IA e finanza, verso nuovi orizzonti: ma attenzione a sicurezza e rischi

IA e finanza, cosa dicono i dati

Come evidenziato anche dal paper “Intelligent financial system: how AI is transforming finance” del Bank for International Settlements (BIS), pubblicato nel 2024. Il report evidenzia altresì come l’uso dell’IA, nel settore finanziario, comporti sia opportunità sia sfide sia aspetti di instabilità finanziaria, come si evince dalla tabella seguente.

Inoltre, l’Intelligenza artificiale generativa – AI Gen offre nuove opportunità per diverse attività, tra cui l’intermediazione, le assicurazioni, i pagamenti e la gestione patrimoniale. Riguardo alla relazione tra IA gen e finanza, gli istituti bancari stanno già impiegando tale tecnologia per migliorare il calcolo del punteggio di credito, ottimizzare l’elaborazione back-end, fornire consulenza finanziaria automatizzata (robo-advising), migliorare l’assistenza clienti e garantire la conformità normativa.

Inoltre, secondo quanto si evince dal rapporto “IIF-EY 2023 Public Survey Report on AI/ML Use in Financial Services” -redatto da IIF (Institute of International Finance) e EY – oltre l’84% delle istituzioni finanziarie intervistate nel 2023 utilizzava già l’IA nelle proprie attività e l’86% stava pianificando di espandere il proprio inventario di modelli di IAGen.

Rischi micro e macro dell’AI nel settore finanziario

È doveroso evidenziare che con l’espansione delle opportunità offerte dell’IA, sono aumentate anche le sfide.

Rischi micro

Si tratta di rischi associati all’uso dell’IA nelle istituzioni finanziarie e che comprendono diversi aspetti.

L’adozione massiccia dell’IA nel settore può intensificare le minacce alla privacy dei consumatori e alla sicurezza informatica. Inoltre, molti modelli di IA sono caratterizzati da una natura opaca, spesso descritta come “black box”, che rende complessa l’interpretazione delle loro previsioni e introduce il rischio di distorsioni nei dati di addestramento. Tra le altre preoccupazioni vi sono l’emergere di silos di dati, le allucinazioni dei modelli e il coordinamento algoritmico. In particolare, i modelli di IAGen sono soggetti al problema del “garbage in, garbage out”, il che significa che la qualità dei loro output è strettamente legata alla qualità dei dati di input.

Rischi macro

Si tratta di rischi che incidono sulla stabilità del sistema finanziario nel suo complesso.

Man mano che l’uso dell’IA continua a crescere, è fondamentale prestare attenzione ai rischi sistemici che essa può comportare. Già in passato, l’adozione iniziale dell’IA, nonostante le sue capacità limitate, ha provocato eventi come i flash crash dei mercati azionari e situazioni di instabilità finanziaria. Un esempio significativo è il crollo improvviso del mercato azionario statunitense del 1987, attribuito in parte alla dipendenza da modelli basati su regole utilizzati dalle compagnie assicurative.

È doveroso evidenziare che le intelligenze artificiali più avanzate – quali modelli di machine learning (ML), hanno intensificato i rischi in vari modi. In primo luogo, molti modelli di IA si basano su set di dati analoghi e, a causa delle economie di scala e di portata nella raccolta dei dati, la produzione di questi set di dati essenziali è dominata da un numero limitato di grandi aziende tecnologiche. Di fatto, l’utilizzo degli stessi set di dati di base può accrescere i rischi di uniformità e pro-ciclicità nelle previsioni dei modelli. Ancora, l’adozione di modelli e algoritmi di ottimizzazione simili può provocare sia volatilità nei mercati sia un aumento della probabilità di flash crash, oltre a ridurre la liquidità nei periodi di stress, come rilevato nel rapporto dell’Organizzazione per la cooperazione e lo sviluppo economico (OCSE) intitolato “Artificial Intelligence, Machine Learning and Big Data in Finance: Opportunities, Challenges, and Implications for Policy Makers”, pubblicato nel 2021.

Inoltre, la scarsa spiegabilità di questi modelli rende più difficile per le autorità di regolamentazione identificare tempestivamente i rischi sistemici o le manipolazioni di mercato. Senza dimenticare che la concentrazione del mercato e i rischi informatici aumentano ulteriormente le vulnerabilità finanziarie. Inoltre, la dipendenza da fornitori comuni di IA può creare punti critici di errore: una violazione dei dati, un bug del software o un attacco ai modelli usati da diverse istituzioni potrebbero innescare un effetto domino con conseguenze significative sui mercati finanziari globali, compromettendone la stabilità.

IA e impatti sul mercato del lavoro e della produttività del settore finanziario

C’è ancora notevole incertezza sull’impatto dell’IA nella finanza. La ricerca “Survey evidence on gen AI and households: job prospects amid trust concerns,” del Bank for International Settlements (BIS),pubblicata lo scorso aprile 2024, suggerisce che, se da un lato l’IA può aumentare la produttività – soprattutto nelle attività che richiedono elevate capacità cognitive, beneficiando in particolare i lavoratori meno esperti – dall’altro lato, ha il potenziale di creare nuove attività e aumentare la domanda di lavoro, sebbene possa anche sostituire alcuni lavoratori e compiti.

Pertanto, l’impatto complessivo dell’IA sul settore reale dipenderà dall’equilibrio tra l’aumento della produttività, la creazione di nuove attività e la riduzione dei posti di lavoro. In uno scenario ottimistico, l’adozione dell’IA potrebbe portare a miglioramenti della produttività, perturbazioni limitate nel mercato del lavoro e impatti contenuti sulla stabilità finanziaria. In uno scenario più dirompente, invece, i progressi rapidi delle capacità dell’IA potrebbero causare significative perturbazioni nel mercato del lavoro e redistribuzioni della ricchezza, portando a default diffusi e instabilità finanziaria. È probabile che la realtà si collocherà nel mezzo, rendendo cruciale orientare gli sviluppi tecnologici verso lo scenario più ottimistico.

Le nuove frontiere dell’AI nella finanza

In futuro assisteremo ad un’ulteriore evoluzione dell’IA nella finanza, caratterizzata da sviluppi ancora più innovativi e trasformativi: Di seguito le principali aree in cui si prevede che l’IA registrerà progressi significativi.

• Il ruolo crescente dell’IA nel processo decisionale finanziario – L’IA è destinata a diventare uno strumento indispensabile per il processo decisionale finanziario, fornendo informazioni più approfondite e previsioni più accurate. Ciò consentirà agli istituti finanziari di prendere decisioni più informate, dalle strategie di investimento alla valutazione del rischio di credito.
• Il potenziale dell’IA per democratizzare i servizi finanziari – Le piattaforme basate sull’IA renderanno la consulenza e i servizi finanziari più accessibili, creando un’opportunità significativa per democratizzare il settore. Ciò consentirà di ampliare l’accesso ai servizi finanziari per le comunità e gli individui svantaggiati, riducendo le barriere esistenti e promuovendo l’inclusione finanziaria.
• Tecnologie emergenti e il loro potenziale impatto – Innovazioni come l’informatica quantistica si profilano all’orizzonte, promettendo di aumentare esponenzialmente la potenza di calcolo disponibile per le applicazioni di IA nel settore finanziario. Ciò potrebbe portare a significative scoperte nella risoluzione di modelli finanziari complessi, oltre ad accelerare ulteriormente il processo decisionale in tempo reale.

Sfide e considerazioni nell’implementazione dell’IA

Sebbene i vantaggi dell’IA nella finanza siano enormi, il percorso verso la sua integrazione non è privo di sfide. Ne consegue che la finanza devono fare in modo di gestire opportunamente le seguenti sfide per sfruttare appieno il potenziale dell’IA e, precisamente:

• Problemi di privacy e sicurezza dei dati – La dipendenza da set di dati di grandi dimensioni solleva notevoli problemi di privacy e di sicurezza. Le istituzioni finanziarie devono garantire solide misure di protezione dei dati per proteggersi dalle violazioni, oltre a garantire che i dati dei clienti siano gestiti con la massima integrità e a rispettare le normative globali sulla protezione dei dati e sulla privacy.
• Affrontare i pregiudizi e le questioni etiche negli algoritmi di IA – I sistemi di IA possono inavvertitamente perpetuare pregiudizi nei loro dati di addestramento, portando a risultati non equi. Pertanto, le istituzioni finanziarie devono implementare la correttezza e l’etica nella progettazione dell’IA: è necessario un monitoraggio continuo per identificare e correggere i pregiudizi e rispettare i requisiti dell’AI Act.
• Affrontare le sfide normative e la conformità – Il panorama normativo in continua evoluzione rappresenta una sfida significativa. Il settore finanziario deve aderire a standard come quelli previsti dal regolamento Dora per garantire la sicurezza, la protezione e l’equità dei consumatori. Le istituzioni finanziarie devono non solo rimanere aggiornate sui cambiamenti normativi, assicurando che le applicazioni di IA rispettino le leggi attuali, ma anche essere preparate per future regolamentazioni, mantenendo trasparenza e responsabilità.
• Affrontare i problemi di legacy dei sistemi I problemi di legacy dei sistemi rappresentano una grande sfida nell’adozione dell’IA anche per la finanza. La maggior parte degli istituti finanziari dispone di un’infrastruttura IT complessa che è difficile da integrare con i modelli di IA, oltre a comportare investimenti cospicui in termini di hardware e di software, nonché in sistemi di gestione dei dati. Si consiglia, pertanto, un approccio graduale nell’adozione dell’IA, utilizzando soluzioni modulari che possono essere integrate in modo progressivo nei sistemi attuali in modo da minimizzare le interruzioni operative e facilitare la transizione. Inoltre, gli istituti finanziari possono impiegare integrazioni e middleware basati su API per collegare la tecnologia legacy con l’IA.

Sostenere l’elemento umano

Sebbene le capacità tecniche dell’IA siano impressionanti, il suo vero valore risiede nel modo in cui supporta i professionisti della finanza. Introducendo l’IA nei flussi di lavoro, le organizzazioni della finanza possono ridurre drasticamente il tempo dedicato ad attività ripetitive e ad alta intensità di dati, permettendo ai lavoratori di concentrarsi su ciò che sanno fare meglio: costruire relazioni, fornire consigli di esperti e prendere decisioni che richiedono intelligenza emotiva e competenza nel settore.

Anche il settore assicurativo sta traendo vantaggio dall’IA, che gestisce i sinistri di routine e analizza le polizze, permettendo agli agenti di concentrarsi sui sinistri maggiormente complessi, sulla formazione dei clienti e sullo sviluppo di soluzioni assicurative personalizzate. Tale “tocco umano”, arricchito da dati forniti dall’IA, può migliorare notevolmente la fedeltà e la fiducia dei clienti, rendendo il business maggiormente “intelligente” ed efficiente.

Come prepararsi per il futuro

L’adattabilità e la lungimiranza sono fondamentali per la finanza per prosperare in un futuro guidato dall’IA. Possono essere utili:

• Strategie per l’integrazione dell’IA nei sistemi finanziari esistenti -L’integrazione senza soluzione di continuità delle tecnologie di IA richiede un approccio strategico che includa l’investimento in piattaforme di IA scalabili, la promozione di una cultura dell’innovazione e la garanzia che i sistemi legacy siano adattabili alle nuove tecnologie. Ciò potrebbe comportare aggiornamenti modulari o l’adozione di soluzioni basate su cloud per migliorare la flessibilità.
• Comprendere l’importanza dell’apprendimento continuo e dell’adattamento per i professionisti della finanza – I professionisti della finanza – dato che l’IA sta trasformando i ruoli nel settore e richiede determinate conoscenze – necessitano di percorsi di formazione continui e adeguati. Pertanto, le istituzioni finanziarie dovrebbero investire in programmi di formazione e di sviluppo per dotare la propria forza lavoro delle competenze necessarie per sfruttare le potenzialità dell’IA.
• Avviare collaborazioni tra startup fintech e istituzioni finanziarie tradizionali – Le partnership tra startup fintech e istituzioni finanziare tradizionali possono accelerare l’innovazione e l’adozione dell’IA nel settore. Di fatto, tali collaborazioni consentono, da un lato, alle istituzioni tradizionali di sfruttare tecnologie all’avanguardia e approcci innovativi e, dall’altro lato alle startup di beneficiare delle dimensioni, dell’esperienza e delle conoscenze normative degli operatori maggiormente affermati.

Dunque, è chiaro che l’IA ha il potenziale di migliorare l’efficienza della finanza attraverso un’elaborazione più veloce delle informazioni, supportando il processo decisionale e rafforzando la stabilità finanziaria. Tuttavia, le sfide tecnologiche legate all’IA possono incrementare i rischi di pregiudizi, di errori o di usi impropri, distorcendo i risultati di mercato fino s comprometterne la solidità operativa.

È quindi essenziale garantire la trasparenza, la responsabilità e la resilienza dei modelli di AI, oltre a promuovere un dialogo continuo tra autorità di regolamentazione, istituzioni finanziarie e sviluppatori di questa tecnologia, per affrontare le sfide e sviluppare quadri normativi più dinamici che incentivino l’innovazione e proteggano i diritti dei consumatori.