L’intelligenza artificiale è ormai in cima all’agenda delle banche, ma tra ambizione strategica e risultati concreti si apre un divario che il settore non può più ignorare. Secondo un nuovo studio di Experian, l’89% degli istituti di credito considera l’AI una priorità alta o addirittura critica, destinata a incidere sull’intero ciclo di vita del credito.

Eppure, quasi quattro banche su dieci ammettono di non riuscire ancora a dimostrare un ritorno tangibile sugli investimenti già effettuati. Lo rivela un’indagine condotta su 209 senior decision-maker con ruoli nei settori del credito, delle frodi e dell’analisi all’interno dei servizi finanziari negli Usa e UK condotta da Phronesis Partners per conto di Experian.

Experian è un’azienda globale di dati e tecnologia con sede a Dublino, quotata alla Borsa di Londra, che usa il suo patrimonio di dati, analitics e software per aiutare i clienti a ridefinire pratiche di prestito, scoprire e prevenire le frodi, semplificare l’assistenza sanitaria, fornire soluzioni di marketing digitale e a ottenere insight approfonditi sul mercato automobilistico, con l’obiettivo di raggiungere i propri obiettivi finanziari e a risparmiare tempo e denaro.

La contraddizione messa a fuoco dall’indagine appena pubblicata, fa notare Experian, emerge anche in Europa. In Italia, rilevano analisi di NTT DATA e GFT Technologies, l’adozione dell’AI si concentra su assistenza clienti, marketing personalizzato e automazione dei processi. Ma tra complessità di integrazione, costi elevati e carenza di competenze interne, il passaggio dalla sperimentazione alla creazione di valore misurabile resta la vera sfida.

È su questo scarto tra entusiasmo e risultati che si concentra questa intervista a Giulio Mariani, Director Data & Analytics, Southern EU, di Experian (nella foto).

Dalla vostra ricerca emerge che quasi il 90% degli istituti di credito considera l’AI una priorità strategica: cosa è cambiato negli ultimi anni nel modo in cui il settore percepisce l’intelligenza artificiale?

«Il settore bancario e finanziario, come tutti i principali verticali di mercato, ha indirizzato investimenti sull’AI, comprendendone l’impatto trasformativo nell’organizzazione delle proprie strutture, il modo di lavorare, ma soprattutto il modo di fornire servizi alla propria clientela. Questo cambiamento ha elevato l’AI da strumento tecnologico a priorità strategica, essenziale per mantenere la competitività e generare un vantaggio distintivo sul mercato. L’avvento dell’AI Act ha contribuito profondamente negli indirizzi e modalità di realizzazione e presidi per gestire i rischi associati, fornendo un quadro per l’innovazione responsabile e basata sulla fiducia».

In quali fasi del ciclo di vita del credito l’AI sta già dimostrando il maggiore impatto concreto?

«Il primo uso concreto è relativo alla produttività ed efficienza aziendale, dove i dipendenti che usano AI come strumento di lavoro quotidiano ottengono risultati e prestazioni migliori, contribuendo direttamente all’ottimizzazione dei costi e all’accelerazione dei processi interni. La sfida invece è quella relativa all’integrazione nei processi bancari: l’AI può aiutare nella parte di onboarding digitale, riducendo le frodi e contribuendo ad una esperienza personalizzata e fluida, fondamentale per l’acquisizione e la fidelizzazione della clientela. Ma è anche un supporto fondamentale per il lending, in particolare per i processi di delibera finanziamenti e istruttoria, in quanto garantisce decisioni più rapide, accurate e data-driven che migliorano gestione del rischio (del 61% secondo la nostra indagine) ed efficienza del capitale».

Secondo la vostra indagine il 38% degli istituti fatica ancora a dimostrare un ritorno tangibile sugli investimenti in AI: perché questo passaggio dalla sperimentazione ai risultati è così complesso?

«Gli investimenti in AI possono essere significativi, soprattutto per gli istituti con ambizioni di sviluppo on premise, che richiedono importanti stanziamenti tecnologici e di risorse, oltre ad un adeguamento delle skill del personale. Questa complessità si traduce in una vera e propria sfida strategica, che vede la “disconnessione” tra l’investimento e il ritorno tangibile come la barriera principale, secondo il 38% degli istituti. Nella nostra esperienza, la differenza sta nel realizzare use case concreti, essere attenti alle esigenze della clientela e creare servizi che portino realmente benefici ai consumatori, traducendo la tecnologia in un valore di business misurabile, ad esempio riducendo i tempi di attesa per la valutazione di una richiesta di un mutuo o di un finanziamento ad una impresa».

Quali errori più comuni riscontrate nei progetti di AI che non riescono a generare ROI?

«L’errore più comune si verifica quando le funzioni non collaborano fin dall’inizio del disegno della soluzione e negli impatti che questa può generare. La funzione commerciale, rischio, crediti, così come legal e compliance, sono tutti attori imprescindibili quando si tratta di implementare una tecnologia trasformativa in un sistema regolato e ad alta complessità come quello bancario e finanziario. La mancanza di questa collaborazione strategica interfunzionale porta alla realizzazione di progetti isolati, che non riescono generare un impatto olistico sul business e a tradursi in un ROI significativo, perché l’AI non viene percepita come un asset trasversale ma come una soluzione puntuale».

Cosa significa, in termini pratici, “misurare il valore” di una soluzione di AI per una banca o un istituto di credito?

«Intanto significa impostare metriche chiare di misurazione dei costi: tecnologici, di sviluppo, di formazione, di manutenzione; così come dei benefici, ad esempio: ridurre tempi di erogazione di un finanziamento, ridurre errori manuali, minimizzare il rework nei processi, aumentare il tasso di conversione di campagne di marketing. In termini più strategici, significa quantificare l’impatto diretto sugli obiettivi di business primari, quali maggiore efficienza operativa (ricercata dal 78% degli intervistati), una migliore accuratezza nelle decisioni di credito (77%) e una più efficace mitigazione del rischio (61%). Misurare il valore vuol dire dimostrare come l’AI contribuisca attivamente alla redditività e al vantaggio competitivo dell’istituto».

Quanto è realistico aspettarsi benefici economici nel breve periodo e quanto invece serve una visione di medio-lungo termine?

«Con le dovute attenzioni, i benefici dell’adozione dell’AI sono evidenti già in un arco temporale di 2 anni. Partire da progetti trasversali e pilota può essere un quick win per limitare inizialmente gli investimenti e poi scalare. Questi quick win sono fondamentali per validare la tecnologia, costruire fiducia interna e dimostrare il potenziale, fungendo da trampolino per investimenti più ampi. Tuttavia, per ottenere un vantaggio competitivo duraturo e un impatto trasformativo profondo, è indispensabile una visione di medio-lungo termine, che consenta di integrare l’AI in modo sistemico e di capitalizzare appieno il suo potenziale per la crescita e l’innovazione strategica».

In Italia l’AI viene applicata soprattutto a customer service, marketing e automazione: il settore finanziario italiano è allineato ai trend internazionali oppure no?

«In Italia, come negli altri mercati, oltre ai trend sopra citati stiamo vedendo una sempre maggiore attenzione del mondo dell’onboarding digitale e del lending, come parte di un più ampio impulso verso una digitalizzazione profonda dell’intero ciclo di vita del credito. Sul canale digitale, in particolare, i dati del nostro osservatorio pongono l’Italia, insieme alla Spagna, tra i mercati più innovativi e dinamici in Europa».

Ci sono specificità del mercato italiano che rendono l’adozione dell’AI più complessa o, al contrario, più promettente?

«Dopo la pandemia, l’Italia ha consolidato il canale digitale, con una crescita importante sia nella quota di coloro che aprono nuovi conti sia dei soggetti che chiedono un finanziamento fully digital. Questa maturità digitale del cliente è un fattore estremamente promettente, creando un terreno fertile per l’applicazione dell’AI al fine di massimizzare l’efficienza e la personalizzazione dei servizi, sbloccando nuove opportunità di business. Allo stesso tempo, gli ambiti dell’automazione e dell’ottimizzazione dei motori di concessione rappresentano ancora aree di miglioramento per il nostro paese, considerando anche che altrove in Europa gli investimenti sono già iniziati da tempo».

La ricerca evidenzia ostacoli come integrazione complessa, costi e mancanza di competenze interne: qual è oggi la barriera più difficile da superare?

«Una delle barriere più importanti è la strategia di adozione: spesso si tende a pensare che l’AI possa essere sviluppata e manutenuta con un solo team e tecnologie in-house, oppure al contrario puntando esclusivamente su provider esterni. Si tratta di una scelta strategica cruciale, che, come è naturale, può presentare vantaggi e svantaggi: la difficoltà maggiore risiede nel trovare il giusto equilibrio che massimizzi l’agilità e il time-to-market, riducendo al contempo i costi e il rischio di insuccesso. Spesso, nella nostra esperienza, trovare il giusto equilibrio tra “make or buy” è una scelta che riduce tempi e costi, anche nel lungo termine».

Che ruolo possono giocare i partner tecnologici nel colmare questi gap?

«I partner possono aiutare nella messa a terra di use case molto specifici grazie ad esperienze maturate su diverse realtà industriali. L’AI è una tecnologia trasformativa anche per i settori delle telecomunicazioni, dell’energia e dei trasporti e ogni esperienza concreta maturata da un partner può essere presa come esempio. Grazie a questa esperienza trasversale, i partner tecnologici possono diventare alleati strategici indispensabili, non solo perché consentono di accelerare il time-to-value ma anche perché hanno già l’expertise necessaria a ridurre i rischi legati a implementazione e messa in produzione, e a tenere traccia delle complesse trasformazioni dell’AI.
Con Experian stiamo facendo questo: sviluppare motori AI per aiutare banche e finanziare concedere finanziamenti riducendo il rischio e minimizzando i tempi di erogazione per clienti privati e small business».

Siamo entrati nella fase post-entusiasmo dell’AI: cosa distingue chi avrà successo da chi resterà indietro?

«Così come per i motori di ricerca su internet, i consumatori stanno chiaramente esprimendo l’apprezzamento nell’usare questa tecnologia. Le banche di successo saranno quelle che riusciranno a declinare al meglio questa abitudine d’uso per erogare i migliori servizi ai clienti in modo proattivo, riducendo al contempo i rischi e rendendo le operazioni nel complesso più fluide.»

Se dovesse dare un consiglio a un manager bancario che investe oggi in AI, quale sarebbe?

«Farsi guidare dai bisogni concreti dei clienti. Spesso l’AI migliore è quella che non si vede e di cui non si parla ma che dà valore. Bisogna assicurarsi che ogni investimento in AI sia intrinsecamente legato a un chiaro obiettivo di business e a un misurabile impatto sul cliente e sulla redditività dell’istituto».