Il settore bancario, da alcuni anni a questa parte sta senza dubbio affrontando importanti sfide: da un lato gli istituti finanziari hanno la necessità di aumentare la propria competitività sul mercato internazionale, e magari crescere di dimensioni, mantenendo sotto controllo i propri costi. D’altra parte, devono rapportarsi con clienti, business e consumer, che richiedono servizi sempre più semplici e allo stesso tempo efficaci, fruibili in maniera digitale e continuativa. Oltretutto, i tradizionali operatori del banking devono guardarsi dalla crescente irruzione sul mercato di nuovi attori dinamici e digitali, che rischiano di sottrarre le aree di mercato a maggiore valore aggiunto. Come è possibile affrontare sfide di questa portata? Da un punto di vista prettamente tecnologico, l’intelligenza artificiale rappresenta sicuramente una delle chiavi su cui puntare e sulla quale, effettivamente, stanno già puntando moltissimi operatori del banking.
Prima di tutto, però, è bene fare chiarezza e comprendere di che cosa si stia esattamente parlando, al di là di tutti gli aspetti teorici. Nel concreto, con la sigla AI, si fa riferimento a quelle tecnologie informatiche che permettono di sviluppare delle macchine dotate di capacità autonome di apprendimento e adattamento, ispirate ai modelli di apprendimento umani. Le soluzioni AI hanno infatti la potenzialità di comprendere l’ambiente in cui sono inserite, mettersi in relazione con esso e, soprattutto, risolvere autonomamente i problemi che si frappongono verso uno specifico obiettivo, sulla base degli input ricevuti e adattando il proprio comportamento a seconda degli effetti delle azioni precedenti.
La crescita del mercato italiano
Oggi esistono tante tecnologie legate alla vasta famiglia dell’intelligenza artificiale (Intelligent Data Processing, Natural Language Processing, RPA, Chatbot/Virtual Assistant, Computer Vision) che stanno già trovando effettiva applicazione in ambito aziendale, anche in Italia, nonostante un 2020 estremamente complicato per via della pandemia. Secondo la stima effettuata dall’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2020 la spesa per lo sviluppo di progetti di AI ha raggiunto nel nostro Paese quota 300 milioni di euro, un volume che equivale a un sorprendente +15% rispetto al 2019. In particolare, sulla spinta della pandemia si è assistito a uno sviluppo a doppia cifra (+28%) dalla classe Chatbot/Virtual Assistant, che ha causato un repentino trasferimento dei clienti sui canali digitali. Di particolare rilevanza, inoltre, è che il settore bancario/finanziario si sia confermato il settore a cui è attribuibile la quota di investimenti in AI più elevata (23%) sul mercato italiano.
L’importanza dell’AI per il banking
Perché l’intelligenza artificiale gioca un ruolo così importante per il settore bancario? In estrema sintesi, l’AI è in grado di supportare e automatizzare i processi interni che impattano sui servizi alla clientela, affidando al software la parte automatica dell’operatività, per ridurre gli errori e velocizzare i risultati, abilitando anche il giusto grado di personalizzazione. Inoltre, le tecnologie basate sull’intelligenza artificiale hanno la potenzialità di migliorare il processo decisionale umano in termini di velocità e precisione, con enormi ricadute economiche e di produttività. Tanto che, secondo una stima di McKinsey, la AI potrebbe potenzialmente garantire fino a 1.000 miliardi di dollari di valore aggiuntivo ogni anno al sistema bancario globale. Addirittura, in prospettiva esiste il rischio – per quelle banche che non riusciranno a mettere questa tecnologia al centro della loro strategia – di essere sopraffatte dalla concorrenza e abbandonate dalla maggioranza dei loro clienti.
L’AI per il customer management
Vediamo più da vicino in che modo l’intelligenza artificiale può cambiare radicalmente il mondo del banking. Come abbiamo accennato in precedenza, tra i processi bancari su cui può essere applicata con successo l’intelligenza artificiale ci sono sicuramente quelli che lavorano sul miglioramento dell’esperienza utente sui diversi canali bancari. In particolare, l’AI permette di studiare i dati di tutte le transazioni bancarie e le movimentazioni dei flussi, su qualsiasi canale, in qualsiasi filiale e su tutti i touch/cash point per fornire risultati su tendenze, stagionalità e redditività di ogni singolo servizio. L’applicazione dei corretti algoritmi di Data Mining e Machine Learning consente di estrapolare importanti insights, da cui è ad esempio possibile approfondire la soddisfazione, il comportamento o il rischio di abbandono, assicurando un customer journey più personalizzato. Sempre in ambito customer management, attraverso l’introduzione di algoritmi di deep learning è possibile effettuare azioni ad alto valore aggiunto: oltre alla ormai classica rilevazione delle caratteristiche del volto dei clienti, si può arrivare in chiave marketing alla creazione di gruppi di utenti basati su profili similari, che offrono così la possibilità di elaborare programmi di fidelizzazione personalizzati o servizi pensati per specifici cluster di utenti. L’obiettivo della AI, in ogni caso, è sempre quello di favorire una migliore customer retention.
L’analisi predittiva abilitata dai dati
La gestione del cliente è senza dubbio l’ambito di applicazione più esplorato e conosciuto dell’AI in ambito bancario ma, come abbiamo anticipato, gli algoritmi di machine learning possono essere utilizzati anche per ottimizzare previsioni e analisi strategica del business. Tutto questo grazie allo sfruttamento di un bene intangibile che gli istituti finanziari possiedono in grandi quantità: i dati. Un’analisi dei dati evoluta, supportata dall’AI e fruibile attraverso l’integrazione nativa con le piattaforme di Business intelligence, è infatti capace di abilitare la banca allo sviluppo di nuovi modelli di rendimento e nuovi ruoli nella value chain. In particolare, una delle applicazioni più immediate è l’analisi predittiva: si tratta del processo che utilizza i dati storici a disposizione per fornire previsioni di scenari futuri in determinate condizioni. Le previsioni generate da specifici algoritmi di AI risultano fondamentali per ottimizzare la gestione dei rischi operativi e assicurare sempre maggiori livelli di servizio e l’accessibilità continua per gli utenti.
Applicazioni concrete: gestione degli asset e movimentazione del contante
Chiaramente, per le banche l’analisi predittiva può essere applicata a vari processi interni, tra i quali ad esempio la gestione del ciclo di vita dei dispositivi fisici e la filiera di gestione del contante. Nel caso della gestione degli asset, l’intelligenza artificiale è in grado di individuare pattern e trend a cui applicare un algoritmo di manutenzione previsionale, che consente a sua volta di tratteggiare scenari estremamente precisi di interventi su ogni singolo asset e sul futuro funzionamento del dispositivo.
Nel caso del processo di movimentazione del contante, invece, è possibile partire dai dati di ogni singolo cash point per elaborare un modello predittivo che riesca a prevedere i movimenti di prelievi, versamenti e ricicli. Tale modello può così essere applicato per il miglioramento del processo di rifornimento di contante per ogni filiale o singola macchina.
Non va inoltre sottovalutato l’apporto della AI alla sicurezza informatica, dal momento che le banche sono particolarmente nel mirino del cybercrime. In un panorama di minacce in continua evoluzione, per gli istituti di credito diventa fondamentale comprendere in anticipo quali potrebbero essere gli attacchi più insidiosi per la propria organizzazione in un determinato momento. L’adozione di una strategia di AI, basata sulla raccolta e l’analisi di informazioni provenienti da molteplici fonti, può essere la chiave per rilevare e contenere i potenziali problemi ancora prima che essi si verifichino.
Chatbot integrati con i servizi bancari
Come abbiamo spesso potuto sperimentare da semplici utenti, si sta assistendo a un proliferare di assistenti virtuali (chabot) nei portali degli istituti bancari, in piena ottica customer management. Il principale vantaggio di queste soluzioni è rappresentato dell’assistenza e supporto in real time per il cliente, 24 ore su 24 e sette giorni su sette. Le chatbot, ad esempio, possono identificare i fondi nel flusso di cassa del cliente e spostarli automaticamente su un conto corrente. Oppure segnalare qualsiasi attività sospetta sugli account e fornire consigli per la gestione finanziaria, oltre a velocizzare il flusso di lavoro, ridurre la quantità di chiamate verso i call center e migliorare l’assistenza ai clienti.
Auriga: dall’AI benefici tangibili per le banche
Le potenzialità dell’intelligenza artificiale per il mondo bancario sono ben note ad Auriga, operatore italiano specializzato da oltre 25 anni nella realizzazione di software per la banca multicanale. Secondo Auriga, le informazioni e le previsioni generate dalla tecnologia AI permettono alle banche di ottimizzare la gestione dei rischi operativi, assicurare sempre maggiori livelli di servizio e garantire l’accessibilità continua per gli utenti.
In particolare, al centro della strategia di Auriga per l’intelligenza artificiale c’è il modulo WWS AI, che può essere integrato con le soluzioni legacy delle banche, così da abilitare con efficacia l’analisi predittiva, attraverso lo studio dei dati storici a disposizione. Il vantaggio principale è legato al controllo dei costi di manutenzione degli asset e dei dispositivi, nonché di quelli di movimentazione del contante. Non va poi trascurato il miglioramento della customer experience: la possibilità per l’utente di trovare sempre a disposizione il contante di cui ha necessità, senza vagare di sportello in sportello, costituisce senz’altro un elemento in grado di aumentare il tasso di soddisfazione. Questa applicazione della AI, insomma, è in grado di assicurare benefici tangibili a un settore che ha la necessità di ridurre le spese di gestione e migliorare al contempo l’efficienza dei servizi.
Nel prossimo futuro Auriga, grazie all’integrazione di moduli AI nelle proprie soluzioni, sarà in grado di mettere a disposizione dei canali di home banking (internet banking, mobile banking e mobile payment) e self-service (ATM/ASST/chioschi) un assistente virtuale capace di supportare gli utenti nell’utilizzo degli stessi. Questo sistema potrà essere integrato all’interno del servizio di assistenza clienti, riducendone i costi e migliorandone la qualità.
in collaborazione con Auriga
