Dibattito aperto: strategie di IA per le banche

L'intelligenza artificiale (IA) sta trasformando il settore bancario, offrendo opportunità senza precedenti per l'innovazione, l'efficienza operativa e servizi migliori per i clienti. Tuttavia, le opportunità presentano anche delle sfide, come la sicurezza dei dati e la conformità, oltre alle considerazioni dal punto di vista etico. 

Questi argomenti sono stati discussi di recente in un webinar, AI Strategies for Scalable, Secure and Compliant Banking, ospitato da Finextra. Durante il webinar, Richard Harmon, vicepresidente e responsabile globale dei servizi finanziari di Red Hat, e Will Caban, product manager, hanno collaborato con il CTO di Dwolla, Skylar Nesheime a Sharon Kimathi di Finextra per esplorare le procedure e gli strumenti migliori per l'integrazione dell'IA nel settore bancario, sottolineando l'importanza dei modelli open source, dell'IA generativa (gen AI), dell'uso di dati sintetici e dei framework normativi.

Sperimentazione ed esplorazione

In un sondaggio condotto durante il webinar e pubblicato nel report pubblicato successivamente al webinar, il 58% degli intervistati ha sostenuto che la maggior parte degli istituti di servizi finanziari è ancora in fase di sperimentazione o esplorazione. Sebbene le tendenze e gli scenari di utilizzo possano variare da un'organizzazione all'altra, durante il webinar sono emersi chiari esempi di come le banche stiano sperimentando l'IA.

• Intelligenza artificiale generativa: Viene spesso considerata come un'iniziativa di impatto sul cliente, che fornisce risposte rapide alle richieste. L'IA generativa può anche essere un potente strumento per l'analisi del mercato e lo sviluppo di nuovi prodotti.
• Prevenzione della criminalità finanziaria: i sistemi di IA possono analizzare grandi quantità di dati per identificare modelli e anomalie che indicano attività fraudolente. Un efficace rilevamento delle frodi protegge le risorse della banca e aumenta la fiducia dei clienti.
• Elaborazione dei pagamenti: L'IA può semplificare e ottimizzare le transazioni in modo più efficiente, garantendo transazioni più sicure, più rapide ed economiche, a vantaggio di consumatori e istituzioni.
• Agentic AI: Gli agenti di IA che svolgono attività in modo autonomo promettono di rivoluzionare il settore bancario. Gli agenti di IA monitorano i sistemi, identificano i problemi e intraprendono azioni correttive, migliorando l'efficienza operativa e l'esperienza del cliente.

I dati sintetici e l'enigma normativo

I dati sintetici sono fondamentali nell'IA, soprattutto nel settore bancario, dove la privacy dei dati è fondamentale. Generato da algoritmi, replica i dati reali senza rivelare informazioni sensibili, consentendo la condivisione e l'analisi di nuovi dati. Ciò migliora la sicurezza e promuove l'innovazione, come dimostrato nel rilevamento dei reati finanziari, in cui le istituzioni possono collaborare ai modelli senza mettere a rischio i dati dei clienti. 

I dati sintetici migliorano notevolmente la condivisione di dati preziosi tra istituzioni e paesi, rafforzando i loro sforzi collettivi. Sono fondamentali per l'addestramento dell'intelligenza artificiale, soprattutto considerando i costi elevati e l'accesso limitato ai dati reali. Con i dati sintetici, le organizzazioni possono generare rapidamente set di dati di grandi dimensioni per l'addestramento dei loro sistemi di IA avanzati, aumentando la scalabilità e la convenienza. Inoltre, aiutano a ridurre le distorsioni riscontrate nei dati effettivi, offrendo modelli di IA più accurati ed equi. 

L'equilibrio tra regolamentazione e innovazione è essenziale per un'implementazione etica dell'IA. Nuove normative, come l'Artificial Intelligence Act (AI) dell'UE, enfatizzano la privacy, la trasparenza e la solidità dei dati, riducendo i rischi e creando fiducia. Una regolamentazione efficace dovrebbe proteggere l'innovazione e garantire al contempo la sicurezza, richiedendo una conoscenza approfondita delle tecnologie coinvolte. 

L'industria deve sviluppare framework che supportino l'innovazione e garantiscano allo stesso tempo l'adozione di misure di sicurezza contro l'uso improprio. In un altro sondaggio, il 41% dei partecipanti al webinar ha citato i problemi di conformità come motivo alla base dell'adozione completa dei servizi basati sull'intelligenza artificiale. 

Procedure consigliate da considerare

Sebbene le best practice per l'IA si evolvano rapidamente, le banche dovrebbero tenere conto di alcune linee guida. Uno dei consigli più importanti da ricordare, secondo Caban, è "smettere di inseguire le nuove tendenze". 

"Perché è questo il punto: non importa quale sarà la prossima grande novità. Qualcuno la copierà, perché al giorno d'oggi è molto facile", ha affermato Caban. Invece, bisogna concentrarsi sulle criticità descritte dai clienti e sulle problematiche interne alle aziende, e farlo in un modo iterativo, che porti l'innovazione sostenibile dell'IA alla organizzazione." Consiglio saggio.

Ecco altre raccomandazioni sempre valide:

• allinea l'IA agli scenari di utilizzo bancari, alla gestione dei dati e alla governance, per creare un'IA aziendale conforme, sicura e scalabile;
• prendi in considerazione l'utilizzo di modelli, pesi, algoritmi e framework di IA open source per offrire trasparenza, supporto alla community e la possibilità di contribuire alla conformità a normative come l'EU AI Act;
• promuovi un approccio equilibrato all'adozione dell'IA, concentrandoti sulla risoluzione di problemi specifici, garantendo la conformità normativa e alimentando una cultura di empatia e collaborazione.

Conclusioni

L'IA nel settore bancario presenta vantaggi e sfide uniche. Il miglioramento dell'efficienza e dell'esperienza dei clienti aumenta l'interesse per nuovi scenari di utilizzo. Le banche devono allineare l'adozione dell'IA a pratiche responsabili per massimizzare la crescita e la soddisfazione dei clienti. Adottare strumenti di intelligenza artificiale, utilizzare dati sintetici e rispettare le normative è fondamentale per sfruttare appieno il potenziale dell'IA. Affrontare le problematiche etiche e i pregiudizi negli ambienti normativi migliora l'efficienza e l'innovazione. Concentrandosi sulle esigenze dei clienti e promuovendo l'empatia, il settore finanziario può ottenere crescita e innovazione con le giuste strategie e misure di sicurezza.

Red Hat si impegna a fornire soluzioni innovative basate sull'intelligenza artificiale al settore dei servizi finanziari. Red Hat AI aiuta ad accelerare l'adozione di servizi pronti per la produzione. Visita la nostra pagina dedicata ai servizi finanziari per saperne di più. Per scoprire come Red Hat può aiutarti a creare LLM personalizzati utilizzando Red Hat Enterprise Linux AI e un generatore di dati sintetici (SDG), dai un'occhiata alla nostra demo interattiva.