Non c’è un solo settore che sia rimasto intatto dall’impatto trasformativo della tecnologia di intelligenza artificiale nell’ultimo decennio: i servizi finanziari non fanno eccezione. Il settore finanziario è noto per aver cercato ogni possibile vantaggio per massimizzare i propri profitti, quindi utilizzare l’apprendimento automatico e l’intelligenza artificiale è stato un gioco da ragazzi. 

Una pletora di casi d’uso sta sfruttando la potenza dell’intelligenza artificiale (AI): dal rilevamento delle frodi, alla valutazione del rischio, al miglioramento della soddisfazione dei clienti, all’aumento dell’automazione contabile e transazionale fino al trading algoritmico.

 
Quello che era tradizionalmente un’industria pesante con un sacco di analisti e gestori di denaro, i servizi finanziari si sono lentamente trasformati in un colosso snello e ricco di tecnologia. Di conseguenza, stiamo esaminando l’intelligenza umana aumentata utilizzando l’IA, con conseguente maggiore efficienza, riduzione dei costi per gli istituti bancari e nuove offerte per i consumatori.

Secondo il rapporto dell’OCSE su AI, ML e Big Data nella finanza , si prevede che la spesa globale per l’IA raddoppierà nel 2020-24, passando da $ 50 miliardi a oltre $ 110 miliardi in quattro anni.
Attraverso i suoi vasti sforzi di inclusione finanziaria negli ultimi dieci anni e la maggiore digitalizzazione dell’economia, l’India è seduta su dati incredibilmente ricchi. Nei prossimi anni, questi dati verranno utilizzati per raccogliere informazioni per fornire servizi e prodotti mirati ai consumatori. Inoltre, il numero crescente di società fintech in India sta assicurando l’inclusione finanziaria di ogni indiano per avere accesso a capitali e servizi a velocità e convenienza più incredibili. 

Nei mercati dei capitali, l’IA sta assumendo una parte sempre più significativa delle esecuzioni commerciali. Quella che era iniziata come una tendenza che seguiva negli anni ’80, i trader e gli hedge fund hanno presto utilizzato algoritmi e motori di regole altamente sofisticati per eseguire operazioni, popolarmente noto come trading algoritmico . Oggi, il trading algoritmico basato sull’intelligenza artificiale viene utilizzato per concepire idee commerciali ed esecuzioni commerciali. Il settore del trading ad alta frequenza fa molto affidamento sulle esecuzioni commerciali automatizzate fornite dai modelli ML utilizzando tecniche come il mean reversion, il rilevamento delle anomalie e varie tecniche di deep learning per acquisire modelli sottostanti complessi. 

Secondo uno studio JPMorgan del 2020, oltre il 60% delle operazioni superiori a $ 10 milioni sono state eseguite utilizzando algoritmi. Inoltre, il mercato del trading algoritmico dovrebbe crescere di 4 miliardi di dollari entro il 2024, portando il volume totale a 19 miliardi di dollari.

Con la grande quantità di opportunità di applicazione nella finanza, l’IA deve anche affrontare diverse sfide.

L’intelligenza artificiale è spesso percepita come una scatola nera perché gli utenti tendono a non capire o spiegare perché un modello di intelligenza artificiale suggerisce o prevede un risultato particolare. Questa sfida apre la necessità di quadri normativi e di governance per gli utilizzatori dell’IA per garantire che nessun pregiudizio o discriminazione sia formato in un modello. Ad esempio, immagina un’IA che pregiudichi un particolare gruppo demografico della popolazione in base al sesso. La distorsione dei dati che determina una discriminazione ingiusta sarà antitetica all’obiettivo di inclusione finanziaria di banche e istituzioni. Quindi, l’IA spiegabile sta guadagnando maggiore importanza per garantire la supervisione e il giudizio umani. 
I modelli di intelligenza artificiale apprendono e perfezionano continuamente le loro previsioni sui nuovi dati. Tuttavia, soffre del rischio di coda dovuto a eventi di cigno nero come COVID-19 , in cui gli apprendimenti dei modelli ML vanno alla deriva a causa di dati distorti una tantum. Tali circostanze impreviste che non vengono catturate dai dati minano l’accuratezza predittiva dei modelli ML e peggiorano le prestazioni. Pertanto, nonostante tutte le sue abilità tecnologiche e informatiche, l’IA richiede ancora un essere umano nel ciclo per molti casi d’uso. Queste sono aree di ricerca attiva che la comunità dell’IA dovrà risolvere nel prossimo decennio. 
Le banche e gli istituti finanziari hanno adottato continuamente la tecnologia per rimanere rilevanti e offrire servizi migliori ai propri clienti. Nell’era dell’intelligenza artificiale, la finanza e le banche saranno diventate prima di tutto l’IA piuttosto che utilizzare la tecnologia dell’IA alla loro periferia. Con la corretta implementazione, possono migliorare il processo decisionale umano e ridurre i rischi, sbloccando un’opportunità da trilioni di dollari per questo settore.

Sandeep Sudarshan, Ricerca e sviluppo di Ericsson  

 

Di ihal