Il ruolo dell'AI nei pagamenti e nel settore bancario
L'intelligenza artificiale sta trasformando la banca, migliorando frodi, valutazione del rischio e servizio clienti. Xavier Lavayssière esplora impatti e sfide dell'AI nel settore.
9' di lettura
Hai appena visto un video motivazionale: una straordinaria insegnante costruisce una scuola in Mali. Di fronte ai suoi sforzi, non resisti e decidi di fare una donazione per sostenere la sua causa. Così, accedi alla tua app bancaria, inserisci i dati dell'organizzazione no-profit e premi invio. Ma come fa la tua banca ad aiutarti a verificare che il tuo atto di generosità vada effettivamente a sostenere l'istruzione dei bambini e non finanzi invece una truffa o un gruppo armato locale?
Le banche e le società fintech svolgono un ruolo fondamentale nella salvaguardia delle nostre transazioni finanziarie. Hanno sviluppato apposite tecnologie per identificare l'utente e il destinatario, riconoscere transazioni sospette e valutare i rischi di ciascun pagamento, processi che dopo l'introduzione dell'intelligenza artificiale (AI) hanno subito una vera e propria rivoluzione. Ma prima di arrivare all'AI cerchiamo di capire i metodi utilizzati finora.
Che ruolo ha l'AI nell'attuale corredo degli strumenti bancari?
Modelli statistici: Le basi
Il primo passo è valutare i rischi. Ad esempio, ci sono più frodi con le carte di credito o con i bonifici bancari? In questo campo, la statistica è sempre stata l'asso nella manica delle banche. Già nel primo Rinascimento, il banchiere e statista fiorentino Giovanni Villani usava metodi statistici per capire le tendenze demografiche, dell'istruzione e del commercio.
Nei pagamenti, i modelli statistici aiutano a calcolare la probabilità che una transazione sia fraudolenta. Se un pagamento presenta certe caratteristiche, può essere segnalato per un'analisi più approfondita, o addirittura bloccato subito. Alla fine, saranno gli analisti a prendere la decisione definitiva. Però, identificare criteri statistici per i rischi, applicare metodi basati su regole e controllarli manualmente può essere lento e costoso.
Metodi basati su regole: L'approccio tradizionale
Una volta individuati i rischi, la valutazione basata sulle regole è diventata un punto fermo nelle operazioni bancarie. Ad esempio, quando si tratta di elaborare le rate dei prestiti, le banche spesso faticano a far corrispondere i pagamenti in entrata con l'ammontare effettivo del prestito.Durante il mio primo stage in una banca per lo sviluppo internazionale, ho creato un programma che cercava di far combaciare i pagamenti SWIFT con l'elenco dei pagamenti in entrata. Ho individuato gli errori più probabili nel database e ho inserito alcune regole per automatizzare il processo di abbinamento: è più probabile che i pagamenti siano in ritardo che in anticipo, che gli importi differiscano di pochi punti percentuali dai pagamenti previsti a causa delle conversioni di valuta, e che i numeri di contratto compaiano in qualsiasi campo del pagamento.
Intelligenza Artificiale: la svolta
La bellezza dell'AI sta nella sua capacità di identificare modelli senza bisogno di programmazione esplicita. Usando il machine learning, l'AI può analizzare grandi quantità di dati sulle transazioni, etichettate come legittime o fraudolente, per individuare piccoli indicatori di potenziali frodi. Ad esempio, l'intelligenza artificiale potrebbe notare che le transazioni fraudolente spesso seguono una sequenza specifica o hanno caratteristiche particolari in comune.In fondo, la logica non è molto diversa dall'analisi statistica e dagli approcci basati su regole. Però, a differenza dei metodi tradizionali, l'AI riesce ad adattarsi a nuovi schemi di frode in tempo reale, a elaborare grandi volumi di dati in modo rapido ed efficiente e a migliorare continuamente la propria precisione nel tempo.Il Deep Learning e i Large Language Models (LLM) sono un passo avanti ancora. Siccome imitano il funzionamento del cervello umano, offrono interfacce estese che permettono a chiunque di interagire con loro in un linguaggio più naturale e possono utilizzare un maggior numero di dati non strutturati. La crescita della generative AI ha attirato l'attenzione del grande pubblico e ha dato il via a una nuova ondata di applicazioni bancarie basate sull'AI.
Quali sono le potenziali applicazioni dell'AI nei pagamenti e nel settore bancario?
Monitoraggio e prevenzione delle frodi
Nel monitoraggio e nella prevenzione delle frodi, l'AI può verificare l'autenticità dei documenti d'identità e persino del proprietario stesso, semplificando l'implementazione del processo Know Your Customer (KYC).Per la due diligence sulle controparti, l'AI può analizzare i dati per valutare l'affidabilità e il rischio associato a potenziali partner commerciali o clienti.
Elaborazione dei prestiti e valutazione del rischio
L'AI può anche facilitare le richieste di prestito. Questa tecnologia è in grado di elaborare ed estrarre rapidamente le informazioni rilevanti da vari documenti relativi ai prestiti, riducendo significativamente i tempi di elaborazione.I modelli di risk-scoring basati sull'intelligenza artificiale possono incorporare dati non tradizionali per valutare l'affidabilità creditizia, ampliando potenzialmente l'accesso al credito per le popolazioni meno servite. Questi modelli d’intelligenza artificiale possono inoltre aiutare le banche ad adattare le condizioni di prestito ai profili dei singoli clienti, riducendo così il rischio di insolvenza.
Interazioni con i clienti
Grazie all'introduzione del linguaggio naturale, i chatbot e gli assistenti virtuali possono gestire un'ampia gamma di transazioni e quesiti da parte dei clienti. Queste interfacce guidate dall'intelligenza artificiale sono disponibili 24 ore su 24, 7 giorni su 7, migliorando l'esperienza del cliente e riducendo il carico di lavoro del personale umano.I sistemi basati sull'AI possono anche supportare le banche nel fornire consulenza finanziaria personalizzata, analizzando le abitudini di spesa e gli obiettivi finanziari del cliente per fornire consigli sui prodotti finanziari e strategie di risparmio personalizzate.
Quali sono i rischi dell'utilizzo dell'AI nel settore bancario e dei pagamenti?
Errori e imprevedibilità
Le principali criticità dell'AI nel settore bancario sono due: il suo potenziale di errore e l'imprevedibilità di comportamento. A differenza dei sistemi tradizionali basati su regole certe, i modelli di AI, specialmente quelli linguistici di grandi dimensioni, possono talvolta produrre risultati errati o logicamente incoerenti. Inoltre, quando un LLM non trova le informazioni di cui ha bisogno, tende ad avere delle “allucinazioni”, generando risultati plausibili ma del tutto fittizi. In un contesto finanziario, questi errori potrebbero avere conseguenze piuttosto serie.Inoltre, la complessità dei sistemi di intelligenza artificiale rende poco trasparenti i processi decisionali, creando un effetto “scatola nera”. Questa mancanza di trasparenza può rappresentare un grosso problema per le banche, che necessitano di procedure prevedibili per questioni di compliance. L'impossibilità di spiegare completamente come l'AI sia arrivata a una particolare decisione potrebbe porre dei problemi sia in sede di audit che nella legittimazione delle decisioni di fronte ai clienti.
Problemi di imparzialità e correttezza
Un altro rischio significativo è la possibilità che l'AI perpetui o addirittura amplifichi i pregiudizi esistenti. Attualmente, i punteggi di credito sono regolamentati per garantire un accesso equo al credito. Solo alcuni tipi di dati possono essere utilizzati, e le informazioni possono essere corrette volta per volta a livello individuale. Queste regole garantiscono equità, ma anche la sovvenzione di progetti meritevoli che creano ricchezza individuale e collettiva.Se un modello di AI che utilizza ingenti quantità di informazioni viene istruito con dati storici che riflettono i pregiudizi della società, potrebbe prendere le proprie decisioni attraverso la stessa lente distorta. Ad esempio, un sistema di approvazione dei prestiti alimentato dall'AI potrebbe penalizzare ingiustamente gli individui in base a fattori irrilevanti, come il quartiere in cui vivono o la loro storia familiare, senza considerare l'effettivo comportamento attuale o il potenziale finanziario. Inoltre, l'intelligenza artificiale potrebbe non riconoscere che la storia finanziaria non convenzionale di un possibile candidato è dovuta a circostanze attenuanti piuttosto che a una cattiva gestione finanziaria.Ad esempio, l'intelligenza artificiale concederebbe un prestito a un certo Kylian Mbappé, un diciottenne che vive a Trappes con una carriera calcistica incerta? L'AI incaricato di concedere un prestito non guarderebbe al potenziale del Pallone d'Oro, ma solo al rischio di non essere ripagato.
Rischi per la sicurezza informatica e la privacy
L'introduzione di sistemi di intelligenza artificiale nel settore bancario crea anche potenziali vulnerabilità, fornendo ai criminali informatici nuove opportunità. Ad esempio, i malintenzionati potrebbero modificare i dati di training dei modelli di AI per influenzarne le decisioni, una tecnica nota come "data poisoning". Inoltre, gli stessi modelli di AI potrebbero facilitare il furto di dati e lo spionaggio digitale. Queste nuove occasioni di attacco si aggiungono al già complesso panorama della cybersecurity in cui le banche operano.Inoltre, i dati utilizzati per “educare” gli algoritmi sono estremamente sensibili, dalle informazioni sulle transazioni alle richieste di prestito. In base alle norme sulla privacy, è necessario ottenere il consenso prima dell'uso, e garantire che non vi siano fughe di dati durante l'utilizzo o l'addestramento dell'algoritmo.
Costi economici e ambientali
L'implementazione e l'esecuzione di modelli AI di grandi dimensioni comporta costi significativi, sia finanziari che ambientali perché necessitano di hardware e data center specializzati. Poiché pongono nuove sfide agli istituti di credito, impegnati a garantire la sostenibilità ambientale del settore bancario, anche il consumo di energia e l'impatto ambientale dei modelli di AI di grandi dimensioni sono tuttora oggetto di dibattito.Inoltre, non tutti gli istituti finanziari hanno le competenze interne per implementare e gestire efficacemente i sistemi di AI. Queste disparità potrebbero potenzialmente creare un divario competitivo nel settore, con gli istituti più piccoli che faticano a tenere il passo con le innovazioni nel campo dell'intelligenza artificiale.
L'AI nel lungo termine?
Non c'è dubbio: l'AI porterà incredibili vantaggi. Occorre, però, scartarne gli impieghi superflui, comprenderne i limiti e seguirne lo sviluppo da vicino in un'ottica di gestione del rischio, precauzioni necessarie per qualsiasi tipo di sistema complesso.L'intelligenza artificiale non verrà utilizzata in tutti i campi. I sistemi basati su regole sono più adatti quando servono norme chiare e coerenti, per esempio quando parliamo di individui sanzionati che richiedono prestiti. I sistemi machine learning possono eseguire compiti precisi quando disponiamo di una serie di dati affidabili per l'addestramento, mentre i modelli di grandi dimensioni possono occuparsi di compiti più complessi, con le opportune precauzioni. Gli esseri umani, infine, rimangono l'ultima garanzia per la supervisione delle macchine in tutti i compiti loro assegnati, dal back office al servizio clienti.Il settore automobilistico è fortemente regolamentato e la stessa cosa succederà con l’AI. Data la natura tecnica, la complessità e la velocità con cui si evolve, eventuali normative sull'AI saranno più impegnative da implementare. Lo sviluppo di impianti normativi appropriati richiederà la stretta collaborazione tra istituzioni finanziarie, autorità legislative ed esperti di intelligenza artificiale.Il futuro dei pagamenti e delle operazioni bancarie supportati dall'AI è promettente, ma richiederà un'implementazione mirata e un monitoraggio continuo. Le istituzioni finanziarie che raggiungeranno il giusto equilibrio tra la qualità del servizio, la sicurezza e la privacy, saranno avvantaggiate e potranno ritagliarsi un ruolo in un settore, quello bancario, che diventa via via sempre più competitivo.
La sicurezza in N26
In N26, la sicurezza è la nostra priorità. Scopri un'esperienza di mobile banking al 100%.
Per noi di N26, la sicurezza ha la massima priorità, ma è altrettanto importante che tu riesca a riconoscere una truffa e a proteggerti nel migliore dei modi. Per questo, ti ricordiamo ancora una volta di fare sempre molta attenzione alle richieste di informazioni improvvise e di utilizzare sempre password lunghe e complesse. Inoltre, se dovessi individuare delle attività sospette sul tuo conto, potrai subito bloccare la carta direttamente dall’app. Dai un’occhiata ai nostri conti!
DI XAVIER LAVAYSSIÈREEsperto in finanza digitale, consulente per governi e banche centrali sulle infrastrutture finanziarie e le politiche tecnologiche.
Messaggio pubblicitario con finalità promozionale. Per le condizioni contrattuali ed economiche fare riferimento alla documentazione di trasparenza nella sezione Documenti Legali.
