Banner Pubblicitario
22 Maggio 2022 / 13:58
AI e Graph Machine Learning a servizio delle banche

 
Fintech

AI e Graph Machine Learning a servizio delle banche

4 Giugno 2020
Lorenzo Speranzoni, Ceo di Larus, parla dei vantaggi delle nuove tecnologie Graph Machine Learning e Graph AI e delle opportunità per il mondo bancario, soprattutto in ambito antifrode e antiriciclaggio. E presenta il webinar dell’11 giugno “Explainable AI in Financial Services Fraud Detection and Commercial Lending” ..

Sentiamo parlare di Graph Machine Learning e Graph AI. In cosa consistono queste tecnologie emergenti?

La Graph Data Science è l’insieme di tecnologie di machine learning e analisi dei dati basata su strutture dati a grafo. È la “scienza dei dati connessa”, che sfrutta le relazioni e la topologia dei dati connessi per alimentare applicazioni di intelligenza artificiale e fare previsioni più accurate. Oltre a migliorare la precisione e la velocità di modellazione, le tecnologie a grafo rendono più accessibile la creazione di soluzioni AI, fornendo il contesto di cui sia l’intelligenza umana che artificiale hanno bisogno. Il Graph Machine Learning è un trend emergente che raccoglie interesse e investimenti crescenti da parte di aziende all’avanguardia nell’adozione di applicazioni di intelligenza artificiale, di università ed enti di ricerca pubblici e privati in tutto il mondo. Secondo Gartner l’adozione di graph processing e graph database crescerà del 100% ogni anno fino al 2022 per accelerare continuamente la preparazione dei dati, abilitare servizi di advanced analytics, rendere più performanti i modelli predittivi e ottenere gli insight decisivi per la crescita del proprio business.

Perchè queste nuove tecnologie sono importanti per le banche e gli istituti finanziari?

I servizi finanziari richiedono soluzioni di intelligenza artificiale più avanzate, in settori che richiedono credibilità e trasparenza crescenti come la gestione dei rischi per gli investimenti, le previsioni di mercato, l’antiriciclaggio, il rilevamento delle frodi, il lending management e il trading automatico. Se, da un lato, le banche concordano sul fatto che l’intelligenza artificiale è un importante driver per il settore, dall’altro le loro strategie per introdurla e utilizzarla devono affrontare aspetti complessi quali la trasparenza degli algoritmi e l’affidabilità dei modelli predittivi. Norme e regolamenti a livello globale impongono alle banche di fornire modelli di AI trasparenti. In settori fortemente regolamentati come quello bancario e finanziario, non sorprende che l'AI spiegabile (XAI) sia quindi una componente fondamentale: è necessario cioè che alla base delle decisioni ci sia piena conoscenza degli algoritmi utilizzati e delle ragioni alla base dei risultati prodotti. Tutto questo non può funzionare con le tecnologie di machine learning tradizionali, vere e proprie “black box”, che rendono i modelli predittivi e le decisioni prodotti dalle macchine non trasparenti e spesso incomprensibili anche agli occhi degli esperti e degli analisti stessi che li hanno progettati. Fujitsu Laboratories of America ha sviluppato una tecnologia di Graph Machine Learning – Fujitsu Deep Tensor –in grado di rendere "spiegabile" e trasparente le ragioni che sono alla base delle inferenze che costruiscono i modelli predittivi, risolvendo il problema delle black box.

Come funziona il Deep Tensor di Fujitsu?

Deep Learning di Fujitsu combina la tecnologia proprietaria chiamata Deep Tensor, che esegue l'apprendimento automatico su dati strutturati a grafo, all’interno di un graph database, con il grafo della conoscenza (Knowledge Graph), lavorando in 2 step. Nella fase 1 identifica all'interno dei dati di input i fattori che contribuiscono in modo significativo al risultato dell'inferenza. Nella fase 2 stabilisce una corrispondenza tra tali fattori e i dati situati in un knowledge graph, che possiamo vedere come il nostro dominio funzionale di conoscenza, per esempio le regole che definiscono pattern anomali, nel caso di comportamenti fraudolenti o sospetti di riciclaggio. Il collegamento di inferenze derivate dal Deep Tensor al Knowledge Graph consente di comprendere le ragioni alla base dei risultati generati dagli algoritmi e di renderli spiegabili. Gli ambiti di applicazione in ambito bancario sono diversi: ad oggi stiamo lavorando insieme a Fujitsu sui fronti dell’antifrode, dell’antiriciclaggio e del commercial lending.

Quali temi saranno affrontati nel webinar dell’11 giugno “Explainable AI in Financial Services Fraud Detection and Commercial Lending”?

Partendo dagli scenari attuali dell’AI nel mondo bancario e dalle sfide che si trova ad affrontare, nel corso del webinar scopriremo come la tecnologia Deep Tensor di Fujitsu migliora e accelera le applicazioni di AI per il rilevamento e la prevenzione delle frodi nei pagamenti e nella gestione del rischio dei crediti e prestiti commerciali. Il webinar sarà tenuto in lingua inglese e vedrà la partecipazione di speaker eccezionali, tra i massimi esperti di graph machine learning a livello mondiale, in forza a Fujitsu Lab, Wing Au e Jeffrey Fischer (qui tutte le info, ndr.)
Larus nasce nel 2004 con l’obiettivo di aiutare le aziende ad affrontare le sfide che la complessità crescente dei processi economici e sociali pone, per restare sul mercato ed aumentare la loro competitività.
Partendo dalle architetture dati per abilitare servizi di analytics e applicazioni di intelligenza artificiale, la società punta a valorizzare il patrimonio di dati, costruendo piattaforme integrate con i sistemi legacy e digitali.
Larus collabora con le principali banche italiane, come Banca Mediolanum e Intesa Sanpaolo, supportandole nella trasformazione verso un’organizzazione insight-driven, per innovare i servizi e i prodotti, automatizzare i processi riducendo costi e rischi di gestione.
La scienza dei grafi e delle tecnologie correlate possono rappresentare un’opportunità per le aziende. Sin dall’inizio del suo percorso, Larus ha esplorato e validato l’adozione di tecnologie a grafo, ponendosi come pioniere in Italia nell’uso di graph database e graph machine learning, che oggi trovano sempre maggiori consensi nell’ambito delle architetture e analytics delle aziende che offrono servizi finanziari.
La società, primo partner in Italia e tra i primi tre partner al mondo di Neo4j, la graph data platform leader di mercato, lo scorso anno ha stretto un'importante partnership con Fujitsu che da anni lavora sui temi di Graph Machine Learning. La partnership con questo importante vendor internazionale ha permesso di crescere sul fronte delle competenze in ambito AI e di posizionarsi come azienda leader su questo stream di tecnologie.
Larus ha sviluppato eFraudy, soluzione di analisi investigativa basata sui grafi oggi utilizzata in ambito bancario e assicurativo come sistema di fraud detection, in produzione presso due importanti realtà italiane (qui le info).
 
 
 
CRIF_Banner Medium_new giugno 2021
ALTRI ARTICOLI

 
Sicurezza

Sicurezza: una sfida da vincere, per crescere

Al via l’edizione 2022 di Banche e Sicurezza (iscriviti qui): tra cyber security e rischi fisici, un’occasione unica di confronto per la community...

 
Banca

«Formazione virtuale o fisica? Quel che conta è costruire una learning experience»

La nuova proposta formativa di ABIFormazione mette al centro i bisogni di professionisti e aziende e risponde accogliendo l'allievo in un unico...

 
Sicurezza

«La sicurezza fisica? È sempre più digitale»

Rapine ancora in calo, grazie all’impego di strumenti sempre più avanzati e digitali di prevenzione e contrasto, ma soprattutto grazie alla...
Banche e Sicurezza 2022
L’evento annuale, organizzato da ABI in collaborazione con ABI Lab, CERTFin e OSSIF, che racconta ed esplora...
Icona Facebook Icona Twitter Icona LinkedIn
ESG in banking: sostenibilità è sviluppo
Il 13 e 14 dicembre la prima edizione dell'evento annuale promosso dall’ABI sulla trasformazione...
Icona Facebook Icona Twitter Icona LinkedIn
Bancaforte TV
Crediti problematici, un approccio data driven conviene a banca e cliente
Trasformare la gestione dei crediti problematici dei privati in un’attività di caring che porta vantaggi...
Icona Facebook Icona Twitter Icona LinkedIn
Cabiati (Deutsche Bank): architettura applicativa da ripensare insieme alle fintech
Per le banche la pandemia ha rappresentato un momento di “stress test” organizzativo e un acceleratore...
Icona Facebook Icona Twitter Icona LinkedIn
Innovation Workshop powered by Bancaforte
Gli Innovation Workshop on demand
Guarda gratuitamente tutti gli appuntamenti organizzati con i nostri Partner 
Icona Facebook Icona Twitter Icona LinkedIn
Scopri gli Innovation Workshop powered by Bancaforte
Una qualificata opportunità di dialogo e relazione con i professionisti del mondo bancario, finanziario e...
Icona Facebook Icona Twitter Icona LinkedIn
Banner Pubblicitario