Il prestito? L'algoritmo predice il rischio, ma è l'uomo a decidere

Per parlare dell’impatto degli algoritmi nel settore del credito bisogna tener presente la storia di un signore con il torcicollo. Poi quella di un tizio che vende tubi. Infine il racconto di una donna che impara a fare le frittelle. Cosa c’entrano con le intelligenze artificiali e coi finanziamenti? Lo scoprirete leggendo. Intanto partiamo da un dato di fatto: in tutto il mondo, secondo alcune stime, il Fintech lending, ossia il mercato dei prestiti concessi da operatori alternativi alle banche con soluzioni veloci e innovative, avrebbe già raggiunto la somma globale di 500 miliardi di dollari, con un tasso di crescita di circa il 20% l’anno.  Una corsa a colpi di app e linee di codice, guidata soprattutto da una miriade di nuovi attori che vanno dalle start-up della finanza ai marketplace peer to peer, dai colossi del Gafa (Google, Amazon, Facebook e Apple) alle emergenti compagnie tech asiatiche (come le cinesi Tencent o Alibaba), a cui si stanno rapidamente aggiungendo anche molte banche  tradizionali, adeguando i propri servizi o alleandosi con le giovani aziende del Fintech.

Ma in che modo gli algoritmi hanno acceso questi razzi diretti nel futuro? Spiega Alessandro Collesano, direttore finanziario di Covisian, consulente su Ai e Fintech per start-up e banche, ospite di Credito al Credito 2019 nella sessione conclusiva dedicata all’evoluzione del credito e alle nuove tecnologie, come Ai, big data e robotica (leggi qui): “Provo a spiegarla con una battuta che circola. Dice che il mercato del credito stia passando dalla formula 3-6-3 a quella 3-1-0. Vale a dire, il vecchio business model del prestito bancario partiva dalla raccolta dei depositi al 3%, seguiva il prestito al 6% e alle 3 del pomeriggio si poteva andare a giocare a golf. Con le nuove Fintech invece bastano 3 minuti per decidere un finanziamento, 1 minuto per erogarlo e 0 interventi da parte dell’uomo. Ovviamente è un paragone estremo. Ma di certo negli ultimi anni sono emersi alcuni fattori che hanno cambiato radicalmente il paradigma del credito: attenzione maniacale all’esperienza del cliente, crescente potenza di calcolo col cloud computing, maggiore capacità elaborativa su analisi e decisioni, algoritmi di machine learning sempre più sofisticati e dotati di autoapprendimento, specialisti informatici  di rango e soprattutto un’enorme mole di dati a disposizione, sia di tipo ordinario che di natura alternativa, come l’attività delle persone su web e social, le immagini, la reputazione digitale, i flussi di pagamento, le rilevazioni da sensori e dispositivi indossabili, le immagini dei satelliti e via dicendo”.

Il risultato, in termini di benefici, non si è fatto attendere. Secondo alcune ricerche, negli Stati Uniti il tempo di erogazione di un prestito a una piccola o media impresa è sceso dalle 12 settimane degli istituti tradizionali ai 3-5 giorni dei soggetti Fintech. Altro vantaggio: il credit scoring. “Grazie al continuo miglioramento degli algoritmi e alle tecniche di deep learning – continua Collesano – la valutazione del credito diventa sempre più precisa, accurata, flessibile e adattabile alle caratteristiche dei diversi clienti che chiedono finanziamenti. Per non parlare del taglio dei costi sui processi di istruttoria e monitoraggio. E poi, aspetto molto importante, la maggiore inclusione finanziaria: per la prima volta, infatti, stanno avendo accesso al mercato del credito soggetti che ne erano esclusi o dai sistemi di valutazione tradizionali o dalla dimensione del fabbisogno finanziario, troppo contenuto rispetto ai costi dell’operazione, o dal fatto che non si trovavano prodotti adeguati”. 

Insomma, si apre un mercato con tante nuove articolazioni su cui si innestano le proposte di realtà emergenti. Una di queste, sempre ospite di Credito al Credito, è Soisy, piattaforma di marketplace p2p che permette ai clienti di un negozio online di chiedere, al momento dell’acquisto, un prestito in tempo reale concesso da una comunità di finanziatori privati. “L’esperienza che offriamo – racconta il fondatore Pietro Cesati – è molto semplice. All’atto del pagamento in uno degli e-commerce convenzionati, ad esempio ePrice, sotto le classiche opzioni “paga con carta di credito” o “con bonifico”, appare la formula che permette di rateizzare l’importo. Il cliente sceglie il numero delle mensilità e nel giro di un paio di minuti riceve il via libera in automatico. Come facciamo a concedere un credito in pochi secondi a una persona fino a quel momento sconosciuta? Caricando sul nostro algoritmo una serie di dati che vanno dal suo storico nell’e-commerce, per capire sia l’identità del soggetto che il suo comportamento negli acquisti, fino all’archivio del credit bureau, dove controlliamo la sua posizione debitoria e finanziaria. Se necessario, tempo un’altra manciata di minuti al massimo, chiediamo informazioni supplementari, come il titolo di studio o il lavoro. In realtà nulla di diverso da quello che qualsiasi banca potrebbe fare. Da parte nostra, però, ci mettiamo da un lato la nostra tecnologia, dall’altro un’organizzazione mirata a trovare le condizioni migliori per il cliente, ponendogli meno ostacoli possibili”.

Sul fronte opposto, Soisy crea una rete di finanziatori, insoddisfatti dei rendimenti tradizionali, che accettano di ripartirsi il rischio che per ogni operazione viene spacchettato in un centinaio di quote. In pratica, ogni creditore finanzia un centesimo del prezzo di un frigorifero o di un televisore. Risultato: un interesse medio che varia tra il 5 e il 13% che, tolte le spese di commissione e un piccolo tasso di insolvenze, scende tra il 4 e l’8%. E se il grosso del lavoro lo macina di sicuro il computer, quello che il sistema garantisce ricade su sfere squisitamente umane. Scorrendo le recensioni di Soisy sulla piattaforma indipendente TrustPilot, si leggono infatti le storie di tanti sogni realizzati grazie a questi piccoli prestiti concessi a chi altrimenti avrebbe dovuto rinunciarvi. Come il signore con il torcicollo, appunto. “Uno dei commenti – ricorda Cesati – diceva che gli avevamo salvato la vita. Un’esagerazione, ovvio. Ma è grazie a noi che questa persona aveva potuto comprare finalmente il materasso con cui ha messo fine ai dolori che gli toglievano il sonno”.

E un problema molto umano, come quello del tizio che vendeva tubi, lo ha risolto anche un altro sistema di credito governato dalle intelligenze artificiali. Quello ideato da modeFinance. “Siamo la prima agenzia di rating Fintech – si presenta Andrea Calvi, senior Fintech analyst di modeFinance - e praticamente figuriamo nello stesso registro di giganti come Standard & Poor’s o Fitch. Dieci anni fa abbiamo creato uno strumento di valutazione sull’affidabilità creditizia basato sui bilanci di qualsiasi società del mondo. Il nostro algoritmo in pratica permette di calcolare in modo confrontabile e omogeneo i comportamenti delle diverse aziende, ottimizzando i parametri e fornendo un voto unico con un elevato potere predittivo. Siamo in grado cioè di processare indicatori come la leva finanziaria, gli indici di liquidità, le diverse ricadute sui singoli Paesi, ponderando le situazioni dei più svariati settori, dall’agroalimentare all’edilizia, che ovviamente hanno chiavi di lettura diversi tra loro”. modeFinance offre un prodotto destinato alle banche, per facilitare la gestione del rischio di credito, e uno al mondo industriale, per pesare l’affidabilità di partner e fornitori. “In più – continua Calvi – abbiamo ideato un modello qualitativo basato sui big data per misurare anche le aziende prive di bilancio. E questo grazie all’analisi di fattori di tipo ambientale, come il management societario, il numero dei dipendenti o gli investimenti, con altri più sottili. Ad esempio nel caso di imprese si occupano di agricoltura o di energie rinnovabili, il nostro algoritmo tiene conto persino delle previsioni meteorologiche”.

Ma la cosa fondamentale, sottolinea Calvi, è che l’ultima parola non ce l’ha il software. “Il nostro – dice - è un sistema ibrido. Perché accanto all’elaborazione dei big data c’è sempre il lavoro di una persona in carne e ossa capace di riequilibrare i risultati della macchina. È il caso dell’azienda che vendeva tubi, risultata non abbastanza solida dal calcolo dell’intelligenza artificiale, ma che ha invece ottenuto il finanziamento grazie alla correzione finale apportata da un nostro analista esperto. Che ha tenuto conto di elementi legati all’esperienza sul campo”.

Tiziana Campanella è responsabile della Credit Machine di illimity la banca creata da Corrado Passera, che ha raccolto più dei 600 milioni di euro da investitori istituzionali e assunto oltre 300 persone da più di cento aziende diverse. “La divisione SME – dichiara – si rivolge principalmente ad aziende medio grandi, dai 50 milioni di fatturato in su, che non ottengono facilmente finanziamenti, sono spesso unrated ma con del potenziale. Si tratta di aziende che affrontano percorsi evolutivi, vuoi perché affrontano un cambio generazionale vuoi perché si trovano in situazioni economico-finanziarie sbilanciate, o a causa di modifiche nelle strategie di business. Qui interviene l’aspetto specifico di illimity che fa leva su competenze specialistiche di debt-advisory e corporate finance ma anche su big data e nuovi tools di AI.

“Vent’anni fa – racconta Campanella – le analisi sulla solidità delle imprese da finanziare si facevano consultando il Sole 24 ore. Oggi noi utilizziamo sistemi avanzati di machine learning ed early warning per evidenziare rischi ed opportunità per le aziende che finanziamo rispetto all’arena competitiva, ai clienti e agli stakeholder di riferimento. Quindi, l’AI a servizio di specialisti del credito per analisi complesse”. Continua la manager: “non ci sostituiamo agli imprenditori, ma ci sediamo al tavolo con loro per comprendere i loro piani strategici e le loro necessità di investimento A questo punto, con il nostro team di specialisti, analizziamo assieme i report disponibili, dai business plan al cash flow, aggiornati agli ultimi mesi, e se necessario rivediamo insieme le linee di intervento dal punto di vista finanziario. Ecco, lavorando gomito a gomito, proviamo a creare una strategia vincente che è la vera protezione del credito da noi erogato. Molto più dell’ipoteca sul capannone”.

L’analisi avviene caso per caso in modo sartoriale, aiutati dalla tecnologia. “Nel caso di un’impresa che faceva prodotti per panature – sorride Tiziana Campanella – abbiamo studiato il mercato di riferimento e gli specifici prodotti per valutarne il posizionamento competitivo e la capacità di crescita del business. È il lato interessante del nostro lavoro: incontrare l’imprenditorialità e l’eccellenza italiana, seppure in contesti di mercato complessi dove a volte le aziende hanno necessità di un supporto finanziario per sviluppare il loro potenziale”.

Tre diversi esempi italiani, questi, in una geografia che però parla prevalentemente la lingua del Dragone. Nel settore del Fintech lending, infatti, ogni cento prestiti alle aziende 83 vengono erogati in Cina, 12 negli Stati Uniti, il resto – appena 5 su cento – negli altri Paesi (tra cui svetta la Gran Bretagna). Avverte Alessandro Collesano: “Attenzione, però. Alcuni attori hanno un vantaggio perché possiedono dati molto pregiati. Amazon o PayPal sanno quasi tutto ciò che serve loro per concedere credito ai venditori sulle proprie piattaforme. E possono farsi rimborsare in modo continuo con piccole detrazioni dalle vendite. O essere allertati ben prima che il credito diventi inesigibile”.

Qualche nome dal fronte internazionale? “Mi piace citare alcune piccole e grandi FinTech che favoriscono la cultura e l’inclusione finanziaria. CreditKarma, per esempio, che offre ai privati credit scoring e credit monitoring alert gratuiti. O Stride, che aiuta gli studenti a ripagare i propri debiti, adattando i rimborsi o sospendendo le rate se il reddito dell’ex studente scende sotto una certa soglia. O Hellotill, che finanzia il pagamento dei canoni di affitto se si è in ritardo o in momentanea crisi di liquidità. In Cina invece spiccano le banche virtuali create da Alibaba o Tencent, ovvero AntFinancial e WeBank, che usano in modo massiccio algoritmi di intelligenza artificiale sull’enorme quantità di dati generati dai sistemi di pagamento nei rispettivi gruppi. Credo che insieme costituiscano oggi la più gigantesca esperienza di big data, predictive analytics e artificial intelligence applicata al credito”

Ma in che modo il mondo delle banche tradizionali sta guardando alla metamorfosi dei big data nei prestiti? Riflette Alessandro Odello, partner di Bain & Company, società di consulenza strategica leader nel settore finanziario: “Anche per i normali istituti di credito è arrivato il momento di introdurre gli strumenti informatici più avanzati. Oggi c’è un discreto utilizzo dei cosiddetti advanced analytics, che hanno consentito di ampliare il data set su cui si valuta il tasso di rischio di un prestito, ma che vengono riveduti a frequenze fisse di sei-otto mesi. Mentre è ancora un po’ indietro il ricorso alle intelligenze artificiali, che permettono un aggiornamento continuo e in tempo reale dei dati a disposizione dei decisori”.

L’innovazione, continua Odello, deve poi riguardare tutte le fasi del processo del credito. A cominciare dallo scoring, che grazie all’algoritmo può appunto aumentare la precisione sul livello di affidabilità di un cliente. Per poi passare al targeting, ossia alla scelta di un’azione commerciale più mirata, con un pre-scoring in grado di ridurre i falsi positivi e creare una short list di soggetti pregiati su cui dirigere le offerte.

Ma gli strumenti del machine learning dovrebbero affinarsi anche nella fase del monitoraggio. Dice Odello: “Oggi si tende a ragionare su singoli prodotti, in modo piuttosto separato. Con le intelligenze artificiali si può invece allargare l’analisi al confronto di più chiavi di lettura. Ad esempio, se per concedere un mutuo si valuta anche l’estratto conto di una carta di credito è possibile anticipare meglio eventuali situazioni patologiche. E magari rinegoziare per tempo le condizioni di partenza in modo da preservare l’integrità del credito”.

Ancora una volta, la macchina non sostituisce l’uomo, ma è uno strumento in più nelle mani di chi decide. Perché alla fine dei conti, malgrado l’aurea di oggettività degli algoritmi, gli oracoli dei computer riguardano pur sempre la vita dell’uomo col torcicollo, della donna che impana le frittelle e del tizio che vende tubi.