Banner Pubblicitario
06 Dicembre 2021 / 05:10
   L’impatto positivo dell’AI al servizio delle banche

 
Scenari

L’impatto positivo dell’AI al servizio delle banche

di Germán Rodríguez, Head of Data Driven Banking di everis NTT DATA - 22 Luglio 2021
Industrializzare lo sviluppo e l’implementazione dei modelli di intelligenza artificiale offre vantaggi tangibili: dalla riduzione di costi, alla creazione di nuovi prodotti e servizi, al miglioramento della customer experience. Ne parla in questo articolo scritto per Bancaforte Germán Rodríguez, Head of Data Driven Banking di everis NTT DATA
L’intelligenza artificiale (IA) si diffonde a ritmi sempre più rapidi. Secondo una ricerca Gartner, il numero di società che hanno adottato l’IA è aumentato del 270% dal 2015 al 2019 e si prevede che nel 2027 il mercato globale dell’IA avrà un valore di 267 miliardi di dollari.
Eppure, ora come ora, la stragrande maggioranza dei modelli di IA creati non arriva mai alla produzione. Algoritmi accuratamente progettati rimangono allo stadio di prototipi e non vengono mai adottati su ampia scala. In che modo le banche possono utilizzare meglio questi modelli per creare un impatto positivo sulle proprie attività? La risposta risiede nell’industrializzazione dell’IA. Si tratta del processo che consente di estendere l’applicazione dell’IA all’intera azienda in modo che tutta l’attività possa trarne vantaggio su ampia scala.
Sono tre i criteri principali da seguire per industrializzare l’IA che vado ad analizzare.

Condivisione dei dati

L’IA è efficace unicamente se lo sono i dati sui quali si basa. Quindi, se un’azienda intende industrializzare il suo modello di intelligenza artificiale, deve prima analizzare i propri dati. La maggior parte delle aziende si basa su silos di dati, che quindi non possono essere utilizzati per eseguire i modelli di IA su ampia scala: se il team che crea i modelli di IA ha accesso soltanto a serie limitate e isolate di dati non potrà che produrre modelli che avranno un uso limitato.
Per industrializzare l’IA è pertanto essenziale migliorare i processi di condivisione dei dati. Disporre di dati condivisi e centralizzati permetterà di avere una base più affidabile sulla quale strutturare le proprie soluzioni AI-based.
Attraverso ampie serie di dati di buona qualità, è possibile creare modelli di AI standardizzati e solidi, replicabili in tutta l’azienda.

Sperimentazione e cooperazione

L’innovazione richiede l’utilizzo di dati e informazioni provenienti da un ampio ventaglio di fonti. La collaborazione tra funzioni e dipartimenti permette di ottenere risultati migliori.
Per garantire un’industrializzazione efficace dell’IA è necessario un coordinamento interdipartimentale in modo che i team possano mettere in comune le diverse informazioni. Meno si coopera e più sarà difficile costruire modelli eseguibili nei diversi reparti dell’azienda. Anche la sperimentazione dovrebbe essere incoraggiata per trarre il meglio dalle migliori professionalità dell’azienda.
Può essere effettivamente difficile assumere e fidelizzare i talenti specializzati nell’IA. Nel 2020, un’indagine del World Economic Forum relativa alle istituzioni finanziarie ha rivelato che l'84% delle aziende ritiene che la difficoltà di accesso ai talenti sia un ostacolo per l’implementazione dell’IA. Pertanto è fondamentale saper trarre il meglio dai talenti interni, e metterli nelle condizioni di crescere.

Flessibilità

È possibile applicare l’IA su larga scala solo se le aziende sono disposte a integrare le soluzioni basate su questa tecnologia nei modelli operativi esistenti. Una delle principali barriere all’implementazione su ampia scala dell’intelligenza artificiale è la scarsa flessibilità, una lacuna presente anche nel settore bancario i cui sistemi sono progettati per assicurare stabilità e sicurezza e in cui esistono molti sistemi legacy. Può essere pertanto difficile integrare le soluzioni basate sull’IA nello stack di software.
Se vogliono superare questa problematica, le aziende devono avere una chiara strategia di IA. Devono individuare le aree da modificare per consentire l’adozione generalizzata della nuova tecnologia. E devono creare processi standardizzati per strutturare, testare e implementare i nuovi modelli di intelligenza artificiale. In tal modo sarà più facile assicurare la replicabilità e la scalabilità dei modelli implementati.
Affinando tutti questi processi, le aziende saranno più capaci di utilizzare in maniera ottimale le informazioni e i dati forniti dall’intelligenza artificiale. Se infatti è sicuramente positivo avere un modello scalabile e applicabile in maniera estesa all’intera organizzazione, è altrettanto importante sapere come sfruttarlo al meglio.

I vantaggi dell’industrializzazione dell’IA per il settore bancario

Industrializzare lo sviluppo e l’implementazione dei modelli di intelligenza artificiale offre vantaggi tangibili. L’obiettivo dell’industrializzazione dei modelli AI deve essere esattamente lo stesso di quello perseguito con i progetti di digital transformation. Se si perde il treno, si rischia di farsi superare da concorrenti più svelti e agili.
L’IA consente di migliorare notevolmente l’efficienza. Il potenziale risparmio di costi aggregati per le banche derivante dall’utilizzo delle applicazioni di IA è valutato attorno ai 447 miliardi di dollari nel 2023 secondo uno studio di Business Insider Intelligence.
Tuttavia, la riduzione dei costi è solo uno dei vantaggi dell’implementazione su larga scala dell’IA. L’utilizzo su ampia scala dei modelli di IA più adeguati consente di migliorare i servizi e i prodotti esistenti o di creare nuovi servizi. L’intelligenza artificiale può avere un ruolo centrale nella generazione di ricavi e nel miglioramento della customer experience.
Alcune delle applicazioni esistenti di IA danno già i loro frutti. L’uso dei chatbot è particolarmente diffuso. The Bank of America, per esempio, utilizza un chatbot chiamato Erica per aiutare i clienti ad assumere decisioni più informate su come impiegare il proprio denaro. Nel 2019 Erica ha superato i 10 milioni di utenti e continuare a crescere a ritmi accelerati.
Chiaramente, il potenziale dell’IA per il settore finanziario è immenso. Tuttavia, per iniziare a goderne i frutti dobbiamo assicurarci che i modelli di IA vadano oltre la sperimentazione. Come? Attraverso l’industrializzazione dell’IA.
Articolo a cura di Germán Rodríguez, Head of Data Driven Banking di everis NTT DATA. Per approfondimenti leggi il whitepaper “Una guida per i leader aziendali alla governance dell'IA nella finanza”
MY BANK_PRETA_EBA CLEARING_Banner Medium 2021
ALTRI ARTICOLI

 
Imprese

Identità digitale: la nuova digital customer journey parte da qui

La diffusione di SPID apre nuove opportunità strategiche per le aziende nella definizione di nuovi sistemi di onboarding e gestione dei contratti. Le...

 
Pagamenti

I pagamenti B2B diventano smart

Con la nuova soluzione Smart Control di Intesa Sanpaolo le aziende possono pagare i fornitori con carte di credito virtuali, ottenendo vantaggi...

 
Banca

Marazia (Banca Widiba): reinventiamo il digitale per trovare nuovi spazi di valore

Con il 100% dei prodotti già offerti in modalità paperless e il 98% di clienti soddisfatti, la banca punta a migliorare ancora la customer...
Wealth Management Forum 2021
La prima edizione del Wealth Management Forum vuole essere momento di confronto tra i diversi operatori del...
Icona Facebook Icona Twitter Icona LinkedIn
Il Salone dei Pagamenti 2021
Il Salone dei Pagamenti Il Salone è l’evento di riferimento del settore, un palcoscenico autorevole e...
Icona Facebook Icona Twitter Icona LinkedIn
Bancaforte TV
Torriero (ABI): pagamenti digitali più semplici per favorire l’inclusione
È stata un successo l’edizione 2021 del Salone dei Pagamenti, con un’accresciuta attenzione anche a...
Icona Facebook Icona Twitter Icona LinkedIn
Lecce (Intesa Sanpaolo): i clienti vogliono pagamenti digitali trasparenti, semplici e sicuri
Oggi i pagamenti digitali sono ancora più centrali nelle strategie delle banche. Innanzitutto, spiega Andrea...
Icona Facebook Icona Twitter Icona LinkedIn
Innovation Workshop powered by Bancaforte
AI per il Credito: soluzioni che funzionano. Le opportunità offerte dall’Artificial Intelligence & Machine Learning per il Credit Risk Management
Guarda gratuitamente il workshop del 16 novembre realizzato con il Partner Dedagroup Business Solutions,...
Icona Facebook Icona Twitter Icona LinkedIn
Scopri gli Innovation Workshop powered by Bancaforte
Una nuova e qualificata opportunità di dialogo e relazione con i professionisti del mondo bancario,...
Icona Facebook Icona Twitter Icona LinkedIn
Banner Pubblicitario