Il fenomeno del Fintech sta assumendo dimensioni sempre più rilevanti ed ormai è entrato in maniera stabile nelle agende di ogni convegno, congresso, tavola rotonda o workshop del settore bancario. Molte tecnologie, servizi o prodotti sviluppati sotto l’egida del Fintech sono destinati a fondersi nelle banche e nei sistemi bancari di domani: una fusione che in parte è già con noi, nelle nostre tasche, oggi.
Quindi, qual è questo futuro? Come potrebbero apparire le banche future? Se consideriamo i business model adottati, possiamo iniziare con il catalogare le banche in quattro modi:
• Digital banking: ovvero le banche che in cui i servizi vengono erogati su Internet.
• Open banking: si riferisce all’uso di Api aperte che consentono agli sviluppatori di terze parti di creare applicazioni e servizi intorno alla banca.
• Modular banking: secondo Backbase, tale modello consente di sviluppare l’innovazione allo stesso modo di Facebook o Uber ovvero veloce e in linea con le esigenze dei clienti.
• Challenge banking: ovvero banche totalmente con operatività totalmente on line.
Nell’ultimo anno, tuttavia, l’interesse del settore bancario per l’intelligenza artificiale è aumentato oltremodo. Non esiste società di consulenza che non abbia pubblicato ricerche sull’impatto che l’Ia avrà sul settore bancario e sugli investimenti che verranno effettuati per lo sviluppo di soluzioni innovative.
Secondo Accenture, a livello globale, si contano ormai oltre 3000 imprese Fintech di cui diverse centinaia sono relative all’Ia. E se internet e mobile hanno consentito alle banche di ridurre drasticamente il numero delle filiali ed i relativi costi evidenziando la convenienza e l’efficienza nell’abbracciare il digitale, oggi il risultato della tecnologia basata sull’Ia ci guiderà nella nuova era delle “banche di intelligenza artificiale”, ovvero banche che funzionano sull’intelligenza artificiale o con applicazioni basate sull’intelligenza artificiale, superando ogni altro tipo di modello. Le discussioni in merito al futuro del settore bancario, sinora incentrate su apertura e integrazione, si sposteranno sempre di più su comunicazione e automazione da parte dell’intelligenza artificiale.
Diversi sono già gli esempi ed i campi di utilizzo della Ia. In termini di miglioramento della user experience del cliente, i chatbot sono attualmente la forma più visibile di Ai adottata nel settore. Questi assistenti automatici forniscono ai clienti la comodità di risolvere i loro problemi tramite un sistema di messaggistica online, magari usando il loro laptop o smartphone, invece di dover visitare una filiale. Con le tecniche di apprendimento automatico i chatbot stanno migliorando la loro capacità di identificare con precisione i problemi del cliente e di rispondere con le soluzioni appropriate.
JP Morgan utilizza l’intelligenza artificiale per rispondere alle domande dei clienti e anticipare quali saranno le loro esigenze future, mentre l’assistente virtuale di Ubs è potenziato da Amazon Alexa. A gennaio, la Commonwealth Bank of Australia (Cba) ha lanciato il suo bothouse Ceba che è in grado di eseguire 200 attività e discernere con successo 500mila modi diversi in cui i clienti potrebbero chiedere diverse attività bancarie. Nina, la chatbot Ai di Swedbank, può anche trasmettere chiamate più complesse ai membri dello staff è riuscito a risolvere il 78% dei problemi al primo contatto e gestire 30mila conversazioni al mese. Oltre ai chatbot, l’Ia consente anche di automatizzare semplici attività amministrative come l’immissione di informazioni sui clienti e la loro gestione: Ubs cataloga le mail in base al loro contenuto, JPMorgan Chase includendo articoli di notizie, conversazioni telefoniche registrate e documenti legali riesce a gestire in pochi secondi la revisione dei circa 12mila contratti di credito commerciale che manualmente richiederebbe 360mila ore.
L’Ia risulta particolarmente utile anche nella rilevazione delle attività fraudolente e riciclaggio di denaro riducendo drasticamente il tempo che gli analisti spendono per falsi positivi e consentendogli di aumentare il tempo per esaminare ogni caso in modo più dettagliato. Nel trading, invece, è possibile sviluppare algoritmi Ai al fine di produrre strategie di investimento altamente raffinate e offrire prodotti su misura per ciascun cliente a seconda delle circostanze: attraverso il machine learning il sistema può migliorare le sue performance di trading, aiutare i trader ad aumentare la propria efficacia riducendo il pregiudizio umano nel processo decisionale e migliorando i risultati sia per le istituzioni sia per i clienti. Molti di questi progetti sono ancora in fase di sviluppo e devono ancora essere implementati in modo esteso, ma è evidente come la maggior parte delle applicazioni di Ia per l’industria bancaria o finanziaria consentono anche un notevole risparmio in termini di costo del lavoro. Prima o poi, quindi, questo sviluppo comincerà a far parlare di “banche senza bancari” allo stesso modo delle auto senza conducente.
Le startup Fintech e le Bigtech potrebbero diventare leader nello sviluppo della Ia, costringendo le banche a dover recuperare velocemente il gap accumulato. D’altronde realizzare le banche senza bancari è più facile rispetto alla ben più nota nozione di auto senza conducente perché le attività bancarie sono più semplici della guida e il livello di pervasione della digitalizzazione è una costante degli ultimi decenni. Tutto ciò aprirà un’era di quasi completa automazione bancaria inimmaginabile fino a poco tempo fa. Ovviamente restano ancora alcune domande, come il modo in cui esattamente le banche potranno coordinare la straordinaria potenza dell’Ia con il bisogno di interazione umana del cliente quando necessario.
