Se un istituto finanziario guarda oltre le aspettative AI e modera le proprie aspettative, può utilizzare l’intelligenza artificiale per fornire risultati aziendali misurabili. Questa è stata l'esperienza di Importo direttore della scienza delle decisioni Garrett Laird.

Dato l’interesse per Chat GPT e strumenti correlati, il recente brusio sull’intelligenza artificiale è comprensibile. Come molti nel fintech, Laird ricorda agli entusiasti che l’intelligenza artificiale esiste da anni in forme come l’apprendimento automatico. Avant utilizza l’apprendimento automatico nella sottoscrizione del credito da almeno un decennio.

"Non è una soluzione miracolosa", ha detto Laird. “Fa alcune cose davvero, davvero bene. Ma non risolverà tutti i tuoi problemi, soprattutto nel nostro spazio. 

“I prodotti finanziari sono altamente regolamentati, giusto? Questi nuovi LLM (modelli linguistici di grandi dimensioni) sono del tutto inspiegabili; sono praticamente veri e propri modelli a scatola nera, quindi limitano le applicazioni e i casi d'uso."

Perché l'intelligenza artificiale è limitata, dove non lo è

Laird vede chiari casi d’uso nel rilevamento di valori anomali e nell’apprendimento non supervisionato. Attribuisce all'attuale fervore dell'intelligenza artificiale il merito di aver acceso l'interesse per i LLM. Mentre le aziende cercano modi per implementare gli LLM, guardano anche ad altri tipi di intelligenza artificiale.

Le normative impediscono l’utilizzo dell’intelligenza artificiale ovunque nei servizi finanziari. Laird ha citato le numerose classificazioni protette che determinano come e dove possono essere inviati annunci pubblicitari e sollecitazioni. Se il tuo modello di intelligenza artificiale non è in grado di spiegare perché un cliente ha ricevuto un'offerta mentre un altro no, sei in cerca di guai.

"L'apprendimento automatico può essere utilizzato per diventare più conformi perché puoi descrivere empiricamente il motivo per cui stai prendendo le decisioni che stai prendendo", ha detto Laird. “Quando ci sono esseri umani che prendono decisioni… ognuno ha i suoi pregiudizi impliciti, e questi sono difficili da misurare o addirittura sapere quali siano. 

“Con gli algoritmi e l’apprendimento automatico, puoi capire empiricamente se un modello è distorto e in che modo, e quindi puoi controllarlo. Anche se da un lato ci sono molte restrizioni, dall’altro penso che molte delle cose che stiamo facendo con l’apprendimento automatico e l’intelligenza artificiale avvantaggiano i consumatori dal punto di vista della discriminazione e della conformità”.

IA e modelli di formazione

Laird ha affermato che i modelli di formazione dipendono dallo scopo per cui vengono utilizzati i loro sistemi. I modelli antifrode devono essere aggiornati rapidamente e spesso con fonti di terze parti, informazioni storiche e dati sui consumatori.

Questa è un’area in cui l’apprendimento automatico aiuta. Le operazioni di machine learning possono garantire il completamento delle convalide corrette. Impediscono di raccogliere dati o informazioni discriminatori provenienti dalle classi protette. 

Laird afferma che un luogo comune del settore è che il 90% del lavoro di machine learning riguarda la preparazione dei dati. Si compone di due parti: disporre di dati rilevanti e garantire che siano accessibili in tempo reale in modo che possano prendere decisioni aziendali preziose.

Il ruolo sottovalutato dell’intelligenza artificiale nelle decisioni sul credito

Anche se la fornitura di credito potrebbe non comportare la stessa urgenza delle frodi, Laird consiglia anche di considerare come potrebbe trarre vantaggio dall’intelligenza artificiale. I modelli di credito devono disporre di solidi processi di governance e di gestione del rischio. Hanno bisogno di buoni set di dati. Gli istituti di credito richiedono una conoscenza approfondita dei propri clienti che, nel caso dei mutui, può richiedere anni.

"Ottenere l'accesso ai dati giusti è una sfida enorme, e poi assicurarsi che si tratti della popolazione giusta", ha affermato Laird. “Questa è una tendenza verso la quale il settore si sta muovendo: modellizzazione specifica del prodotto ma anche della base clienti. 

“La direzione in cui stiamo andando è come la democratizzazione dell'apprendimento automatico per la sottoscrizione del credito, in cui si hanno modelli che si adattano perfettamente alla tua situazione unica. Ciò rappresenta una sfida per molte banche perché richiede molto capitale umano. Per averli sono necessari molti dati e non è qualcosa che si ottiene da un giorno all'altro."

Leggi anche:

Il ruolo dell'intelligenza artificiale nella mitigazione delle frodi dipende dal tipo di frode

L’intelligenza artificiale abbassa la barriera d’ingresso per i truffatori fornendo strumenti sofisticati e consentendo loro di comunicare in un inglese di migliore qualità. Combatterli coinvolge anche l’intelligenza artificiale come uno dei tanti livelli.

Tuttavia, l’intelligenza artificiale viene utilizzata in modo diverso a seconda dei diversi tipi di frode. I truffatori diretti possono eludere i controlli di identità, il che crea attriti per i clienti legittimi. 

Le frodi compiute da terzi pongono sfide ai modelli vigilati. Tali modelli si basano sugli insegnamenti tratti da casi precedenti di tale frode. Vengono identificate le loro caratteristiche e sviluppati modelli. L’intelligenza artificiale può aiutare a identificare rapidamente questi modelli.

Tuttavia, il processo non finisce mai perché i sistemi devono adattarsi rapidamente mentre i truffatori determinano come superare le sfide di mitigazione. Laird ha detto che si concentra su questo implementando controlli di velocità.

"Abbiamo dedicato un grande sforzo mentale all'identificazione di modi per individuare questi gruppi di cattivi attori", ha detto Laird. “E ci sono molti modi per farlo. Un paio di quelli interessanti che utilizziamo sono i controlli di velocità. Molte volte, un giro di frode mostrerà comportamenti simili. Potrebbero presentare domanda da una determinata area geografica, avere la stessa banca da cui fanno domanda o avere dati del dispositivo simili. Potrebbero utilizzare il VOIP e un numero qualsiasi di attributi simili.

Laird ha affermato che alcune istituzioni utilizzano anche l’apprendimento non supervisionato. Potrebbero non avere obiettivi specifici, ma possono rilevare modelli utilizzando algoritmi di clustering. Se una popolazione inizia ad essere inadempiente o a denunciare una frode, gli algoritmi possono identificare comportamenti simili che necessitano di ulteriore esame.

L’imminente aumento delle frodi sui conti

Le recenti turbolenze del settore finanziario si prestano a un aumento delle frodi legate ai depositi. Se le difese di una banca sono scadenti, potrebbero trovarsi vulnerabili alle frodi già in corso.

"Probabilmente si tratta di un problema che sta già cominciando a manifestarsi e non potrà che peggiorare", ha suggerito Laird. “Penso che con tutto il movimento dei depositi avvenuto la scorsa primavera, con la SVB e tutti gli altri eventi, ci sia stata una folle corsa all'apertura dei depositi.

“E con questo, accadono sempre due cose. C'è un afflusso di volume. Rende più facile per i truffatori passare attraverso le fessure. Inoltre, molte banche l’hanno vista come un’opportunità e probabilmente hanno trovato soluzioni affrettate o hanno ridotto alcune delle loro difese. Riteniamo che probabilmente ci siano molti conti di deposito dormienti, aperti di recente, che probabilmente nel prossimo futuro verranno utilizzati come veicoli per la frode."

Tendenza emergente: modellazione caso-specifico

Laird è tornato alla modellizzazione caso-specifico come tendenza emergente significativa. FICO e Vantage sono buoni modelli utilizzati da molti, ma sono generici per tutto, dai mutui alle carte di credito e ai prestiti personali. Lanciare una rete ampia limita la precisione e, data la crescente concorrenza, sono indispensabili modelli più su misura.

"Posso andare su Credit Karma e ricevere 20 offerte con due clic di un pulsante, oppure posso andare su 100 siti Web diversi e ottenere un'offerta senza incidere sul mio credito", ha osservato Laird. "Se stai cercando di competere con questo, se i tuoi prezzi si basano solo su un punteggio FICO o Vantage, otterrai quel cliente FICO da 700 che tende verso 650, mentre qualcuno con un modello di credito più avanzato sta andando per ottenere quei 700 che tendono verso i 750."

Gli open data sono una miniera d'oro per la modellizzazione

Laird sta osservando con impazienza gli sviluppi successivi al recente annuncio del Consumer Financial Protection Bureau sull'open banking. Gli istituti finanziari devono rendere disponibili i propri dati bancari.

Questa è una miniera d'oro per la modellistica, ha detto Laird. Le istituzioni finanziarie hanno avuto un vantaggio nel concedere prestiti alla propria base di clienti perché solo loro possono accedere a tali informazioni. Ora che sono disponibili al pubblico, questi dati possono essere utilizzati da tutti gli istituti finanziari per prendere decisioni di sottoscrizione. Laird ha affermato che è fondamentale per le istituzioni finanziarie disporre di buone soluzioni.

Frodi, machine learning – Altri trend dell’IA

Le istituzioni finanziarie generalmente adottano approcci conservativi nei confronti dell’intelligenza artificiale. La maggior parte ha utilizzato l’intelligenza artificiale generativa per l’efficienza interna, non per le interazioni dirette con i clienti. Quel momento arriverà, ma con capacità limitate.

Laird ha ribadito il suo entusiasmo per il rinnovato interesse per l'apprendimento automatico. Ritiene che siano adatti ad affrontare i problemi.

"Sono entusiasta del rinnovato interesse per gli investimenti e del desiderio di iniziare a sfruttare l'intelligenza artificiale per le frodi", ha affermato Laird. “È lì da un po'.

“Penso che la maggiore attenzione alla sottoscrizione del credito sia un altro aspetto di cui sono davvero entusiasta perché… con l’arrivo delle nuove normative sull’open banking, penso che le istituzioni finanziarie che non le abbracciano rimarranno indietro. Saranno selezionati negativamente; non saranno in grado di rimanere competitivi. È doveroso che tutti inizino a pensarci e a capire come sfruttare questo aspetto non solo dal punto di vista della frode tradizionale, ma sempre più dal lato del credito”.

.pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .box-header-title { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-avatar img { border-radius: 5% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-size: 24px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { font-weight: bold !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-name a { color: #000000 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { font-style: none !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-description { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-size: 20px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a span { font-weight: normal !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta { text-align: left !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-meta a:hover { color: #ffffff !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-user_url-profile-data { color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-twitter-profile-data { text-align: center !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data span, .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data i { font-size: 16px !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { background-color: #6adc21 !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .ppma-author-linkedin-profile-data { border-radius: 50% !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-author-boxes-recent-posts-title { border-bottom-style: dotted !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { border-style: solid !important; } .pp-multiple-authors-boxes-wrapper.box-post-id-45383.pp-multiple-authors-layout-boxed.multiple-authors-target-shortcode.box-instance-id-1 .pp-multiple-authors-boxes-li { color: #3c434a !important; }

• Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
• PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
• PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
• PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
• Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
• Fonte: https://www.fintechnexus.com/looking-beyond-the-ai-hype-delivering-real-value-for-financial-institutions/