L'evoluzione della specie
La trasformazione guidata dall'Intelligenza Artificiale continua ad accelerare.
In questa fase, le banche si trovano di fronte a nuove sfide e opportunità, che rendono necessario prestare attenzione a una pluralità di aspetti, tutti attraversati trasversalmente da un'importante trasformazione culturale.
I principali aspetti interessati da tale trasformazione sono, da un lato, quello della strategia aziendale, che riguarda il grado di pervasività dell'IA all'interno dell'attività bancaria, il budget dedicato, i benefici riscontrati e le sfide aperte, oltre naturalmente allo stato di avanzamento delle medesime. Dall'altro, invece, ci sono gli aspetti di governo, che abbracciano i temi organizzativi, i processi, la gestione delle competenze e le questioni inerenti la dimensione etica e il presidio dei rischi.
Con riferimento agli aspetti strategici, si osserva che l'IA rappresenta, oggi, una voce di investimento sempre più rilevante per le banche italiane. Il 76% dei rispondenti all'indagine ABILab (2023) dichiara di disporre di un budget dedicato e nel 65% dei casi tale budget è superiore ai 500mila euro e nel 59% si prevede che lo stesso cresca ulteriormente nel 2023. Si rafforza, inoltre, la tendenza a interpretare l'IA come un driver strategico di trasformazione. L'88% dei rispondenti, infatti, ha dichiarato che ha definito/sta definendo una strategia ad hoc, che dovrà poi porsi in sinergia con la Data Strategy aziendale. Questo tema sottintende anche il rafforzamento di partnership ed ecosistemi utili a favorire l'innovazione. Di fatto, già oggi le banche italiane ricorrono a modelli di sourcing misto per lo sviluppo di soluzioni di IA, combinando la leva del make e del buy in modo opportuno e interfacciandosi con una molteplicità di attori (partner ICT, startup, ecc.)
Nel definire un percorso di trasformazione IA driven è anche importante inquadrare i benefici che le banche intendono ricercare e ottenere. A tale proposito, è interessante notare che esse non riferiscono esclusivamente un tema di ritorni economici volti alla riduzione dei costi (dichiarato dal 53% del campione), ma anche riportano un miglioramento dei processi decisionali (53%) oltre al rafforzamento della relazione con il cliente finale (41%) e, non ultimo anche il tema inerente il miglioramento dei prodotti/servizi esistenti. Di fatto, la maggioranza di use case, già presenti nel mercato, riguardano il supporto ai canali (assistiti e self service) e il supporto alle funzioni di controllo.
Per quanto concerne, invece, i temi di governance, la maggior parte delle banche rispondenti (58%) dichiara di lavorare alla messa in funzione di un framework per il governo dell'IA e tali iniziative si pongono spesso in continuità con gli sforzi che, negli anni passati, sono stati dedicati alla definizione di un modello aziendale di Data Governance, ampiamente operativo presso le banche.
I principali pilastri sui quali le banche intendono costruire tale impianto di governance sono quelli della trasparenza, spiegabilità e tracciabilità. Ritengono, altresì utile dotarsi di un impianto di monitoraggio che consenta di valutare i risultati dell'IA dal punto di vista dell'efficacia di business, efficienza tecnica, governo ed etica. Monitoraggio che risulta già attivo in circa il 40% del campione.
Un ulteriore e importante fattore riguarda le competenze, che sono necessariamente eterogenee (in quanto spaziano dai temi di risk management, cybersecurity e privacy) oltre alla necessità di inserire nuovi profili in ambito IA con riferimento ai Data Scientist, Data Engineering e Machine Learning Engineering. Nell'ambito della governance, un altro tema rilevante riguarda la verifica dei principi etici, che fanno riferimento ai concetti di fairness (garantire che l'IA sia equa e imparziale), transparency (verificare di come i dati siano utilizzati e i sistemi prendano decisioni) oltre agli aspetti di privacy (volti cioè ad assicurare che i dati dei clienti non vengano utilizzati oltre l'uso previsto e dichiarato). Non ultimo, le banche intendono anche investire nell'accountability, ponendo un focus su regole, policy e modelli che consentano di determinare la responsabilità in merito alle decisioni assunte dal sistema di IA. Naturalmente, in tutto questo, un ruolo rilevante verrà giocato anche dai presidi normativi in tema di conformità dei sistemi di IA.
Di conseguenza, si aprono nuove sfide per le banche. Tenendo presente che l'IA non riguarderà solo competenze tecnologiche, ma introdurrà cambiamenti su tutta l'organizzazione, sul fronte della governance si renderanno necessari processi e impianti organizzativi che favoriscano la sua adozione consapevole e responsabile. Inoltre, la velocità di adozione dell'IA sarà un fattore chiave, così come la comprensione dei suoi impatti sulla sfera etica, sociale e della sostenibilità.