Il settore dei servizi finanziari è tradizionalmente uno dei più restii all’innovazione, sia per la sua natura altamente regolamentata che per una cultura ampiamente diffusa, non solo all’interno degli istituti ma anche tra i cittadini, di resistenza all’abbandono degli strumenti fisici e cartacei (si pensi alle recenti discussioni sul tema del contante, ad esempio).
Al di là delle questioni ideologiche, però, bastano due dati per capire quanto la digitalizzazione dei sistemi finanziari sia non solo imprescindibile, ma essenziale per lo sviluppo del settore: secondo uno studio della FABI, la Federazione Autonoma Bancari Italiani, in Italia ci sono più di 4 milioni di persone (il 7% della popolazione totale) senza accesso diretto a una banca e 3.062 comuni senza nemmeno una filiale, il 38% del totale sul territorio nazionale. Una situazione che pone sempre più distanza tra gli istituti di credito e i cittadini, portando con sé non pochi disagi – come ha messo in evidenza la relazione annuale della Banca d’Italia.
Se l’accesso a strumenti online per effettuare operazioni bancarie è sia una causa che una conseguenza della riduzione delle filiali, altre tecnologie come intelligenza artificiale e machine learning possono ulteriormente sostenere la trasformazione del settore e rendere più efficace la relazione tra istituti di credito e cittadini, garantendo per gli uni una migliore valutazione dei profili cliente, un onboarding più efficace e maggiore prevenzione e sicurezza dalle frodi e, per gli altri, l’accesso a un servizio più veloce e personalizzato.
La percezione di AI e ML per i servizi finanziari in Italia
Secondo una recente indagine condotta da Forrester Consulting per conto di Experian, in Italia il 52% delle imprese pianifica di adottare sistemi di intelligenza artificiale o di espandere l’applicazione dei sistemi già esistenti per il 2023 e il 60% punta a fare lo stesso con il machine learning. Tra le imprese oggetto dell’indagine (istituti di credito e società di telecomunicazioni), il 52% ha dichiarato di voler impiegare AI e ML per ottimizzare le decisioni relative ai rischi di frode; il 47% vuole destinarle alla costruzione di modelli di rischio di credito e il 44% alla gestione dei dati – che invece rappresenta la priorità assoluta a livello globale, evidenziando dunque una maggiore preoccupazione per il rischio di frode nel nostro Paese).
Tuttavia, quasi due imprese su tre non hanno una chiara idea della priorità da dare a queste tecnologie e di come introdurle in maniera efficiente all’interno delle proprie operazioni – principalmente per la difficoltà nella gestione di sistemi IT complessi – e anzi il 14% ritiene fortemente che AI e ML non abbiano ancora un impatto radicale nel modo di fare impresa.
L’introduzione dell’AI Act da parte dell’Unione Europea, che provvederà a fornire uno schema regolatorio complessivo per l’utilizzo dell’intelligenza artificiale, condurrà comunque a cambiamenti nel modo di operare di istituti di credito e compagnie di telecomunicazioni, che esse lo vogliano o meno. Per prepararsi alle novità e affrontare gli inevitabili cambiamenti operativi che le norme porteranno con sé, l’88% delle imprese ha dichiarato di ritenere necessario affidarsi in qualche misura alla collaborazione con partner esterni.
Le opportunità dell’advanced analytics
Superare le sfide dell’advanced analytics richiederà pazienza e impegno da parte dei fornitori di servizi finanziari e di telecomunicazioni. Tuttavia, sfruttando le opportunità offerte da AI e ML, potranno trasformare il modo in cui operano e migliorare significativamente le loro prestazioni.
L’analisi avanzata consente infatti alle aziende di trasformare grandi volumi di dati in informazioni utili. Questo, a sua volta, le aiuterà a ridurre il time to market per il test e l’implementazione di nuovi modelli di previsione e rischio di credito.
Una chiara opportunità risiede nell’onboarding dei clienti. A livello globale, circa due consumatori su cinque prevedono di aumentare la spesa online nei prossimi mesi e senza dubbio si aspettano un’esperienza impeccabile. Tuttavia, fenomeni come l’abbandono del carrello online sono in aumento e tutte le aziende – comprese quelle dei servizi finanziari – devono considerare seriamente customer experience (CX) e processo di onboarding. In particolare, essendo in molti casi il primo punto di contatto per un prospect, il processo di onboarding è cruciale e deve essere il più fluido e veloce possibile.
In aggiunta, i servizi finanziari devono affrontare un’ulteriore barriera – la gestione del rischio e delle frodi – che potrebbe potenzialmente creare dei ritardi se non gestita correttamente. In quest’ottica, il machine learning (ML) rappresenta uno strumento chiave perché consente a un’azienda di analizzare rapidamente i dati e di identificare frodi o il rischio di credito. Con il suo apprendimento automatizzato, può anche aiutare a supportare le decisioni più complesse e fornire una raccomandazione nel giro di millisecondi, con anche il vantaggio di offrire un prodotto personalizzato.
Conclusioni
Nonostante i timori e le reticenze, banche e istituti di credito si tramuteranno sempre più in compagnie ibride e guidate dai dati, in cui le competenze di analisi dei clienti e personalizzazione del servizio saranno sempre più cruciali. I dati contribuiranno a ridurre le differenze tra esperienza fisica e digitale, portando i servizi finanziari ovunque sia il cliente e qualunque siano le sue esigenze.
