AI generativa, per le banche vuol dire creare un valore di 340 miliardi di dollari l’anno

Il settore bancario, quello high-tech e quello attinente alle life science sono tra le industrie che vedono un incremento percentuale significativo dei loro ricavi derivanti dall’AI generativa.

Foto di Donatella Maisto

Donatella Maisto

Esperta in digital trasformation e tecnologie emergenti

Dopo 20 anni nel legal e hr, si occupa di informazione, ricerca e sviluppo. Esperta in digital transformation, tecnologie emergenti e standard internazionali per la sostenibilità, segue l’Innovation Hub della Camera di Commercio italiana per la Svizzera. MIT Alumni.

L’AI generativa trasforma profondamente il modo in cui imprese e individui operano e interagiscono con la società. Mentre le aziende si affrettano ad adattarla e ad implementarla, la comprensione del potenziale della tecnologia per fornire valore all’economia e alla società in generale contribuirà a plasmare le decisioni critiche.

Il McKinsey Global Institute stima che a livello globale, tra le industrie, l’impatto dell’intelligenza artificiale potrebbe passare dal 15 al 40%, raggiungendo 17,7 trilioni di dollari di valore economico. L’intelligenza artificiale generativa sta mostrando risultati chiaramente positivi, aumentando nuovi potenziali per le organizzazioni di tutto il mondo.

I settori di maggiore impatto dell’AI generativa

Sebbene l’intelligenza artificiale generativa avrà un impatto significativo in tutti i settori industriali, il settore bancario, quello high-tech e quello attinente alle life science sono tra le industrie che vedono un incremento percentuale significativo dei loro ricavi derivanti dall’AI generativa.

Il settore bancario, nel corso del tempo, è riuscito a definire moltissime use case e ad impattare fortemente sul sistema economico e produttivo, visto il livello di maturazione raggiunto. Tuttavia, circa il 75% del valore dell’AI va a concentrarsi su quattro aree:

  • operazioni dei clienti
  • marketing e vendite
  • ingegneria del software
  • ricerca e sviluppo, supportando le interazioni con i clienti, generando contenuti creativi per il marketing e le vendite.

Impatto e vantaggi dell’AI nel settore bancario

Se si considera il settore bancario, la tecnologia AI potrebbe fornire valore passando da $ 200 miliardi a $ 340 miliardi l’anno se ci fosse una reale implementazione, con un aumento della produttività dal 2,8 al 4,7% dei ricavi annuali del settore.
L’impatto economico andrà probabilmente a beneficio di tutti i segmenti e funzioni bancarie, con i maggiori guadagni assoluti nei settori corporate e retail.
Oltre a tale impatto, l’uso di strumenti generativi di intelligenza artificiale potrebbe anche migliorare la soddisfazione del cliente, migliorare il processo decisionale e l’esperienza dei dipendenti e ridurre i rischi attraverso un migliore monitoraggio delle frodi e dei rischi.

I leader del settore ritengono che la tecnologia cambierà radicalmente il modo in cui si fanno affari. Gli interrogativi principali che si pongono quest’ultimi riguardano come e dove utilizzare l’intelligenza artificiale generativa in modo più efficace e come garantire che le applicazioni siano pienamente adottate e dimensionate all’interno delle proprie organizzazioni. L’AI generativa sta rendendo rilevante l’intera gamma di funzionalità e applicazioni di analisi avanzate e sarà necessario decifrare e prendere in considerazione i diversi percorsi potenziali che l’AI generativa potrebbe creare.
Il progresso delle tecnologie di AI all’interno dei servizi finanziari offre alle banche il potenziale per aumentare le entrate a costi inferiori coinvolgendo e servendo i clienti in modi radicalmente nuovo, utilizzando un nuovo modello di business.
Le principali istituzioni del settore stanno già sfruttando l’intelligenza artificiale per le approvazioni dei prestiti, l’autenticazione biometrica o gli assistenti virtuali.

La disintermediazione delle relazioni

Si assiste ad una forte disintermediazione delle relazioni con i clienti. Poiché i clienti svolgono una quota sempre più crescente delle loro transazioni quotidiane attraverso i canali digitali, gli stessi si stanno abituando alla facilità, alla velocità e al servizio personalizzato offerto, aumentando sempre più le aspettative e richiedendo esperienze distintive e proposte di valore superiore.
Le nuove funzionalità devono, quindi, consentire a una banca di fornire ai clienti offerte intelligenti, soluzioni personalizzate e assistenza intelligente all’interno dei viaggi omnicanale attraverso piattaforme di proprietà bancaria ed ecosistemi di partner.

Come attuare la trasformazione implementando l’AI

Per iniziare la trasformazione, le banche dovrebbero formulare gli obiettivi strategici dell’organizzazione per l’era digitale abilitata all’intelligenza artificiale e valutare come le tecnologie di intelligenza artificiale possono supportare questi obiettivi.
Una volta stabilita la visione AI-first, sarà necessario tracciare una road map per la trasformazione, concentrandosi su 4 dimensioni della creazione di valore:

  • time to market più rapidi con una governance efficiente
  • un monitoraggio della produttività
  • un chiaro allineamento della domanda e capacità di soddisfare le priorità strategiche anche a breve termine
  • un meccanismo ben definito per coordinare le iniziative.

Le pratiche standard includono il coinvolgimento omnicanale, l’uso delle API per supportare un maggiore scambio di informazioni in tempo reale attraverso i sistemi e l’uso di analisi dei big data per migliorare la sottoscrizione del credito, valutare l’utilizzo del prodotto e dare priorità alle opportunità di approfondimento delle relazioni.
Man mano che le organizzazioni di servizi finanziari continuano a maturare, le crescenti richieste sull’infrastruttura tecnologica per supportare casi d’uso più complessi coinvolgono analisi e approfondimenti in tempo reale e spingono a riesaminare la funzione tecnologica complessiva.

L’implementazione di funzionalità di intelligenza artificiale in tutta l’organizzazione richiede un insieme scalabile, resiliente e adattabile di componenti core-technology. Se implementato con successo, questo livello di base può consentire a una banca di accelerare le innovazioni tecnologiche, migliorare la qualità e l’affidabilità delle operazioni, ridurre i costi operativi e rafforzare il coinvolgimento dei clienti.
Una volta modernizzata la tecnologia di base e l’infrastruttura dei dati alla base del coinvolgimento e dei livelli decisionali, le banche dovrebbero organizzare la loro trasformazione attorno a sei esigenze cruciali:

  • strategia tecnologica
  • esperienze superiori
  • piattaforme di dati e analisi scalabili
  • infrastruttura ibrida scalabile
  • prodotti configurabili
  • strategia di sicurezza informatica.

Cultura agile e modello operativo platform-oriented per la banca AI del futuro

Costruire percorsi che entusiasmano i clienti per la loro velocità, intuitività, efficienza e impatto vuol dire coinvolgere varie applicazioni che coprono più sistemi, tutti collegati tra loro da una serie di API e integrazioni.
Questo complesso scambio di informazioni consente all’organizzazione di acquisire dati preziosi da diverse fonti per produrre messaggi e offerte altamente personalizzate, che parlano direttamente al cliente in tempo reale.
Le banche dovrebbero, inoltre, sviluppare un meccanismo chiaro per integrare tra i canali, i sistemi di base e le interfacce esterne gestendo al contempo le modifiche su più sistemi dipendenti.

La fornitura di offerte altamente personalizzate richiede capacità decisionali basate sull’intelligenza artificiale sostenute da solide risorse di dati. Inoltre, lo sviluppo su larga scala di modelli di machine-learning consente un’integrazione continua e sicura. Ciò comporta un’orchestrazione complessa tra sistemi di origine diversa e piattaforme dati, che risulta particolarmente complessa in un ambiente altamente regolamentato in cui il coinvolgimento di sicurezza, audit, rischio e altre funzioni è cruciale in molte fasi del processo.

Le istituzioni finanziarie devono creare infrastrutture iperscalabili per elaborare transazioni in millisecondi. Questa capacità è resa possibile, in parte, dall’infrastruttura, dal provisioning automatico del server e da solidi processi di gestione della configurazione automatizzata, che insieme risolvono il problema dello “snowflake” derivante da collegamenti organici e complessi e modifiche che si sono accumulati nel tempo.

Ospitare questi ambienti in un ambiente cloud, a rete distribuita, consente un equilibrio tra storage di base e capacità di calcolo. L’auto-monitoraggio e la manutenzione preventiva sono automatizzate e le misure di disaster recovery e resilienza sono eseguite in background per garantire tempi di attività costanti anche se gli incidenti eludono l’auto-riparazione automatizzata e richiedono un intervento manuale.
Di conseguenza, il rischio di interruzione delle operazioni critiche è ridotto al minimo e le applicazioni rivolte al cliente vengono eseguite con elevata disponibilità e reattività. La combinazione di un’infrastruttura on-premise e basata su cloud è sempre più rilevante in aree ad alto volume e ad alta frequenza come l’elaborazione dei pagamenti, le piattaforme di core banking e i sistemi di onboarding dei clienti.

Rendere i carichi di lavoro “cloud native” e portatili consente di spostare il lavoro sulla piattaforma più appropriata. Per sostenere una proposta di valore all’avanguardia fondata sulle capacità di intelligenza artificiale e ML, le banche devono continuamente valutare i loro prodotti di base e identificare opportunità di innovazione e personalizzazioni.
In combinazione con una profonda comprensione delle esigenze dei clienti, abilitata da analisi avanzate, un’organizzazione può anticipare le richieste emergenti e progettare i prodotti distintivi di conseguenza.

La necessità di una riconciliazione in tempo reale e l’elaborazione delle transazioni 24 ore su 24 emerge anche come un vantaggio competitivo fondamentale per le istituzioni finanziarie. Con l’avvento delle piattaforme di core banking di nuova generazione, le organizzazioni possono ora sviluppare prodotti costruiti su larga scala e possono essere facilmente configurati per soddisfare le aspettative specifiche dei clienti.
È fondamentale garantire che l’organizzazione mantenga una posizione di sicurezza informatica appropriata in tutta l’infrastruttura tecnologica come protezione contro le vulnerabilità all’interno di applicazioni, sistemi operativi, hardware e reti.

Le istituzioni bancarie dovrebbero, inoltre, attuare misure appropriate per proteggere il perimetro e controllare l’accesso a vari sistemi e applicazioni all’interno dell’impronta dell’infrastruttura dell’organizzazione, compresi i server cloud pubblici e privati e i data center on-premise. La banca AI del futuro richiede una cultura agile e un modello operativo platform-oriented che risponda prontamente alle opportunità emergenti e fornisca rapidamente soluzioni innovative su larga scala.