Dati sintetici, la nuova frontiera dell’intelligenza artificiale per banche e assicurazioni

Nel settore finanziario, dove accuratezza predittiva e gestione del rischio sono essenziali, i dati sintetici stanno diventando una risorsa strategica. Il mercato, valutato 310,5 milioni di dollari nel 2024, crescerà a un CAGR del 35,2%, fino a superare 6,1 miliardi di dollari entro il 2034.

Questi dati, generati artificialmente ma ispirati a informazioni reali, superano i limiti di privacy e disponibilità dei dataset tradizionali, offrendo nuove opportunità di test, simulazione e addestramento dei modelli di machine learning.

Applicazioni nel settore Bfsi

Nel comparto Banking, Financial Services e Insurance (BFSI), i dati sintetici trovano applicazione in ambiti cruciali: antifrode, credit scoring, gestione sinistri e conformità normativa. Le istituzioni finanziarie utilizzano modelli di IA sempre più avanzati, ma la loro efficacia dipende dalla qualità e dalla rappresentatività dei dati di partenza.

Le transazioni fraudolente sono rare e rendono i dataset sbilanciati, riducendo l’accuratezza dei modelli antifrode. I dati sintetici consentono di simulare nuovi schemi di frode, bilanciare i dataset e migliorare la capacità di individuazione, riducendo i falsi positivi.

Un caso concreto è la collaborazione tra Reply e Agos, che ha impiegato dati sintetici con machine learning e computer vision per rilevare documenti falsi nelle richieste di prestito, ottenendo un +25% di casi di frode simulati e un +4,5% di capacità di identificazione.

• Leggi anche: Carlo Noseda (Iab Italia) sull'Ai nel marketing: «Non vanifichiamo questa meravigliosa tecnologia»

Gestione dei sinistri e assicurazioni

Nel settore assicurativo, i dati sintetici permettono di creare sinistri artificiali realistici per diversi rami (auto, casa, sanità). Questo approccio potenzia i modelli predittivi in contesti dove le frodi sono rare, aumentando la rappresentatività dei dataset e riducendo tempi e costi di raccolta dei dati reali, con effetti diretti sulla scalabilità e sull’efficienza operativa.

Nella valutazione del rischio e del merito creditizio, i dati sintetici rappresentano un’alternativa ai modelli tradizionali che penalizzano chi ha uno scarso storico creditizio (thin file). Consentono di generare profili artificiali ma realistici, migliorando l’accesso al credito e la precisione delle analisi. Sono utili anche nei portafogli con basso tasso di default, facilitando stress test e simulazioni what-if per valutare la resilienza dei modelli a scenari economici avversi.

Conformità e test normativi

Sul fronte della compliance, i dati sintetici permettono di testare in sicurezza sistemi antiriciclaggio, policy di sicurezza e strategie di rischio su scenari complessi. Ciò garantisce una maggiore prontezza operativa e una piena aderenza ai requisiti regolatori, mantenendo la riservatezza dei dati reali e rafforzando la capacità delle istituzioni di rispondere a minacce emergenti. (riproduzione riservata)

*partner di Target Reply