Breaking into FinTech

I commenti dei coordinatori dei moduli del Master Executive in FinTech di H-FARM College: Mara Pistellato - Adjunct Professor at Ca’ Foscari University of Venice, postdoc researcher @ DAIS, Unive Vittorio Di Tomaso - Partner at H-FARM Innovation  Intervistati da Pierangelo Soldavini – vicedirettore di Nova, IlSole24Ore    L’AI apre nuove frontiere grazie all’uso dei dati L’AI pone un raggio di luce su investimenti e settori. Mette in evidenza come i servizi finanziari abbiano un enorme patrimonio informativo, una vera cassaforte, finora rimasto inutilizzato. Una nuova frontiera di produttività si sta aprendo. Dove ci porta l’AI? Con quali logiche? Quali sono le opportunità e quali le incognite?  Il digitale sta introducendo un cambiamento radicale in ogni settore, la cui logica è la semplificazione di un mondo complesso, i cui comportamenti e le scelte sono da intercettare all’origine.  Il mondo degli investimenti lo ha già compreso. L’investimento in Intelligenza Artificiale di fatto vede una crescita media annua di circa US$50 miliardi, circa 350 miliardi in 5/6 anni .    I modelli predittivi  Le forme attraverso cui l’AI si sta manifestando sono molteplici, dall’automazione di varie decisioni alla robotica intelligente. Prima di andare attraverso le varie forme di applicazione è necessario un passaggio per comprendere alcuni degli strumenti alla base: i modelli predittivi.   La mole di dati oggi disponibili ha portato a una transizione nell’uso degli strumenti: da modelli algoritmici (costruiti da regole individuate dall’analista) a modelli ‘data driven’ (ovvero grazie alla grande quantità di dati, i parametri del modello vengono ‘imparati’ dai dati stessi). Più che testare delle ipotesi rispetto ai dati, si osservano i dati, per comprenderne le caratteristiche.   In tal senso cambia l’approccio. Non solo. La tipologia di informazioni da processare si arricchisce con dati testuali, immagini, video, che oggi, grazie all’evoluzione di strumenti hardware e software, possono essere letti, trasformati in indicatori e combinati insieme, permettendo di estrarre e studiare relazioni nuove.   La chiave per aprire questo nuovo tesoro è chiedersi come fare ‘data mining’, in un contesto in cui è diventato veloce elaborare questa varietà di dati, al contempo garantendo sicurezza e integrità delle informazioni.  L’approccio consiste nel chiedersi le domande giuste, per orientare la selezione. Occorre considerare l’ambiente circostante, come può influenzare la lettura, ma anche definire la strada per la lettura delle informazioni stesse. La rotta è tracciata: dai dati alle informazioni, passando dalla conoscenza, per giungere all’interpretazione.   Nel viaggio così delineato si pone il tema della sicurezza, della validità delle informazioni e dei modelli utilizzati. Questi ultimi sono spesso delle black box, poiché non sono in grado di dare una spiegazione del perché di una risposta piuttosto che un’altra. I dati, grazie alla quantità disponibile, permettono di prevedere o anticipare alcuni comportamenti e di indirizzare delle scelte. Gli analisti saranno chiamati a maggiore trasparenza e il fruitore del servizio a una maggiore consapevolezza, per quanto riguarda l’utilizzo e l’interpretazione dei risultati. Essere coscienti di quello che stiamo facendo, lascia aperta la domanda su che mondo si apre in termini di relazione fra AI e umano.     La trasformazione dell’interazione conversazionale, tra analisi testuale e numerica  Nel tempo si è visto che la fantascienza prima o poi si realizza. Si è partiti dal linguaggio come strumento per comunicare il pensiero e ciò ha preso varie forme. La varietà linguistica è da sempre una delle caratteristiche più rilevanti delle comunità di esseri umano. Esistono circa 7000 lingue diverse al mondo. Oggi abbiamo iniziato a conversare con le nostre macchine, con le nostre case, con le tastiere predittive.  Sono nati articoli scritti da macchine e vi sono programmi che permettono alle macchine di parlare in modo quasi indistinguibile nel comportamento linguistico degli esseri umani.   Il deep learning (apprendimento attraverso reti neurali profonde) ha permesso un cambiamento radicale, rendendo l’AI una tecnologia trasformativa. Si parte proprio da alcuni concetti della linguistica: il grado di somiglianza semantica tra due espressioni linguistiche dipende dalla somiglianza dei contesti linguistici in cui le espressioni sono usate. Occorre quindi la capacità di trovare la relazione tra i significati delle parole: i contesti di uso creano la differenza.  I modelli fanno questo: rilevano il contesto da cui ‘imparano’ e prevedono le parole che saranno usate dopo. Quindi, un modello di come funziona il linguaggio, impara a prevedere quello micro locale. I comportamenti diventano, grazie ai processi di deep learning, prevedibili nel breve.   Modelli multi-modali, finalizzati a eseguire una cosa specifica sviluppano la capacità di interagire con un sistema informativo. I modelli aumentano così le performance, raggiungendo a volte risultati superiori a quelli degli umani. Da questi processi si riescono a realizzare delle esperienze memorabili. La bellezza delle interfacce è quella di diminuire la complessità di interazione con sistemi complessi.   Ciò che risulta ad oggi difficile da costruire è il dialogo con le macchine: i sistemi conversazionali sono in evoluzione e al momento sono di esecuzione comandi e si sta andando nella direzione di produrre valore in processi dove vengono inseriti.   Siamo entrati in un contesto di efficienza di processi grazie a cui si assiste alla liberazione di valore e idee. Tuttavia i modelli non ragionano, hanno il pregio di riconoscere schemi, riprodurli in modo simile a quelli esistenti.    Stiamo allora creando dei pappagalli ben addestrati oppure siamo all’alba di un cambiamento? Per immaginarci dove questa evoluzione ci può portare occorre farsi alcune domande:    Come può l’AI incidere sul business finanziario?  La disponibilità di modelli previsionali permette di diventare più sartoriali nell’offerta del servizio, grazie a una più accurata comprensione del comportamento del cliente e fornendo un aiuto per proteggerlo da eventuali frodi. In tal modo si aprono due strade: da un lato una serie di servizi a più basso valore aggiunto saranno eseguiti in modo digitalizzato con una presenza umana quasi assente. Dall’altro migliora e si modifica l’efficacia della gestione della relazione con il cliente, che richiederà anche nuove competenze. Di fatto molte attività saranno basate sull’utilizzo di dati oggi non impiegati per queste finalità (per esempio la valutazione del merito di credito del cliente stesso, sia esso persona fisica o impresa) e richiederanno una nuova capacità interpretativa. Un tale cambiamento porta le banche a ridefinire la propria struttura di costi (riducendola) e ad offrire un servizio più funzionale alle esigenze del cliente. Si può pertanto costruire una relazione di valore utile, risparmiando molti costi, e spostando il valore aggiunto delle persone su altre parti della catena del valore. Questo richiede evidentemente un passaggio culturale, organizzativo e formativo, insieme a una maggiore consapevolezza di come il rinnovamento del servizio finanziario possa contribuire allo sviluppo economico.    Il dialogo fra tecnologia e normativa  L’avvento dell’AI e la sfida del cambiamento del paradigma di funzionamento dei servizi finanziari si confronta con il ruolo della regolamentazione. Il modello europeo si concentra sul concetto di rischio. La domanda che si pone il regolatore è se i cittadini possono fidarsi dei nuovi prodotti e servizi finanziari. Gli algoritmi sono classificati sulla base del rischio. Alcuni rischi non sono considerati accettabili per cui in Europa non saranno disponibili presenti attività che si sviluppano in altri paesi . Si pone attenzione ai servizi essenziali (fra cui sono inclusi i servizi finanziari) per i quali è richiesto un meccanismo di controllo dei dati, la qualità dei dataset diventa centrale insieme alla possibilità di spiegare le decisioni che vengono prese. Il processo di regolamentazione delle tecnologie trasformative diventa chiave per comprendere lo spazio e la velocità di incidenza sul sistema produttivo finanziario. La sfida è per una regolamentazione che sia sempre più al passo coi tempi. Il focus di attenzione rimane il concetto di Black Box, che dialoga con un obiettivo di trasparenza-rapidità-chiarezza di processo di gestione dati e produzione servizio. Per questo il regolatore richiede test di validità. Anche per la regolamentazione stessa vi saranno nuovi dataset disponibili, grazie alla digitalizzazione dei contratti e all’avvento del contract design. Il RegTech diventa così parte stessa delle evoluzioni del processo tecnologico.  Per chi fosse interessato ad approfondimenti normativi clicchi qui   Fiducia, responsabilità e consapevolezza Oggi si può pensare alla finanza come una cassaforte di documenti con gigantesche opportunità di nuovi dati, informazioni e servizi. Tutto ciò, domani, permetterà di costruire una nuova relazione con il cliente e offrire servizi innovativi sulla base della conoscenza più approfondita. Definire l’obiettivo e perseguirlo aiutando anche la consapevolezza del cliente a crescere è sfidante. Servire al meglio il cliente, infatti, non solo pensando a una migliore efficienza in termini di profitti ma anche recuperando la qualità del rapporto con il cliente, riallineando l’interesse della banca con cliente. Si puo’ costruire la fiducia nel sistema con un reciproco senso di responsabilità?  Occorre prima essere in grado di spiegare la tecnologia al consumatore, per aumentarne. La capacità dei sistemi operativi e la capacità computazionale, oggi, permette di applicare i sistemi neurali sviluppati negli anni 70, creando una sorta di idea di ‘super umano’. Creare fiducia nel fatto che oggi è possibile fare cose complicate in modo semplice richiede un grande cammino di comunicazione. Occorre anche comprendere come sia possibile soddisfare bisogni semplici in modo evoluto. Lo spazio della relazione cambia, perché la possibilità di offrire un servizio personalizzato in modo digitale fa sì che il cliente non vada più in banca. La banca inizia a dematerializzarsi e va dal cliente con l’offerta giusto al momento giusto.   Il grado di consapevolezza e conoscenza del consumatore già oggi nei processi decisionali in ambito finanziario non é elevatissima in media. Seguendo l’indirizzo della regolamentazione europea, occorre costruire un sistema protettivo che controlli e prevenga il rischio (quindi su tutto il tema dalla qualità del dato al modo di usarlo), in un processo che vede una crescita esponenziale.  Vi è il pericolo di sfruttamento eccessivo delle informazioni e di mis-interpretazione, all’interno di un percorso con potenzialità elevate. Il passaggio è quello di offrire servizi in modo graduale, con riguardo di trattamento rispetto alla normativa.  Di fatto la competenza tecnico scientifica e economico finanziaria richiede uno sviluppo di conoscenza sulle regole e l’etica delle decisioni. La prospettiva è di lungo periodo. Vi è uno spazio rilevante per immaginare evoluzioni di applicazioni di AI nel mondo dei servizi finanziari, insieme all’evoluzione dell’affidabilità degli algoritmi, tenendo presente il fine ultimo di questi sviluppo, che richiamano la centralità dell’essere umano.     “Quando si arriva al futuro il nostro compito non è di prevederlo, ma piuttosto di consentire che accada.” Antoint De Saint-Exupery