L'IA nel settore bancario - Presto essenziale per il successo?

Stefan, quali dati sono disponibili nel settore finanziario e come possono essere utilizzati?

Nel settore finanziario, i dati disponibili spaziano dalle informazioni sui clienti e le transazioni ai dati di mercato, passando per gli indicatori macroeconomici e i social media. L'integrazione e l'analisi di questi dati possono aiutare le banche e i fornitori di servizi finanziari a ottenere approfondimenti sul comportamento dei clienti, a creare previsioni basate sui dati, a gestire meglio i rischi e a identificare in modo più efficiente le opportunità di mercato.

Molte speranze sono riposte nell'uso dell'intelligenza artificiale (IA). Quali sono le aree di applicazione specifiche nella gestione degli asset?

Per ogni azienda, sono disponibili centinaia di dati chiave che possono influenzare i prezzi del mercato azionario. Elaborando abilmente questi volumi di dati, i modelli di apprendimento automatico possono riconoscere autonomamente i modelli e scoprire le correlazioni nascoste tra le cifre chiave delle aziende e i rendimenti futuri. In questo modo, è possibile ottenere previsioni giornaliere sull'andamento dei prezzi delle azioni a livello globale. Queste previsioni possono poi essere implementate in fondi e mandati attraverso un sofisticato processo di costruzione del portafoglio. Da diversi anni, la Zürcher Kantonalbank Asset Management dispone di un algoritmo di apprendimento automatico collaudato per la selezione dei titoli e lo utilizza con successo.

In particolare, i Large Language Models (LLM) sono sotto i riflettori. Dove vengono utilizzati nella gestione degli asset?

Un campo di applicazione è l'elaborazione automatizzata di notizie, relazioni aziendali e conference call. Gli indicatori di sentiment possono essere ricavati quotidianamente per ogni azienda, mostrando se le notizie riflettono uno stato d'animo positivo o negativo. Questi indicatori di sentiment possono essere utilizzati come fonte aggiuntiva di informazioni per prendere decisioni di investimento informate. Gli LLM supportano anche i gestori di portafoglio nella loro disciplina preferita: la selezione delle informazioni rilevanti per il prezzo dalla massa di dati. I GPT (Generative Pre-trained Transformers) appositamente addestrati possono aiutare a riassumere i rapporti degli analisti ed estrarre le informazioni pertinenti.

In che misura la professione dei gestori di portafoglio e degli analisti è a rischio?

Ci vorranno ancora diversi anni prima che l'IA possa replicare l'intelligenza umana in tutte le sue sfaccettature, come il ragionamento, la percezione visiva o le abilità motorie. Tuttavia, l'IA offre già notevoli vantaggi in alcune aree. Ad esempio, è in grado di analizzare enormi quantità di dati in tempi molto brevi e di riconoscere autonomamente modelli che spesso rimangono invisibili agli esseri umani. La domanda chiave è: come possiamo utilizzare abilmente l'IA per supportare il nostro lavoro, prendere decisioni migliori e aumentare la nostra efficienza?

Torniamo al settore bancario. Sonja, l'IA può essere utilizzata anche nel settore degli interessi, ad esempio nei prestiti?

Le verifiche del credito tendono a diventare più complesse. Una delle ragioni è l'aumento dei requisiti normativi imposti agli istituti. Anche la crescente digitalizzazione e la potenza di calcolo contribuiscono a questo fenomeno, poiché sempre più punti e fonti di dati possono essere potenzialmente inclusi nella verifica del credito. Sebbene grandi volumi di dati consentano analisi più precise, richiedono anche modelli più complessi e, in genere, l'uso di algoritmi di IA. I modelli di IA dovrebbero servire, in ultima analisi, a fornire un supporto basato sui dati per la decisione finale del consulente.

E che dire delle stime dei prezzi degli immobili?

Esistono numerosi modelli basati su regole che incorporano molti fattori di influenza sensibili al prezzo. Questi includono fattori come la posizione, le condizioni, l'ambiente geografico e l'efficienza energetica. Ci sono anche circostanze esterne come i tassi di interesse, le tendenze del mercato o i requisiti normativi, come la riorganizzazione. Come nel caso dei prestiti, anche il processo di stima dei prezzi sta diventando sempre più complesso, con un potenziale corrispondente per l'intelligenza artificiale.

Perché ha senso per le banche istituire un dipartimento IA - e come dovrebbe essere?

La configurazione ottimale per l'implementazione dell'IA nelle banche comprende diversi aspetti. In parole povere, si tratta di un'interazione tra infrastruttura, dati e persone. Le persone devono avere le migliori condizioni possibili per sviluppare, utilizzare e padroneggiare la tecnologia. Ci sono diversi aspetti da considerare.

Che cosa sarebbe?

Innanzitutto, è necessaria un'infrastruttura adeguata. Questa permette l'accesso a dati che possono essere molto voluminosi e solitamente distribuiti. È assolutamente cruciale, poiché il valore aggiunto che l'IA può apportare come metodo risiede proprio nell'elaborazione simultanea di un'ampia varietà di dati. Oltre alla capacità di integrazione, le funzionalità per ottimizzare la creazione di codice rappresentano un altro elemento importante dell'infrastruttura. L'elaborazione efficiente dei dati è possibile solo grazie al codice e alle funzionalità specifiche. Infine, un'infrastruttura ottimale include una potenza di calcolo sufficiente per i modelli di intelligenza artificiale che richiedono risorse.

Quindi i dati non sono solo dati?

Dati puliti sono essenziali, in quanto l'IA valuta anche la qualità dei dati inadeguata, che si riflette di conseguenza nei risultati. Nel complesso, dovrebbe supportare sia i temi centralizzati che consentire l'implementazione nelle unità decentralizzate, ossia i dipartimenti specializzati della banca (vedere il diagramma seguente).

Quindi una banca è già ben posizionata?

Avere un centro specializzato in intelligenza artificiale è senza dubbio un grande vantaggio. Questo centro supporta tutti i soggetti coinvolti nel processo di IA, offrendo consulenza, abilitazione e sensibilizzazione per l'intera banca. È anche utile contribuire alla definizione di questioni fondamentali. Il grande valore aggiunto risiede nell'aiutare ad armonizzare temi generali come i dati, l'architettura, l'infrastruttura e la governance. In caso contrario, esiste il rischio di creare ridondanze incontrollate e debiti tecnici, che nel lungo periodo risulteranno estremamente costosi dal punto di vista finanziario.

Ha bisogno di una guida?

Può sembrare un po' troppo rigoroso, ma effettivamente sì. Un panorama frammentato rende difficile, se non impossibile, fornire informazioni ai regolatori. Proprio come l'infrastruttura, l'unità specializzata in IA dovrebbe supportare in modo ottimale le organizzazioni di implementazione decentralizzate esistenti e lavorare a stretto contatto con un team che attua le direttive per le aree aziendali prive di questa competenza specifica. La configurazione effettiva di tale unità specializzata varierà da banca a banca, ma la discussione degli argomenti citati è universalmente applicabile.