Finance: il futuro risiede nell’intelligenza artificiale

Le prospettive  dell’intelligenza artificiale nel mondo bancario spingono verso una maggior centralità e importanza di analitiche avanzate

 

Le prospettive a breve termine  degli sviluppi  dell’intelligenza artificiale (AI, o IA  nella terminologia anglosassone come acronimo di Artificial Intelligence) coinvolgono numerosi settori del business e, non ultimo, quello finanziario. Una analisi di cosa vorrà dire per il mondo bancario la diffusione dell’AI è stata fatta da  Antonio Matera, Sales Director Italia di OpenText, che ha tratto interessanti conclusioni e suggerimenti.

Uno dei principali e più importanti trend con il quel il settore bancario oggi deve confrontarsi è, osserva, come applicare al meglio l’intelligenza artificiale e le analitiche avanzate per ridefinire ogni ambito del business, dalle operazioni interne all’esperienza del cliente fino ai nuovi servizi contabili e di pagamento, in uno scenario che vede le transazioni spostarsi sempre più dal manuale al digitale e, come conseguenza, aumentare esponenzialmente i dati strutturati e non strutturati sia all’interno che all’esterno dell’organizzazione.

Ray Kurzweil, ingegnere capo di Google, stima in proposito che l’AI supererà l’intelligenza umana entro il 2019.  Persin prima di quanto sino a poco tempo fa si immaginasse. Per quanto sia improbabile che i robot arrivino a impadronirsi della terra (ma non è detto), è di certo vero che in tempi molto brevi i servizi messi a disposizione dei clienti da banche, compagnie assicurative, telefoniche e utility verranno notevolmente migliorati perché l’AI ha il potenziale per aiutare a fare cose migliori, più velocemente, a costi minori e con meno errori rispetto a qualsiasi processo manuale.

Questo perché combinata con le analitiche avanzate l’intelligenza artificiale fornisce una visione dettagliata di quello che i clienti fanno oggi e anche di quali saranno le loro (prevedibili) azioni future.

Antonio Matera, Sales Director Italia di OpenText

Cosa significa analitiche “AI-enhanced

 L’AI non è di certo un concetto nuovo per il mondo bancario, osserva il manager, perché è già incorporata in diversi processi di controllo chiave come, ad esempio, l’individuazione e la prevenzione delle frodi. Quello che è nuovo è la quantità e varietà dei dati da analizzare e i miglioramenti che sono stati apportati alla tecnologia di elaborazione del linguaggio naturale (NLP, Natural Language Processing), agli algoritmi di machine learning e ai sistemi esperti (progettazione di sistemi in grado di porre in atto procedure di inferenza adeguate alla risoluzione di problemi).

L’AI sta semplicemente crescendo e migliorando nell’automatizzare i processi di lavoro ripetitivi e fortemente transazionali.
L’analisi predittiva è già stata utilizzata da alcuni per ottimizzare il business, ma mancava ancora un pezzo al puzzle complessivo: un approccio cognitivo capace di attingere a tutte le fonti di dati intelligentemente, scoprendo i trend e i modelli e utilizzando queste intuizioni per indirizzarci verso il processo decisionale migliore.

Le analitiche AI avanzate aumentano la capacità di trarre profondità dai dati e dai contenuti, filtrando contemporaneamente il “rumore di fondo dei dati” rispetto alle informazioni di valore.

Queste analitiche consentono alle organizzazioni di sfruttare tutte le informazioni strutturate e non strutturate nei propri sistemi di Enterprise Information Management (EIM). Algoritmi e modelli cognitivi aiutano a individuare le tendenze e gli schemi nelle grandi quantità di dati e giungere a conclusioni coerenti.

Linguaggio naturale più efficace

L’elaborazione del linguaggio naturale e il machine learning diventano più efficaci con volumi maggiori di dati, il che significa più dati vengono analizzati, più precise saranno le conclusioni e le indicazioni conseguenti.

L’analisi dei Big Data memorizzati nei repository interni e nei data warehouse sta ormai diventando uno standard per le aziende, ma le soluzioni dotate di analitiche AI-enhanced, come,evidenzia Matera, OpenText Magellan, permettono di valutare anche il contenuto non strutturato nei sistemi EIM per sbloccare il valore dei Big Content di ambiti chiave come il repository dei contratti, il business plan, le offerte e la reportistica sugli incidenti.

Questi documenti spesso contengono più contenuto contestuale e insight preziose rispetto ai dati strutturati e transazionali proprio perché scritti nel linguaggio naturale e capaci di riflettere opinioni, intenzioni, emozioni umane e le loro conseguenze.

Sfruttando l’AI per analizzare i contenuti non strutturati, come le intenzioni e il sentiment, le organizzazioni ottengono un valore maggiore dalle informazioni, prezioso per qualsiasi analisi. Ottengono così maggiore visibilità e comprensione su ordini, fatture, dichiarazioni, pagamenti e rimesse oltre che sulla documentazione legata al portfolio clienti e ai comportamenti dei partner commerciali, ambiti di adozione che il mondo finanziario ha già iniziato a esplorare.

AI, Analytics e  mondo dei pagamenti

 Nell’ambito dei pagamenti, l’applicazione dell’AI è ritenuta importante per automatizzare e guidare l’efficienza nell’elaborazione dei pagamenti, in particolare nell’elaborazione delle eccezioni al pagamento, ambito che ancora oggi è gestito prevalentemente in modo manuale. Tuttavia, le analitiche AI-enhanced hanno un ulteriore potenziale da offrire ai responsabili dei pagamenti.

Tali vantaggi sono stati analizzati in un sondaggio promosso da Finextra che ha visto il 70% degli intervistati dichiarare che vi è la necessità di una maggiore consapevolezza su come applicare le tecnologie AI nel settore delle transazioni bancarie.

Tuttavia, quando è stato loro chiesto quali fossero i principali benefici che si aspettavano da tale applicazione non hanno indicato le efficienze di processo ma si gli imperativi di business.

Gli intervistati hanno dichiarato che il time-to-market è la sfida più grande, non la conformità normativa. L’innovazione di prodotto, il time-to-market e la capacità di fidelizzare i clienti sono stati identificati come gli ambiti chiave nei quali investire dal punto di vista dell’AI.

L’AI enhanced fa la differenza

Proprio in queste aree le analitiche, osserva Matera,  AI-enhanced possono fare la differenza, offrendo un livello di intuizione che rappresenta un vero fattore di differenziazione dalla concorrenza.

Nell’ambito dell’innovazione di prodotto, ad esempio, comprendendo il sentiment dei clienti attuali si potrà valutare le modifiche da apportare ai propri prodotti ancora prima di svilupparli – riducendo il rischio e il costo dei nuovi lanci.

Le analisi AI-enhanced agevolano altri processi chiave – come l’onboarding – per ridurre notevolmente il tempo di fatturazione. Infine, una conoscenza approfondita dei comportamenti del cliente offerta in modo immediato consente di individuare eventuali account a rischio e suggerire azioni in grado di cambiare la situazione e evitare di perdere il clienti.

Nell’era digitale, l’informazione è la nuova moneta che consente l’innovazione, la crescita e che genera nuove opportunità di business, comprenderla e sfruttarla rappresenterà sempre più la chiave per il successo. Difficile non essere d’accordo con Matera.