Nel mondo bancario e del credito l’AI generativa si sta facendo spazio tra luci e ombre. Risultati importanti e diversi dubbi. Accelerazioni fulminee e programmi a lungo termine. Per molte banche, a livello internazionale, la Gen AI è un cantiere aperto e in fase di sviluppo.
Quando gli algoritmi di intelligenza artificiale di nuova generazione sono stati lanciati nel 2022, le banche non hanno perso tempo a esplorarne il potenziale nelle principali attività di credito.
Ma, tre anni dopo, i risultati sono contrastanti. Con alcuni istituti finanziari che hanno compiuto buoni progressi nell’implementazione della tecnologia, mentre altri sono rimasti indietro, come rileva un nuovo studio di McKinsey e dell’International Association of Credit Portfolio Managers (IACPM).
Indice degli argomenti:
Gen AI e banche: tra visione, fiducia e scetticismo
In diversi casi, c’è un certo scetticismo sul potenziale della tecnologia per aumentare la produttività, spesso a causa di precedenti esperienze in cui l’implementazione non ha prodotto i risultati attesi.
Per questo motivo, le banche leader del settore stanno adottando un approccio più strategico rispetto al passato, assicurandosi di avere implementato tecnologie, talenti e componenti operativi per conquistare la fiducia degli stakeholder prima di espandersi ulteriormente. Molte stanno anche adottando le capacità decisionali dell’intelligenza artificiale agentica e stanno riscontrando risultati positivi, non solo nelle singole linee di business, ma in tutta l’organizzazione.
Per scandagliare il settore e lo scenario, McKinsey ha censito e coinvolto i manager e decisori di 44 banche, di varie dimensioni, a livello internazionale.
Tra queste, diverse mega-banche (istituti con oltre 1.000 miliardi di dollari di asset), le super-regionali (con asset compresi tra 500 e 1.000 miliardi di dollari), e banche definite regionali (quelle con asset compresi tra 100 e 500 miliardi), oltre a coinvolgere anche diverse compagnie assicurative e società di Broker.
Tra le banche aumentano i casi d’uso
L’AI di nuova generazione sta iniziando a diffondersi, con circa la metà dei dirigenti senior che la identifica come una priorità. Infatti, in applicazioni chiave come il processo decisionale e la determinazione dei prezzi del credito, un numero crescente di istituti sta implementando uno o più casi d’uso.
Inoltre, le applicazioni di credito spesso si classificano alla pari o anche al di sopra di altre applicazioni, con i dirigenti che vedono un particolare potenziale per l’AI di nuova generazione nei sistemi di analisi e allerta precoce dei rischi, nella redazione di note di credito e nelle attività di customer engagement rivolte alla clientela e al mercato.
I dubbi e i freni allo sviluppo
Ma il sentiment all’interno del settore non è universalmente positivo. Molte banche sono caute riguardo alla scalabilità di questi sistemi, a causa del persistente scetticismo sui benefici finanziari della tecnologia. Di conseguenza, solo pochi istituti, soprattutto quelli più grandi, sono all’avanguardia, mentre la maggior parte ammette che i progressi sono stati più lenti del previsto.
Sono diverse le ragioni per un approccio incrementale del settore. Molte banche, ad esempio, non dispongono ancora delle competenze, dei framework e delle architetture operative necessarie per implementare con successo l’AI generativa.
Alla base di queste sfide, emergono due vincoli di fondo e strutturali: in primo luogo, manager e decisori si concentrano troppo su casi d’uso semplici, anziché cercare di trasformare flussi di lavoro più complessi e percorsi end-to-end.
Spesso i cambiamenti sono appena iniziali
In secondo luogo, la maggior parte delle banche ha iniziato solo di recente a implementare l’AI agentica, la versione della tecnologia che utilizza algoritmi decisionali per creare impatti trasversali, ad esempio, nei middle e front office di tutte le linee di business. Allo stesso tempo, le banche che affrontano queste sfide di fondo stanno creando uno slancio competitivo superiore ai loro concorrenti.
Dall’analisi di McKinsey emerge anche che – considerata l’ampia gamma di opportunità di creazione di valore –, il 52% delle banche considera una priorità l’adozione dell’AI generativa. Ciò significa che, in questi casi, i dirigenti senior sostengono questa ambizione anche attraverso investimenti e assunzioni mirate.
Un altro 40% delle istituzioni finanziarie risulta interessato alla Gen AI, ma l’adozione non è ancora una priorità chiara, e per il restante 8% i manager non sono ancora attivamente impegnati sull’argomento.
Le tre funzionalità vantaggiose
L’AI di nuova generazione offre alle istituzioni finanziarie innanzitutto tre funzionalità molto utili:
- la sintesi e concisione, ovvero la capacità di riassumere grandi volumi di dati e informazioni in frammenti comprensibili e più facilmente utilizzabili;
- la generazione di contenuti;
- il coinvolgimento dei clienti, che si manifesta principalmente nell’uso di bot e sistemi smart a supporto dei relationship manager e di altri soggetti che lavorano a contatto con il mercato.
Tra queste tre principali funzionalità, secondo l’analisi svolta, il maggior numero di realtà finanziarie ha compiuto i progressi più consistenti in termini di sintesi e concisione dei documenti e report, con la maggior parte che sperimenta applicazioni di AI di nuova generazione in attività come i sistemi di allerta precoce e le decisioni creditizie.
Ad esempio, alcune banche stanno testando strumenti di Gen AI per trovare documenti e resoconti di valutazione del merito creditizio più appropriati, leggerli, sintetizzarli e trarne conclusioni.
Usare la Gen AI per quali obiettivi?
Nell’avvio e nello sviluppo di casi d’uso, il 47% delle banche ritiene che il fattore più importante sia la promessa di un aumento della produttività, seguito da vicino dalla gestione delle esigenze aziendali e dalla conformità normativa, rispettivamente nel 44% e 25% dei casi.
In particolare, metà delle società finanziarie non considera il ritorno sull’investimento un fattore importante, classificandolo come il fattore meno rilevante nelle decisioni di definizione delle priorità. Un motivo potrebbe essere la mancanza di metodi semplici per quantificare l’impatto finanziario nelle fasi iniziali del processo.
Innovatori, precursori e inseguitori
Per dimensione societaria e del giro d’affari, il gruppo più avanzato nell’implementazione è quello delle cosiddette banche regionali, che superano le mega-banche per numero di casi d’uso. Inoltre, le banche regionali principali sono le più avanzate in termini di ideazione e pianificazione.
Finora sono pochissimi i casi d’uso che hanno raggiunto la fase di piena implementazione. Tuttavia, alcuni sono più avanzati di altri. Ad esempio, il 24% degli istituti finanziari ha implementato completamente casi d’uso per applicazioni ‘ad hoc’, specifiche, mirate e limitate.
Il gap tra opinioni, visione e implementazione
In questo contesto, diverse banche hanno lanciato assistenti LLM (Large language model) virtuali per supportare casi d’uso come l’elaborazione di documenti (conversione in PDF, digitalizzazione) e il QA rapido. E sebbene nessuna banca abbia ancora raggiunto la piena implementazione per la sintesi delle informazioni per le decisioni creditizie, il 27% è in fase di sperimentazione. Anche i casi d’uso per la generazione di contenuti, come la redazione di note di credito e la valutazione dei dati, sono tra i più sperimentati.
Molti manager e dirigenti senior, soprattutto a livello regionale, sono convinti che le applicazioni di Gen AI possano creare efficienze, ma esiste ancora un divario comune e consistente tra opinioni, visione e reale ed effettiva implementazione.
