bancario italiano” realizzata dal Cipa (Convenzione Interbancaria per l’Automazione), il 51% delle banche ha in uso l’intelligenza artificiale e il 46% chatbot e assistenti vocali. Lo studio incorona il riconoscimento biometrico come uno dei 5 maggiori trend del 2021, nonché quello con l’incremento maggiore per le tecnologie innovative a impatto trasversale. In prospettiva, gli istituti di credito saranno chiamati a utilizzare in modo sempre maggiore l’AI, che in futuro sarà una delle fonti di crescita e competitività.

Secondo uno studio di Deloitte sull’AI, le banche possono impiegare l’intelligenza artificiale per diverse applicazioni:
•    combattere le frodi
•    implementare chatbot e assistenti virtuali
•    acquisire nuovi clienti
•    sviluppare pagamenti digitali biometrici
•    analizzare il rischio di credito

Combattere le frodi
Sul fronte delle frodi, le banche possono utilizzare i modelli AI in modo rapido e preciso per identificare modelli sospetti in set di dati di grandi dimensioni. Ciò consentirebbe agli istituti di credito di analizzare transazioni sospette e trasferimenti che potrebbero indicare che un account viene utilizzato per nascondere e legittimare fondi provenienti da attività criminali. I modelli di machine learning possono prevedere una potenziale frode nelle transazioni future analizzando dati tradizionali e non e rilevando anomalie per individuare attività insolite dell’account. Ciò consente alle banche di scoprire problemi che potrebbero essere trascurati dai loro motori di analisi delle frodi.

Implementare chatbot e assistenti virtuali
Le soluzioni di AI conversazionali, quali chatbot e assistenti virtuali, basati su modelli di Natural Language Processing (NLP), possono apprendere i comportamenti tipici dei clienti, elaborare offerte personalizzate e fornire alle banche maggiori dati e informazioni sui loro utenti. Inoltre, tali tecnologie consentono l’invio ai clienti di promemoria automatici sui pagamenti di finanziamenti bancari, oltre a monitorarne il pagamento.

Acquisire nuovi clienti
L’AI può anche essere utile per acquisire nuovi clienti, in quanto permette di capire le loro aspettative in ogni fase della customer experience. Inoltre, i modelli di machine learning sono in grado di stimare il customer lifetime value (CLV), predire il churn rate (tasso di abbandono dei clienti) e la propensione ad accettare nuove offerte dei clienti. Tali modelli possono anche migliorare l’accuratezza della segmentazione dei clienti e la personalizzazione dell’offerta, sulla base di dati storici e in tempo reale.

Sviluppare pagamenti digitali biometrici
Il machine learning e il deep learning sono anche alla base di nuove modalità di autenticazione basate su dati biometrici come riconoscimento facciale, vocale, della retina e delle impronte digitali. Alcune aziende in Cina utilizzano un sistema smile-to-pay, che consente ai clienti di autorizzare i pagamenti attraverso il sorriso a una macchina fotografica. La biometria basata sull’intelligenza artificiale può anche svolgere un ruolo chiave nell’autenticazione con sistemi a due o tre fattori, che sono molto più sicuri delle sole password.

Analizzare il rischio di credito
Infine, l’intelligenza artificiale è utile per valutare il rischio e l’affidabilità creditizia per prestiti e carte di credito. Le tecnologie di AI possono valutare automaticamente l’affidabilità creditizia di un mutuatario e possono supportare il processo di gestione del prestito durante l’intero ciclo di vita, inclusa la documentazione automatizzata e la convalida della conformità.
Allo stesso tempo, l’intelligenza artificiale può analizzare le informazioni finanziarie di una persona e consigliargli varie offerte di mutuo da parte di numerose di banche. Funzionalità avanzate come queste sono vantaggiose per tutti mutuatari e banche allo stesso modo, consentendo scelte più intelligenti con meno fatica e rischio.