Il finance è tra i verticali più sensibili all’evoluzione dell’offerta digitale, in particolare quando si tratta di riuscire a valorizzare le informazioni disponibili, i dati, per riuscire nelle iniziative di business. Già oggi l’adozione di strumenti di analisi dei dati con l’AI è diffusa e il loro utilizzo è diverso rispetto ad altri mercati. Lo studio Snowflake – Data Trends 2024 Financial Services – inquadra e identifica tre tendenze significative che evidenziano come l’impatto della modernizzazione nell’analisi dei dati incida in questo verticale, ne influenzi strategie, pianificazione e investimenti tecnologici. Il report si basa su dati aggregati e anonimizzati che descrivono in dettaglio l’utilizzo di Snowflake Data Cloud.
Il potenziale dei dati non strutturati
Se ne parla ancora poco, rispetto al loro peso reale, perché si è mentalmente abituati a strutturare i dati in righe e colonne ma è un dato di fatto che i dati non strutturati stanno acquisendo un’importanza sempre crescente. Secondo le stime Mit (Management Sloan School) costituiscono tra l’80% e il 90% delle informazioni disponibili e nel settore dei servizi finance la quantità di dati non strutturati è particolarmente elevata e comprende soprattutto i file Pdf dei contratti di prestito e delle polizze assicurative, le email con i clienti o i partner commerciali, le registrazioni dei call center, solo per fare alcuni esempi. L’analisi di Snowflake marca una crescita anno su anno di circa il 123% per i non-structured data, ma lo spaccato che riguarda solo il finance addirittura del 244%. Si parla di informazioni che, sfruttate adeguatamente, non solo potrebbero accelerare i progressi in termini di analisi di marketing, rilevamento delle frodi e investimenti basati su casi d’uso, ma consentirebbero la programmazione di applicazioni di AI generativa meglio focalizzate sugli obiettivi, tra cui anche la creazione di assistenti di intelligenza artificiale.
Trattare i dati è però oggi affare ben diverso rispetto persino ad un non troppo lontano passato. Per esempio, le regolamentazioni su privacy e sicurezza del dato hanno determinato la crescita degli investimenti nella data governance, tanto più nel verticale finance. Snowflake da questo punto di vista registra l’incremento dell’uso di tagging (proprio per marcare i dati sensibili protetti da policy) e di masking (per limitare l’accesso ai dati protetti da policy) e si parla di una crescita nell’utilizzo di misure di data governance misurabile tra il 70% ed il 100%, sempre solo nell’ultimo anno. Una governance attenta, tuttavia, non sembra impattare sulla possibilità di sfruttare il valore delle informazioni. Il numero di richieste di accesso agli asset di dati protetti da policy, infatti, cresce del 142% in tutti i settori e per i servizi finanziari l’aumento è addirittura pari al 182%, principalmente dovuto al fatto che in questo settore le società sono particolarmente orientate ai dati e dispongono dell’esperienza, della motivazione e delle competenze necessarie per utilizzare i dati in modo più efficace rispetto alla maggior parte degli altri settori. Un aspetto che l’utilizzo dell’intelligenza artificiale esalta ulteriormente.
E’ il linguaggio di programmazione Python quello considerato più adatto alla progettazione e alla realizzazione di applicazioni di AI e risulta il più scelto in Snowpark che è la libreria di codifica integrata nel Data Cloud di Snowflake. In numeri: l’uso di Python cresce del 571% (585% in ambito finance), il triplo di Java, poco meno del doppio di Scala. Le radici open source e la maggiore accessibilità rendono Python preferito rispetto a scelte con caratteristiche più rigide come R, Matlab o Sas. Il problema principale resta la scarsità di sviluppatori esperti su Python anche se proprio nel finance la familiarità con il linguaggio è relativamente elevata. La ricerca Snowflake, in particolare, racconta poi nel dettaglio i vantaggi della GenAI in questo specifico verticale. Andiamo per ordine: nel banking sono elevate le possibilità di automazione intelligente di processi ripetitivi (1), rispetto ad altri mercati. Secondo lo studio quasi tre attività su quattro potrebbe essere automatizzato e nei call center la GenAI può aiutare a sintetizzare le trascrizioni delle chiamate, creare nuovi profili, valutare il sentiment. etc.
A un livello ben diverso di profondità, la GenAI accresce in modo sensibile poi la capacità di analisi sugli investimenti (2): la capacità di scansionare i dati non strutturati può snellire i flussi di lavoro e attivarne di nuovi, virtuosi ad individuare nuove opportunità di business e prima non possibili. Anche l’ambito ‘assicurativo’ beneficia poi in modo particolare di questa efficienza organizzativa facilmente ‘guadagnabile’ (3). E’ possibile ridurre i costi organizzativi ed incrementare l’efficienza in materia di sinistri, sottoscrizioni e servizio clienti. I grandi modelli linguistici infatti possono lavorare in autonomia alla categorizzazione delle email in arrivo e alla definizione delle priorità delle chiamate fino alla valutazione del rischio e al recupero dei dettagli delle polizze dai documenti storici.
Ultimi due punti chiave, che cambiano le possibilità e le modalità di approccio ai problemi: oggi anche i dipendenti che non sono data scientist possono trarre vantaggio dall’utilizzo dell’AI persino sviluppando codice con l’aiuto del linguaggio naturale (4) semplice per ideare, sviluppare e implementare nuove funzionalità più velocemente ed in ultimo è possibile sfruttare l’AI generativa per simulare condizioni di mercato avverse e potenziali rischi futuri (5), per preparare l’organizzazione agli scenari peggiori. E’ possibile anche utilizzarla per generare dati artificiali da utilizzare per lo stress-testing dei modelli finanziari e identificare nuovi modelli di frode. La gestione e la governance unificate dei dati saranno fondamentali per il successo di questi sforzi, sia per le società di servizi finanziari che per l’intera comunità economica, le realtà più lungimiranti già lavorano alla creazione di applicazioni Llm complesse, ma accessibili, e leggono nella disponibilità di un’unica piattaforma dati uno dei vantaggi da inseguire.
© RIPRODUZIONE RISERVATA
