Cambiamenti tettonici nel settore bancario alimentato dall’IA

Il settore bancario sta sviluppando una serie di strumenti basati sull’intelligenza artificiale per raccogliere informazioni sui clienti. Questo va bene per le autorità di regolamentazione, ma ci avvicina a uno stato di sorveglianza distopico.

In breve

• • • • • • • • • • • Le banche sono alla ricerca di modi per recuperare la redditività da tempo perduta
                    • Gli strumenti di intelligenza artificiale offrono al settore prospettive sorprendenti
                    • La raccolta sempre più invasiva dei dati dei clienti ha aspetti allarmanti

Quindici anni di requisiti normativi stringenti e di condizioni macroeconomiche cupe hanno avuto ripercussioni sulla redditività delle banche, soprattutto in Europa. Ultimamente, però, una nuova ondata di ottimismo si sta diffondendo nel settore bancario globale.

A prima vista, i banchieri hanno almeno una buona ragione per essere di nuovo allegri. Dal luglio 2022, la Banca Centrale Europea ha alzato i tassi di interesse ben 10 volte. Da parte sua, il Federal Reserve Board americano ha proceduto a 11 rialzi dei tassi quasi nello stesso periodo, offrendo alle banche un’occasione d’oro per incrementare gli utili senza alcuno sforzo.

Ma se la ritrovata prosperità delle banche fosse dovuta a qualcosa di più di un semplice colpo di fortuna? Dopo aver affrontato crisi su crisi, hanno finalmente trovato il modo di trasformare le minacce in opportunità e le debolezze in punti di forza?

In effetti, c’è un potenziale punto di svolta. L’intelligenza artificiale ha le carte in regola per rivoluzionare il settore bancario. Ma c’è una fregatura: lungo il percorso, quasi come effetto collaterale, le banche si trovano sulla strada per creare un sistema di sorveglianza con una portata e un’intrusività senza precedenti.

Le banche puntano sulle applicazioni di IA

Dalla fine del 2022, l’IA generativa, che riproduce contenuti simili a quelli umani, ha suscitato molto clamore. Ad esempio, ChatGPT, costruito sulla cosiddetta tecnologia dei modelli di grandi lingue, è diventato il prodotto online con la crescita più rapida della storia. Il suo creatore (OpenAI, ora partner di Microsoft) ha impiegato solo due mesi per raggiungere i cento milioni di utenti in tutto il mondo.

Ogni giorno, nuove applicazioni di IA appaiono su Internet, stravolgendo ogni tipo di attività umana. Sebbene la frenesia dell’IA sia destinata a diminuire nel lungo periodo, alcuni settori più di altri potrebbero uscirne cambiati in modo duraturo. Il settore bancario è uno di questi.

I principali gruppi bancari investono attualmente molto denaro nelle tecnologie AI. Sono in forte competizione per reclutare i migliori specialisti, che sono una risorsa scarsa in un mercato che ne ha un gran bisogno. Grandi banche americane come JP Morgan Chase e banche europee di dimensioni comparabili, come la spagnola BBVA, hanno costruito al loro interno centri di ricerca sull’IA, guidati da eminenti informatici attirati da prestigiose università, start-up o grandi aziende tecnologiche.

Gli operatori più attivi sperano di beneficiare del vantaggio competitivo che acquisiranno in un panorama finanziario dominato dall’IA.

Un primo benchmark (fornito dalla start-up di data intelligence Evident) mostra già la posizione delle principali banche del mondo nell’incorporare e far progredire l’IA e l’apprendimento automatico. Non sorprende che JP Morgan Chase sia al primo posto, con un budget medio annuo di 12 miliardi di dollari spesi in tecnologia, che salirà a una cifra vertiginosa di 15,3 miliardi di dollari nel 2023.

Gli utenti più tempestivi sperano di beneficiare del vantaggio competitivo che acquisiranno in un panorama finanziario dominato dall’IA. Molti banchieri temono che chi perde il treno possa essere rapidamente abbandonato dai clienti e messo fuori mercato. Quindi, anche gli scettici dell’élite bancaria pensano di non avere altra scelta se non quella di affrontare la sfida dell’IA.

Il valore dei dati

Un nuovo livello di gioco

L’intelligenza artificiale e l’apprendimento automatico sono ancora agli inizi, ma hanno già iniziato a cambiare il modo di lavorare delle banche.

Per quanto riguarda la sicurezza, i firewall alimentati dall’AI aiutano le banche a proteggere meglio i loro sistemi informatici da attacchi informatici sempre più sofisticati e pericolosi. Finora l’uso dell’IA per la sicurezza informatica è ancora relativamente limitato, ma la situazione sta per cambiare grazie ai rapidi progressi dell’innovazione. Secondo un rapporto della CNBC, si stima che il mercato globale dei prodotti di cybersicurezza basati sull’IA raggiungerà 133,8 miliardi di dollari entro il 2030, rispetto ai 14,9 miliardi di dollari del 2021.

L’assistenza virtuale e le interfacce conversazionali potrebbero presto diventare la norma nelle interazioni con le banche. Oggi i chatbot inarticolati delle banche frustrano ancora molti clienti con le loro risposte in scatola. Ma man mano che gli algoritmi vengono addestrati a fornire più che sterili risposte copia-incolla, le banche sperano in una rivoluzione culturale in cui i clienti imparino ad apprezzare i rapporti con i bot.

Inoltre, l’intelligenza artificiale e l’apprendimento automatico consentiranno alle banche di personalizzare maggiormente i loro servizi e, infine, di accelerare le decisioni di credito. I servizi potranno essere adattati alle esigenze specifiche di ciascun cliente. In particolare, la consulenza sugli investimenti di alta qualità sarà accessibile a tutti. JP Morgan Chase ha recentemente depositato un brevetto per uno strumento ispirato al ChatGPT e basato sull’estrazione di montagne di dati di trading per prevedere l’andamento dei titoli. Potrebbe guidare i consumatori/investitori nelle loro decisioni di investimento. L’applicazione, che sarà lanciata nel 2026-2027 con il nome di IndexGPT, potrebbe mettere fuori mercato molti consulenti finanziari. Inoltre, grazie all’IA, la qualità delle traduzioni automatiche migliora di giorno in giorno, consentendo alle banche (e a una pletora di altre aziende) di ampliare la propria base di clienti.

L’industria si è sempre più rivolta a società con la cosiddetta “tecnologia di regolamentazione” (Regtech), che consente alle banche di informatizzare i loro compiti di reporting.

Più in generale, l’IA aumenterà la produttività delle banche e, allo stesso tempo, ridurrà i costi operativi. L’automazione robotica dei processi può già sostituire i dipendenti umani per diverse attività operative. I sistemi di supporto decisionale forniti dall’IA assisteranno i risk manager, i wealth manager, i responsabili delle risorse umane e persino i top executive nelle loro scelte strategiche.

Dove la tecnologizzazione lascerà l’umanità?

Un passo avanti per la conformità

Soprattutto, l’IA e l’apprendimento automatico possono alleviare uno dei maggiori oneri che le banche hanno dovuto affrontare dopo il boom normativo del 2008. La conformità a innumerevoli regolamenti, politiche, leggi, direttive, linee guida, raccomandazioni, standard tecnici e simili, in costante evoluzione a livello internazionale e nazionale, è diventata un incubo per le banche.

La lista di controllo della conformità contiene, tra l’altro, misure antiriciclaggio e di finanziamento del terrorismo, verifica dell’identità, rilevamento delle frodi, gestione del rischio, stress test, reportistica micro e macroprudenziale, oltre alla conformità con i requisiti temporaneamente applicabili, come quelli in vigore durante la pandemia di Covid-19.

Questa attività dispendiosa in termini di tempo costa alle banche molto denaro, ma non genera profitti. In Europa, i costi legati alla raccolta dei dati e al reporting hanno pesato molto sui profitti delle banche. Negli ultimi anni, il settore si è rivolto sempre più spesso ad aziende con la cosiddetta “tecnologia di regolamentazione” (Regtech), consentendo alle banche di informatizzare i loro compiti di reporting. Senza dubbio, l’intelligenza artificiale e l’apprendimento automatico porteranno la Regtech al livello successivo di automazione della compliance.

Le banche si affidano già ad algoritmi di rilevamento delle frodi addestrati sui dati storici dei loro clienti. In media, i dati di un tipico cliente retail possono comparire decine di volte al giorno sul radar di controllo delle banche che utilizzano tali modelli di AI. L’idea è quella di rilevare le attività che si discostano dagli schemi di spesa abituali, o qualsiasi cosa che sembri sospetta in qualche altro modo.

Secondo quanto riferito, i tassi di errore di queste procedure di monitoraggio basate sull’apprendimento automatico auto-migliorante sono considerevolmente inferiori rispetto a quelle con supervisione umana. Se questi algoritmi venissero generalizzati, si potrebbe mandare a casa una schiera di responsabili della compliance e si ridurrebbe il numero di dipendenti necessari per filtrare o verificare, con computer sempre più potenti, le informazioni fornite dai clienti.

Conoscere il cliente (meglio di quanto lui conosca se stesso)

Si può supporre che, già da tempo, le banche stiano esaminando i dati finanziari dei loro clienti, non solo per individuare i comportamenti fraudolenti di pochi, ma anche per studiare i modelli di vita di molti. Come vivono i clienti, dove lavorano e quanto guadagnano? E cosa comprano, quali tasse pagano e quali spese sanitarie sostengono? Le banche vogliono sapere dove viaggiano i loro clienti, cosa fanno nel tempo libero, quanti figli hanno e con chi vivono o socializzano. Tutto è importante. Le banche sono sempre più consapevoli che qualsiasi informazione, non solo i dati finanziari, può essere preziosa per loro.

Le banche più innovative stanno attualmente sviluppando metodi di raccolta dati che vanno ben oltre l’acquisizione di informazioni direttamente disponibili. Secondo quanto riferito, i loro dipartimenti di ricerca sull’intelligenza artificiale stanno testando “web crawler” che estraggono tutte le informazioni pubbliche e private reperibili online sui clienti delle banche. Gli strumenti setacciano sistematicamente le pagine dei social media, i blog e i siti web personali, ovunque compaiano i nomi dei clienti. I commenti o le opinioni espressi da questi ultimi su piattaforme come Twitter, Facebook o Reddit sono di particolare interesse. I tweet vengono classificati in base a una serie di criteri. I post vengono analizzati attraverso l’elaborazione del linguaggio naturale, gli algoritmi di analisi del testo e la linguistica computazionale.

Anche le interazioni dei clienti con il personale della banca sono sotto esame. Gli scambi di e-mail, le chat con i bot, le telefonate registrate o le trascrizioni delle riunioni in loco sono fonti preziose di informazioni. Per l’intelligenza artificiale non conta solo il contenuto delle conversazioni. Il tono di voce, gli scoppi vocali, le risate o i tic possono essere documentati dalla “sentiment analysis” e presi in considerazione per stabilire la fiducia e l’affidabilità dei clienti.

Ovviamente, l'”IA delle emozioni” è più che un’estrazione di opinioni e l’analisi del sentimento va oltre le polarità “positivo”, “negativo” o “neutro”. I modelli di intelligenza artificiale colgono con sempre maggiore precisione gli stati emotivi delle persone (piacere, rabbia, sorpresa, disgusto, tristezza, paura, vergogna e inganno…). Ci si aspetta un “deep learning” sempre più profondo da queste macchine della verità high-tech che lavorano con serie di dati in continua crescita. Gli scienziati stanno già testando modelli di intelligenza artificiale che “indovinano” i dati mancanti collegando i punti.

Questo incentiva le banche a scavare sempre più a fondo nella vita dei loro correntisti, anche se le attività dei loro clienti sono del tutto legali. Le banche hanno bisogno di qualsiasi cosa da inserire nei loro rapporti obbligatori sulle “attività sospette” o sulle “transazioni sospette”.

In costante simbiosi con tutto ciò che le circonda, un vasto arsenale di strumenti di intelligenza artificiale/machine learning in grado di elaborare e rilevare ogni tipo di informazione sul mondo fisico e virtuale consentirà alle banche di profilare i propri clienti con una precisione spaventosa.

Al momento, solo una manciata di grandi operatori sta sperimentando sistemi di sorveglianza insidiosi che si nascondono dietro il paravento del “miglioramento dell’esperienza del consumatore”. Ma a lungo termine, questo potrebbe essere il futuro delle banche.

Intelligenza artificiale: Rivoluzione delle previsioni

Incentivati a sorvegliare maggiormente i propri clienti

Queste pratiche di violazione della privacy si scontrano con il dovere di riservatezza delle banche. I banchieri possono giustificarle sostenendo che spiare i loro clienti è necessario per mantenere le loro istituzioni sicure e, in ultima analisi, per proteggere il sistema finanziario in crisi. Inoltre, “Conoscere il cliente” (KYC) è un requisito normativo, diranno.

Hanno ragione. Le autorità di regolamentazione obbligano gli istituti finanziari a controllare i propri clienti e a segnalare alle autorità di vigilanza qualsiasi sospetto di riciclaggio di denaro, finanziamento del terrorismo, evasione fiscale e altri reati o frodi. Le istituzioni di vigilanza osservano da vicino le banche per assicurarsi che svolgano il loro lavoro di conformità come richiesto.

Le autorità di vigilanza rimproverano gli istituti finanziari che non hanno individuato “abbastanza” casi sospetti. Questo incentiva le banche a scavare sempre più a fondo nella vita dei loro correntisti, anche se le attività dei loro clienti sono del tutto legali. In poche parole, le banche hanno bisogno di qualsiasi cosa da inserire nei loro rapporti obbligatori sulle “attività sospette” o sulle “transazioni sospette”.

Da onere a tesoro

Negli ultimi dieci anni, le istituzioni finanziarie non bancarie, come le fintech o BigTech, hanno iniziato a offrire servizi finanziari al di fuori del sistema bancario tradizionale. Non avendo bisogno di licenze bancarie, hanno potuto guadagnare comodamente con attività simili a quelle bancarie, evitando però l’enigma normativo con cui si scontrano le banche ordinarie.

Sorprendentemente, le aziende BigTech sembrano ora desiderose di rinunciare a questo considerevole vantaggio. Alcune cercano di acquisire banche. Altre chiedono direttamente una licenza bancaria.

Gli scenari

Perché le aziende BigTech dovrebbero voler diventare banche se questo status ha dei lati negativi? La risposta è semplice.

Le banche entrano nell’economia dei dati

Per anni Facebook, Google e altri sono stati accusati di un massiccio “furto di dati”. In Europa, sono state elaborate leggi per spezzare il cosiddetto modello di business del “capitalismo della sorveglianza”, basato sull’estrazione di dati personali dalla propria base di clienti e sulla loro vendita agli inserzionisti.

Una licenza bancaria consentirebbe alle aziende BigTech di trasformare la loro attività principale, sempre più denunciata, in un obbligo normativo. Se queste aziende fossero registrate come banche, potrebbero comodamente continuare a violare la privacy dei clienti semplicemente invocando i requisiti di Know Your Consumer.

In altre parole, il genio è fuori dalla bottiglia. Mentre le Big Tech sono attratte dalle banche, le banche sono attratte dall’economia dei dati.

Dopo essersi lamentate per anni degli irragionevoli requisiti di rendicontazione, le banche hanno capito che le enormi quantità di dati che sono state costrette a raccogliere per conto delle autorità di vigilanza possono essere oro puro. Così come il know-how e l’esperienza acquisiti nel farlo.

La domanda più scottante è la seguente: Se Facebook e simili possono vendere i dati personali dei loro utenti, perché le banche non dovrebbero fare lo stesso?

Una formidabile opportunità di business

Grazie all’intelligenza artificiale e all’apprendimento automatico, le banche stanno per ripensare e rimodellare profondamente i loro modelli di business.

La vendita di dati potrebbe riportare il settore alla redditività da tempo perduta. Ma si tratterebbe di un cambiamento radicale. Storicamente, l’attività bancaria si basa sulla fiducia. Tuttavia, da quando le autorità di regolamentazione hanno iniziato a usare impropriamente le istituzioni finanziarie per sorvegliare i propri clienti, la fiducia reciproca tra banche e clienti è stata profondamente messa a dura prova. Presto, se l’onere normativo può essere trasformato in una formidabile opportunità di business per le banche, il settore finanziario ha il potenziale per trasformarsi in un lucroso sistema di sorveglianza globale.

Autrice: Elisabeth Krecké – independent, Luxembourg-based economist, as well as a former policy advisor and university professor.

Fonte:

Tectonic shifts in AI-powered banking