La tua organizzazione di servizi finanziari è pronta a sfruttare l’AI generativa?

Il settore dei servizi finanziari, essendo basato sui dati, è stato tra i primi ad avvalersi delle tecnologie AI. In un recente sondaggio del settore, il 46% degli intervistati ha dichiarato che l’intelligenza artificiale ha migliorato la customer experience, il 35% che ha creato efficienze operative e il 20% che ha ridotto il TCO. Ora l’AI generativa (Gen AI) ne ha ingigantito l’importanza e le organizzazioni hanno iniziato a investire copiosamente in questa tecnologia. IDC stima che la spesa globale per la Gen AI crescerà da 16 miliardi di dollari nel 2023 a 143 miliardi nel 2027, con un tasso di crescita annuo composto (CAGR) del 73,8%. Il settore dei servizi finanziari sarà probabilmente ai primi posti nell’adozione di questa tecnologia, con una spesa prevista di 24,6 miliardi di dollari nel 2027, pari al 17,2% del mercato totale della Gen AI.

Benché le possibilità della Gen AI e dei large language model (LLM) siano illimitate, i dirigenti del settore finanziario devono essere consci dei molteplici rischi e sfide relative ai dati che si presentano quando si implementa l’intelligenza artificiale per generare contenuti originali. L’accesso a fonti di dati di alta qualità, robusti controlli di governance e solide misure di sicurezza sono assolutamente indispensabili. Secondo IDC, “alla fine, la Gen AI vedrà un’ampia adozione solo se i dati, i modelli e le applicazioni che li utilizzano godono della fiducia degli utenti finali e dei clienti”.

Ecco come una solida strategia dati può aiutare la tua organizzazione di servizi finanziari a superare le barriere e gli ostacoli per ottenere un vantaggio competitivo con la Gen AI.

Per prima cosa, esaminiamo gli attuali casi d’uso per l’AI generativa. Finora, gli investimenti del settore si sono concentrati in tre aree: 

• Customer experience. La Gen AI può aiutare le società di servizi finanziari a differenziarsi offrendo una customer experience più completa ed efficace in un settore noto per i suoi processi lunghi e lenti. Ad esempio, gli istituti di credito possono utilizzare chatbot e robo‑advisor per rispondere a domande mirate sugli investimenti e fornire consigli finanziari basati sul comportamento in pochi secondi. Gli agenti assicurativi possono utilizzare i LLM per analizzare i dati amministrativi e accelerare l’elaborazione delle richieste di rimborso. 

• Report sui rischi e sulla conformità. La conformità alle normative sta diventando un’attività operativa sempre più complessa. Secondo Thomson Reuters, il 73% dei team rischi e conformità prevede un aumento della quantità di informazioni normative pubblicate dalle autorità di regolamentazione e dalle borse valori nel prossimo anno. La Gen AI può velocizzare i processi necessari per riassumere, sintetizzare e implementare queste nuove norme. Inoltre, l’utilizzo di dati sintetici generati dall’AI può accelerare gli stress test e la valutazione e previsione dei rischi di esposizione, compresi quelli relativi alle fluttuazioni dei tassi di interesse e ai potenziali fallimenti.

• Market intelligence e gestione del portafoglio. La Gen AI può aiutare a dedurre il clima di mercato e i trend della finanza analizzando dati non strutturati come rendicontazioni, report e notiziari. Questo consente alle banche e ai gestori patrimoniali di prepararsi a spostamenti inattesi dei mercati e a rivedere e modificare rapidamente le proprie strategie. Simulazioni algoritmiche avanzate, alimentate da grandi quantità di dati previsionali, possono fornire consigli più accurati e affidabili in relazione ai modelli di rischio. La Gen AI può inoltre creare dati finanziari sintetici e aiutare gli investitori a sviluppare strategie di trading più flessibili.

I dati utilizzati per addestrare i modelli Gen AI, e la tecnologia e le infrastrutture che supportano l’intelligenza artificiale generativa, sono molto importanti per il successo di questi casi d’uso. Nell’integrare i modelli Gen AI nelle proprie roadmap per l’analisi dei dati e l’intelligenza artificiale, i dirigenti del settore finanziario devono essere consci delle problematiche associate alla raccolta, all’archiviazione e all’elaborazione dei dati che alimentano i modelli. 

• Accesso e qualità dei dati. La Gen AI dipende da un accesso facile e rapido a dati di prima parte all’interno dell’organizzazione, dati di seconda parte condivisi direttamente dai partner e dati di terza parte di provider di dati esterni. Tuttavia, una porzione significativa di questi dati non è strutturata, il che pone varie sfide per la ricerca, la catalogazione e l’analisi. Considerando che si stima che il 90% dei dati esistenti sia di tipo non strutturato, chi può attingere a questa nuova fonte di insight sarà in grado di sorpassare i propri rivali.

• Governance e sicurezza dei dati. Un’attenta governance del training dei modelli è essenziale per ridurre il rischio di esporre dati sensibili, come le informazioni personali o i segreti commerciali e le proprietà intellettuali (IP) dell’azienda. È importante notare che i diritti IP dei contenuti generati da AI saranno oggetto di continue discussioni dal punto di vista legale, normativo e politico. Di conseguenza, le organizzazioni di servizi finanziari dovranno creare un framework di governance adattiva per la Gen AI in grado di garantire la qualità, l’affidabilità e la sicurezza dei dati e dei modelli utilizzati e proteggere al contempo la privacy dei dati.

• Risorse di elaborazione. Il successo dell’implementazione della Gen AI dipende dalla selezione del giusto language model, addestrato e calibrato su dati specifici per il settore e per il caso d’uso. Questo potrebbe comportare il training di modelli con trilioni di parametri, che richiede capacità di archiviazione scalabile, grandi quantità di memoria e un’elevata potenza di calcolo. È essenziale disporre di una piattaforma tecnologica in grado di fornire una capacità elevata e la massima flessibilità. Tuttavia, la domanda di potenza di calcolo e spazio di archiviazione necessari per gestire enormi quantità di dati strutturati e non strutturati presenta una sfida significativa, poiché queste risorse sono spesso costose e difficili da acquisire e gestire. Inoltre, rimane difficile reclutare personale per i vari ruoli connessi all’intelligenza artificiale, come data engineer, AI data scientist e AI product owner.

• Conformità alle normative. Il codice generato dalla Gen AI deve rispettare le leggi e gli standard del settore, soprattutto quando utilizza dati aziendali. Negli Stati Uniti, la Securities and Exchange Commission (SEC) ha recentemente proposto nuove regole sull’uso dell’intelligenza artificiale da parte di intermediari e consulenti finanziari allo scopo di risolvere potenziali distorsioni e conflitti di interesse che potrebbero derivare dall’adozione della Gen AI. Guardando all’Europa, la legge UE sull’intelligenza artificiale che entra in vigore nel 2024 potrebbe incidere su alcuni casi d’uso dell’AI nel rapporto diretto con il consumatore. Insieme alla consapevolezza e alla formazione sull’uso etico dell’intelligenza artificiale in tutta l’organizzazione, è importante disporre di una piattaforma sicura e governata che protegge la privacy dei dati e rispetta le leggi e le norme applicabili. 

Per sfruttare la Gen AI ed evitarne le insidie, le società di servizi finanziari hanno bisogno di una strategia dati chiara e completa con tre elementi chiave: 

• Eliminazione delle barriere per i dati. La democratizzazione dei modelli di dati consente ai leader del settore finanziario di accedere ai dati e analizzarli senza dover ricorrere ai data scientist, e questa è un’opportunità rivoluzionaria. Per sbloccare questo potenziale è necessario abbattere i silos di dati all’interno dell’organizzazione e con i partner e le entità esterne. È inoltre necessario consentire l’accesso diretto ai dati grezzi e curati in formati aperti o provenienti da terze parti. Tuttavia, le organizzazioni di servizi finanziari che utilizzano soluzioni esistenti e on‑premise avranno difficoltà a raccogliere, unificare e condividere i dati.

• Un’infrastruttura dati moderna. La Gen AI richiede la convergenza di enormi quantità di dati provenienti da sistemi e cloud diversi e il provisioning immediato di notevoli risorse di calcolo e archiviazione. Una piattaforma dati moderna può fornire la potenza richiesta per gestire queste attività. Può offrire anche l’infrastruttura LLM gestita necessaria per allocare dinamicamente le risorse e per eseguire, ottimizzare e creare LLM con modelli open source e di terze parti. Questo consente di creare e gestire i modelli in modo efficiente e di scalarli con la crescita del volume dei dati. Una piattaforma moderna può inoltre fornire componenti AI/ML integrati che mettono la potenza della Gen AI e del ML nelle mani dell’intera azienda, non solo degli esperti di AI.

• Governance e sicurezza robuste. Le organizzazioni finanziarie hanno bisogno di un ambiente unificato, governato e sicuro in grado di supportare lo sviluppo della Gen AI end‑to‑end. Nel 2022, il costo medio di una violazione dei dati per le aziende di servizi finanziari è stato di quasi 6 milioni di dollari. L’implementazione della Gen AI senza solide misure di sicurezza potrebbe esporre le aziende a maggiori rischi in questo campo. Senza adeguati controlli di governance, le aziende si espongono al rischio di violazioni della privacy, mancata conformità alle normative e danni reputazionali. Robusti controlli di governance sono necessari anche per garantire che le decisioni prese dai sistemi di Gen AI siano etiche, eque e allineate ai valori e ai requisiti normativi dell’azienda. 

L’intelligenza artificiale generativa offre alle organizzazioni di servizi finanziari numerosi vantaggi competitivi. Per sfruttare questo momento di straordinarie opportunità, le imprese devono comprendere le sfide legate ai dati e adottare una strategia dati di vasta portata in tutta l’organizzazione. 
Per scoprire come Snowflake può aiutare la tua organizzazione di servizi finanziari a utilizzare la Gen AI per produrre risultati aziendali migliori, visita Snowflake Financial Services Data Cloud. Per ulteriori consigli sulla pianificazione e l’esecuzione di una strategia AI per l’impresa, scarica il white paper dedicato a come introdurre l’AI generativa nelle aziende di servizi finanziari.