L’avvento dell’intelligenza artificiale sta trasformando radicalmente il settore delle banche, ridefinendo il modo in cui operiamo e gestiamo le attività. La supervisione dei dati e degli algoritmi, il ruolo fondamentale del Chief Data Officer e l’evoluzione di tecnologie innovative come l’IA Generativa e l’IA Conversazionale stanno plasmando il panorama futuro delle istituzioni bancarie digitali.
L’intelligenza artificiale sta portando una rivoluzione nel settore bancario, richiedendo un cambiamento fondamentale nelle pratiche operative e gestionali. Questa trasformazione presenta sfide significative, in particolare per quanto riguarda la governance delle tecnologie emergenti, focalizzata sulla gestione dei dati e degli algoritmi. In Italia, il monitoraggio degli algoritmi e dei controlli è in continua evoluzione e richiede competenze specifiche per essere gestito efficacemente.
Di conseguenza, il ruolo del Chief Data Officer sta guadagnando importanza, diventando un punto di riferimento chiave nella definizione delle strategie aziendali. Tuttavia, l’innovazione non si ferma qui: l’emergere di tecnologie come la Generative AI e l’AI conversazionale apre nuovi orizzonti per il futuro del settore bancario, rendendo necessarie competenze sempre più specializzate ed avanzate.
Banche e nuove tecnologie
L’introduzione delle nuove tecnologie nel settore finanziario ha avuto un impatto significativo e continuerà a generare importanti cambiamenti nel futuro, soprattutto grazie alle nuove tecnologie di intelligenza artificiale. Questi cambiamenti non solo rivoluzioneranno le pratiche commerciali delle banche, ma avranno profonde implicazioni anche sull’organizzazione del lavoro. Gli strumenti di intelligenza artificiale sembrano essere in grado di ampliare le capacità umane attraverso la loro capacità di comprendere, apprendere e ragionare.
Attualmente, c’è un acceso dibattito sui ruoli che l’IA avrà nel mondo del lavoro nel prossimo futuro. Alcuni critici prevedono che le macchine sostituiranno l’uomo, mentre altri credono che l’IA completerà e supporterà i ruoli esistenti nel settore bancario. Tuttavia, entrambe le visioni concordano sul fatto che questa innovazione porterà a cambiamenti significativi nelle dinamiche lavorative e negli equilibri sul luogo di lavoro, influenzando anche il settore finanziario.
Per comprendere appieno queste trasformazioni, è utile analizzare gli approcci all’intelligenza artificiale adottati dalle istituzioni finanziarie.
Banche e intelligenza artificiale
Inizialmente, nel boom dell’intelligenza artificiale, le istituzioni finanziarie privilegiavano un approccio centrato sul modello. Questo significava concentrarsi principalmente sull’ottimizzazione dei parametri di apprendimento per migliorare le prestazioni del modello AI, valutando il successo in base al design dell’algoritmo e alla sua sofisticazione. Tuttavia, questo approccio limitava le opportunità di revisionare e migliorare progressivamente la qualità dei dati.
Con la democratizzazione dei modelli di intelligenza artificiale sia all’interno che all’esterno delle istituzioni finanziarie, grazie alle comunità open-source, si è reso disponibile un vasto assortimento di modelli avanzati e provider di AI, incluso nel mondo Fintech. Questo ha portato le istituzioni finanziarie a riconoscere che il vero vantaggio competitivo risiedeva nei dati utilizzati per addestrare gli algoritmi.
Di conseguenza, si è iniziato a adottare un approccio centrato sui dati, con un’attenzione proattiva alla gestione delle questioni relative all’uso dei dati. Inoltre, il ruolo delle normative ha giocato un ruolo significativo, fornendo un ulteriore spinta verso questo approccio data-centric.
Lo stato dell’arte italiano sugli algoritmi
Questo approccio fondamentale implica che le applicazioni di intelligenza artificiale siano dinamiche, così come i dataset che le alimentano e monitorano. Di conseguenza, vi è una continua evoluzione dell’architettura IT su cui si basano i sistemi di AI.
L’efficacia di tali sistemi viene valutata sia in base alle prestazioni del modello sia alla qualità dei dati utilizzati. I dati sono il fondamento essenziale dei sistemi di intelligenza artificiale, e il loro trattamento richiede un elevato grado di responsabilità e attenzione, poiché scelte errate possono avere conseguenze etiche e sociali significative, come violazioni della privacy, discriminazioni o manipolazioni. Di conseguenza, è necessaria una governance e un monitoraggio efficaci di tutto il ciclo di vita del dato e dell’algoritmo.
In merito al monitoraggio dell’IA nel contesto delle banche e delle assicurazioni italiane, emerge che il 75% delle istituzioni ha già implementato controlli di secondo e terzo livello, principalmente nell’ambito dell’area audit, per monitorare gli algoritmi. Tuttavia, il restante 25% deve ancora formalizzare i meccanismi di controllo degli algoritmi.
Per quanto riguarda la frequenza dei controlli sugli algoritmi, oltre il 50% delle istituzioni decide di eseguire controlli continui sulla discriminazione e sulle performance dell’IA. Riguardo alla spiegabilità, solo il 38% adotta un approccio continuo di monitoraggio, mentre il 35% si limita a controlli annuali, ritenendo sufficienti modelli più semplici.
In generale, il settore finanziario riconosce l’importanza dei controlli ex ante durante lo sviluppo degli algoritmi, anche se solo un numero limitato di istituzioni li considera sufficienti per l’intero ciclo di vita dell’algoritmo.
Chief Data Officer e Intelligenza Artificiale
Il Chief Data Officer sta vivendo una ridefinizione significativa dei ruoli e delle competenze all’interno della propria sfera. Oltre ai Data Governance specialist, che costituiscono il 54% della forza lavoro nell’ambito del CDO, si stanno aggiungendo figure come Business e Data Translator (10%) e Data Scientist (20%). I primi sono esperti con background in ambito commerciale e una comprensione astratta delle capacità dell’IA, che facilitano la scoperta dei casi d’uso e agiscono come intermediari tra le funzioni aziendali e gli specialisti dell’IA. I Data Scientist, a loro volta, supportano lo sviluppo di soluzioni IA. Nel panorama del CDO, emergono anche specialisti di etica e compliance, responsabili del governo dei controlli ex ante e del monitoraggio di primo livello (1%).
Inoltre, i team tecnici dedicati all’addestramento e allo sviluppo degli algoritmi di IA stanno integrando una varietà sempre più ampia di competenze. Oltre ai Data Scientist, troviamo ML&Robot engineers, prompt engineers, specialisti in computer vision e scienziati specializzati in deep learning e NPL. Queste figure tecniche, nonostante abbiano background molto diversi tra loro, collaborano per sviluppare algoritmi di IA.
Quali nuove competenze richiede l’IA?
Oltre alla creazione di nuove figure professionali dovute all’introduzione dell’intelligenza artificiale, c’è un urgente bisogno di programmi di upskilling per i dipendenti già presenti, anche al di fuori dei team tecnici. In particolare, è essenziale aumentare la consapevolezza sull’IA tra le risorse aziendali, consentendo loro di comprendere in modo astratto le sue funzioni e di riconoscerla come uno strumento versatile e potente nel loro contesto specifico.
Ad esempio, i dipendenti devono comprendere l’importanza dei dati di alta qualità come prerequisito per ottenere risultati affidabili dall’IA. Inoltre, in un ambiente in cui dipendenti e tecnologie collaborano sempre più strettamente, le competenze digitali diventeranno sempre più cruciali. L’intero ecosistema finanziario sta rapidamente evolvendo verso una realtà “phygital“, in cui i processi e le interazioni bancarie sono sempre più digitalizzati, rendendo essenziale acquisire competenze digitali aggiornate.
Intelligenza artificiale generativa e conversazionale
L’introduzione della Generative IA e dell’IA conversazionale sta accelerando ulteriormente i cambiamenti all’interno delle istituzioni finanziarie. Queste tecnologie stanno spostando i confini del cambiamento anche sul fronte delle competenze, richiedendo non solo nuove competenze IT, ma anche nuove capacità di interazione e pensiero critico in tutte le aree della banca. Tuttavia, nonostante gli sviluppi rapidi, è ancora presto per fare previsioni dettagliate. Si prevede che il 2024 sarà un anno di sperimentazione per alcuni e di implementazione sostenuta per altri, con la necessità di adottare strategie di sviluppo e governo ben definite.