Trend e conclusioni del più grande evento dell’anno del settore bancario e pagamenti

Quest’autunno, migliaia di leader nel settore dei servizi finanziari si sono riuniti alla conferenza annuale Money 20/20 per parlare di trend dei pagamenti, conformità, riduzione delle frodi, tesoreria e transazioni e altro ancora. Le conversazioni si sono incentrate sul tema “Human x Machine” e, nonostante l’attenzione posta sull’AI, sono emersi molti altri insight relativi all’analisi dei dati in tempo reale, alle considerazioni di sicurezza e alle strategie dei clienti che guideranno il futuro del denaro. 

Abbiamo parlato con alcuni esperti e partner Snowflake per scoprire le conclusioni principali dell’evento, quali casi d’uso di tendenza sono emersi e cosa tenere d’occhio mentre il settore bancario e dei pagamenti si evolve nel corso del 2024 e oltre.

L’architettura dati e AI è importante 

“Prima di concentrarci su casi d’uso di AI/ML come iperpersonalizzazione e prevenzione delle frodi, è importante che i dati e l’architettura dati siano organizzati e strutturati in modo da soddisfare i requisiti e gli standard delle autorità di regolamentazione locali di tutto il mondo. Questi requisiti possono essere soddisfatti sfruttando l’infrastruttura e i servizi cloud. È importante che il mondo dei pagamenti comprenda i formati di file aperti, i formati di tabella aperti e in che modo le più recenti tecnologie cloud che sfruttano le GPU consentiranno in futuro di innovare con nuovi dati e processi per i dati.” — Paul Chang, Head of Payment Networks, AWS

“I data warehouse stanno guadagnando terreno in questo momento e Snowflake è in prima linea in questa direzione. Questo non sorprende se si considerano tutti i vantaggi, come la riduzione della complessità [e] dei costi e l’abilitazione dell’accesso zero-copy ai dati (ideale per centralizzare la governance dei dati). Molte persone sono rimaste incuriosite dal modo in cui questi vantaggi si traducono anche in customer experience; uno stack tecnologico eccellente che consente l’accesso zero-copy ai dati a una soluzione di customer engagement consente agli esperti di marketing di semplificare i loro flussi di lavoro e creare autonomamente esperienze di segmentazione o innescate da eventi, il tutto in modo efficiente, scalabile e sicuro.” — Erin Bankaitis, Director, Industry Marketing, Braze

“Il ritmo con cui le startup FinTech scalano o falliscono sta accelerando con i progressi nel campo dell’AI. Per queste organizzazioni è diventato più cruciale prendere in considerazione la strategia dati fin dalle fasi iniziali e il modo in cui lavorano con altre applicazioni aziendali. Sia le società di venture capital che le aziende stanno spingendo per una maggiore disciplina nei loro investimenti, con particolare attenzione a un percorso più breve verso la crescita e il ROI. Sia per le startup che per le imprese, l’infrastruttura dati e le fonti di dati che stanno valutando di implementare devono avere un percorso chiaro verso il valore ed essere in grado di scalare in modo conveniente.” — Sam Shapiro-Kline, Director of Product Marketing, TransUnion TruAudience Marketing Solutions

Anche gli ecosistemi contano

“Vedo l’opportunità di promuovere relazioni più collaborative in tutto l’ecosistema, commercianti compresi. Attualmente la collaborazione è ostacolata dalla mancanza di una visione condivisa delle esigenze e dalla mancanza di collaborazione sui dati. Alcune tecniche comuni nel settore dei media e del marketing, come la risoluzione dell’identità, potrebbero accelerare nuovi casi d’uso e nuovi flussi di entrate per le società di servizi finanziari.” — Prabhath Nanisetty, Industry Lead, Retail Data and Q-Commerce, Snowflake

“I data leader dei servizi finanziari devono dare la priorità all’interoperabilità e alla connettività dei dati. L’ecosistema finanziario diventa sempre più interconnesso, quindi servono modi sicuri e scalabili per condividere i dati tra piattaforme e con partner terzi mantenendo standard elevati di privacy e conformità. L’interoperabilità è essenziale per fornire un’esperienza cross‐channel coerente e allineata alle aspettative dei clienti con transazioni immediate e trasparenti.” — Richard Winston, Global Financial Services Leader, Slalom

Il ROI dell’AI è la priorità

“L’AI ha dominato la conversazione di Money 20/20. È chiaro che quest’anno molte organizzazioni sono passate dalla proof of concept a una reale implementazione dell’AI. Tuttavia, l’intelligenza artificiale può essere costosa e richiedere molte risorse senza un ROI comprovato, per questo si discute spesso dei casi d’uso più rilevanti per i servizi finanziari. Ad alto livello, c’erano due temi chiari: i casi d’uso interni dell’AI che aumentavano l’efficienza riducendo i costi e i casi d’uso commerciali dell’AI che miglioravano l’esperienza utente. Internamente, le banche utilizzano l’AI per ridurre il carico di gestione dei dati, compresi lineage e controlli di qualità dei dati, o per migliorare l’efficienza con la business intelligence, in particolare nei call center. Sul piano commerciale, abbiamo sentito casi d’uso dell’AI nell’ambito dei servizi di tesoreria, del rilevamento delle frodi e dell’analisi del rischio. Cosa hanno in comune tutti questi scenari? Permettere ai clienti di sfruttare il linguaggio naturale per ottenere insight e analisi sui dati bancari.” — James McGeehan, Head of Banking and Payments, Snowflake

Vale la pena esplorare le nuove opportunità offerte dalle nuove tecnologie

“Un dato sorprendente è stato l’interesse per l’intersezione tra AI e valuta digitale (monete digitali delle banche centrali e stablecoin) come soluzioni per i pagamenti transfrontalieri in tempo reale e a basso costo, evidenziando un forte spostamento verso le valute digitali che collegano la finanza tradizionale alle moderne piattaforme digitali. Un altro tema chiave è stato il ruolo della finanza integrata, con i brand che stanno esplorando sempre più spesso come integrare i servizi finanziari direttamente nei propri ecosistemi per fornire esperienze fluide e su misura.

“Uno degli aspetti di maggiore impatto, ma ancora poco discusso, è il potenziale della finanza autonoma, in cui i sistemi non solo automatizzano i pagamenti, ma gestiscono account e processi finanziari con un intervento umano minimo. Andando oltre la semplice automazione, la finanza autonoma ha il potenziale di trasformare il modo in cui individui e aziende interagiscono con le proprie finanze, offrendo un approccio altamente personalizzato e dinamico che anticipa le esigenze degli utenti. Tuttavia, questo cambiamento richiede nuovi standard in materia di sicurezza informatica, privacy e conformità normativa per accrescere la fiducia degli utenti e garantire l’allineamento normativo.” — Richard Winston

Questi esperti hanno anche notato alcuni casi d’uso che emergono dalle conversazioni. Ecco i tre principali trend che sono emersi.

Caso d’uso 1: Customer 360 e marketing analytics

“Il settore dei servizi finanziari è impaziente di migliorare la personalizzazione delle esperienze di messaggistica. Idealmente questa personalizzazione viene massimizzata utilizzando la quantità minima di dati dei clienti per alimentare queste esperienze. Questa priorità è un tema ricorrente da molti anni, ma molti non sono all’altezza a causa delle limitazioni dello stack MarTech, un argomento che sta diventando sempre più urgente e importante. Di conseguenza, i data leader stanno iniziando a capire in che modo le limitazioni dello stack MarTech non solo influiscono sulla customer experience, ma creano anche rischi dal punto di vista della governance dei dati. I data leader danno la priorità a un approccio best-in-breed che consenta un accesso, un’attivazione e una distribuzione dei dati più trasparenti e sicuri.” — Erin Bankaitis

“I data leader dei servizi finanziari vogliono ampliare l’accesso a data set scalabili per il marketing. Pensano sempre più spesso a come i data set siano veramente risorse in grado di fornire valore per più casi d’uso in tutto il marketing, e per i team al di fuori del marketing. I leader hanno bisogno di un approccio per connettere i propri dati tra tecnologie di marketing come l’utilizzo della risoluzione unificata delle identità.” — Sam Shapiro-Kline

“I retailer e i produttori di beni di largo consumo sono costantemente alla ricerca di maggiori informazioni sui propri clienti, non solo a scopo pubblicitario, ma anche per promuovere l’innovazione e creare nuovi prodotti e servizi. Comprendere meglio come i clienti operano nel settore dei servizi finanziari, come il banking, gli investimenti o il prestito, può aiutarli a comprendere meglio gli obiettivi, i driver e le barriere per i diversi gruppi di consumatori, il che potrebbe portare a nuove idee sull’eliminazione dei deserti alimentari urbani o sull’espansione del loro marchio a diversi livelli di prezzo.” — Prabhath Nanisetty

Caso d’uso 2: servizi di tesoreria

“Con grandi quantità di dati su più sistemi e piattaforme diverse, il caso d’uso dei servizi di tesoreria è particolarmente adatto alla trasformazione con l’AI. La capacità di incorporare l’intelligenza artificiale nelle analisi di liquidità e capitale, tra cui la semplificazione della previsione e della riconciliazione dei flussi di cassa, e di consentire il rilevamento delle frodi, separerà i vincitori dai ritardatari nel settore. L’AI trasformerà l’esperienza dei dati e democratizzerà il potere dei dati nelle mani dei tesorieri aziendali, consentendo di interrogare con il linguaggio naturale i loro sistemi ERP e altri sistemi contabili.” — James McGeehan

Caso d’uso 3: rilevamento delle frodi 

“Un altro tema ricorrente era l’urgente necessità di una più solida condivisione dei dati delle frodi e dell’infrastruttura in tutto il settore tra gli operatori dei sistemi di pagamento. Con il progresso delle tecnologie di AI e AI agentica, si presentano due opportunità e sfide: Benché mantengano la promessa di abilitare pagamenti più efficienti e sicuri, i criminali stanno anche sfruttando l’AI in modi sempre più sofisticati per creare forme di frode transazionale più difficili da individuare. 

Questa evoluzione sottolinea l’importanza della difesa collettiva; raccogliendo e condividendo insight su schemi fraudolenti e anomalie transazionali tra un’ampia rete di partecipanti, il settore può rafforzare la sua resilienza contro le minacce basate sull’AI. Tale condivisione collaborativa dei dati creerebbe un ecosistema più fortificato, in cui l’intelligenza collettiva di molti fornisce una linea di difesa più forte di quella che qualsiasi singola istituzione o piccolo gruppo potrebbe raggiungere da solo.” — Richard Winston

Vuoi saperne di più sulle prospettive per i servizi finanziari? Registrati al nostro webinar 2025 Financial Services AI & Data Predictions o ricevi la tua copia di “AI Blueprint for Financial Services: How to Get Your Organization Enterprise AI-Ready”.