Intelligenza artificiale, ecco le opportunità e i rischi per le banche

Uno dei maggiori cambiamenti in arrivo per il settore bancario riguarda la GenAI, ovvero l’intelligenza artificiale generativa. Finora si è parlato perlopiù di AI tradizionale, quella cioè che consente di completare uno specifico compito in modo veloce. La GenAI non è un’evoluzione in questa direzione ma piuttosto una novità radicale: permette anche la creazione di contenuti (testi, immagini, audio) in apparenza nuovi, sebbene in realtà siano la rimodulazione di dati già presenti. Come si traduce tutto ciò nel settore finanziario? Basti pensare alla concessione di un prestito: l’AI tradizionale permette di definire il profilo di rischio di un cliente (seppure con tutte le limitazioni oggi presenti), mentre la GenAI potrebbe creare un template da presentare al management con le informazioni più importanti sul cliente.

I vantaggi della GenAI

«Un aspetto positivo dell’AI generativa riguarda l’efficienza perché permette di trovare e sintetizzare informazioni in modo veloce. Inoltre può migliorare in molti modi l’esperienza del cliente», osserva Ella Rabener, managing director e partner di Boston Consulting Group, che ha appena scritto una ricerca sul tema. Secondo Bcg con la GenAI è possibile ridurre i costi dei processi di back e front-office del 20-30% nei prossimi due-tre anni e di oltre il 50% nei tre anni successivi, consentendo al personale di dedicarsi ad attività a maggior valore aggiunto e meno ripetitive.

• Leggi anche: La Vigilanza di Bankitalia: l’intelligenza artificiale non deve sostituirsi ai banchieri

L’intelligenza artificiale generativa «può favorire l’attività dei dipendenti perché permette di eliminare il lavoro ripetitivo», osserva Rabener che precisa: «L’AI generativa è positiva anche per i compiti creativi, con un’avvertenza. Non sono creati contenuti completamente originali, perché viene utilizzato ciò che è già presente con un nuovo amalgama». Ci sono in particolare quattro aree, secondo Bcg, nelle quali la GenAi può aiutare le banche: la sintesi di testi, la generazione di contenuti, la capacità di conversare con l’utente e la generazione di dati complessi.

I casi d’uso

I casi d’uso della GenAi per le banche spaziano da processi più generici, come la scrittura di codici informatici e l’assistenza ai call center, a quelli specifici del settore finanziario, come le analisi o la consulenza. Goldman Sachs sperimenta la GenAI a sostegno degli sviluppatori per creare e testare codici informatici. JpMorgan utilizza strumenti simili a ChatGPT per le decisioni di investimento fornendo assistenza nell’analisi di azioni, obbligazioni, materie prime. Nel settore dei pagamenti American Express mira a prevedere il comportamento dei clienti per migliorare la pianificazione finanziaria e il processo decisionale. Anche le grandi banche italiane, in primis Intesa Sanpaolo e Unicredit, utilizzano l’intelligenza artificiale. Intesa a maggio ha avviato uno strumento di machine learning che aiuta ad analizzare documenti di supervisione.

«In questa fase molte banche stanno valutando le possibilità dell’AI e stanno definendo le priorità in modo da concentrare le risorse nelle attività che permettono i maggiori risparmi di costo con i minori rischi», rileva Rabener. «Le banche possono anche comprare gli ingredienti dall’esterno ma poi devono cucinare un prodotto che piaccia a dipendenti e clienti. Di certo c’è la possibilità di un significativo vantaggio competitivo».

I rischi per le banche

Ci si può domandare se gli istituti di credito siano a rischio concorrenziale a causa della maggiore capacità delle bigtech di usare dati. Rabener non vede pericoli in tal senso nel breve termine, anche perché le bigtech hanno poco interesse a entrare in un’attività molto regolamentata come quella bancaria. Ma le nuove tecnologie, assieme alle opportunità, portano anche nuove problematiche. «Le banche, a ragione, sono preoccupate dei rischi e perciò stanno trattando la materia con attenzione», rileva Rabener, che indica tra i pericoli quelli legati alle cosiddette «allucinazioni», cioè informazioni sbagliate basate per esempio su dati raccolti su internet. Altre questioni secondo Bcg riguardano i bias che in certi casi possono rafforzare discriminazioni. Sono da considerare anche ragioni etiche, di privacy e pure la questione dello «shadow AI», cioè quando i dipendenti, in mancanza di uno strumento interno approvato di GenAI, utilizzano siti pubblici potenzialmente anche caricando dati sensibili.

Il punto di vista della Vigilanza

Al momento l’AI può produrre risultati soprattutto in ambito creativo, ma non è altrettanto capace nel risolvere problemi complessi. Una recente analisi della Banca d’Italia, scritta da Claudia Biancotti e Carolina Camassa, ha osservato che «ChatGPT può accelerare i flussi di lavoro, fornendo suggerimenti di contenuto ben strutturati e producendo grandi quantità di testo linguisticamente corretto in pochi secondi». Ma di fronte alla richiesta di testi complessi, come per esempio un documento di policy per il direttorio di Bankitalia, la risposta «può risultare errata, superficiale o irrilevante, ed è pertanto necessario che il software sia utilizzato da utenti esperti nella materia trattata e consapevoli delle limitazioni dello strumento; questo aspetto riduce i guadagni di produttività del software».
In alcuni casi, osserva Bcg, sono possibili «agenti» costruiti con l’intelligenza artificiale in grado di scoprire gli errori della stessa AI. Ma non c’è dubbio che, come ha osservato nei giorni scorsi il capo della Vigilanza della Banca d’Italia Giuseppe Siani, «la responsabilità ultima delle decisioni non può essere rimessa a un processo automatico, per quanto sofisticato possa essere». In tal senso, ha aggiunto Siani, anche l’espressione «AI-driven» può provocare fraintendimenti: «L’intelligenza artificiale non deve “guidare”, non deve sostituirsi ai decisori finali, ma deve “supportare” al meglio i processi decisionali. Perciò sembra preferibile fare riferimento all’espressione “AI-assisted”». (riproduzione riservata)