L’intelligenza artificiale (AI) e il machine learning vengono rapidamente adottati per una vasta gamma di applicazioni nel settore dei servizi finanziari. Come tale, è importante non trascurare le implicazioni relative alla stabilità del sistema così come conosciuto fino a oggi.
Poiché gli usi di questa tecnologia nel settore sono in una fase nascente e perciò in rapida evoluzione e i dati sull’utilizzo sono in gran parte non ancora consolidati, qualsiasi analisi deve essere necessariamente preliminare e gli sviluppi in quest’area devono essere monitorati attentamente.
Esistono già molte applicazioni dell’Artificial Intelligence in diversi campi. L’adozione in questi “casi d’uso” è stata guidata dalla presenza di diverse condizioni, come il continuo progresso tecnologico e la disponibilità di dati e infrastrutture del settore finanziario oltre che dalle esigenze di migliorare la redditività delle aziende.
Umani e computer: un binomio vincente.
I computer sono veloci, precisi e stupidi. Gli umani sono incredibilmente lenti, imprecisi e brillanti. Le macchine seguono esclusivamente le regole. Gli umani usano il giudizio e la ragione.
Molti analisti finanziari hanno paura della “rivoluzione” rappresentata dall’Intelligenza Artificiale. La maggior parte teme che comporterà la sparizione di professioni lavorative o la rovina delle loro carriere. Anche se potrebbe essere vero in una certa misura, non si può dimenticare che l’unica cosa che l’intelligenza artificiale non può replicare è la creatività umana. La logica è sostituibile: chiunque può fare 1+1.
Poiché la velocità di calcolo continua a crescere, presto il cervello umano non sarà più il computer più performante.
A favore della diffusione di queste tecnologie, giocano un ruolo importante anche i costi hardware in diminuzione, il facile accesso alla potenza di calcolo dei servizi cloud e la minore necessità di spazi fisici per la memorizzazione.
AI e Fintech vanno d’accordo con la mente umana?
Gli esseri umani tuttavia non corrono il rischio di essere sostituiti, in quanto possiedono proprio quell’abilità creativa che i software non possono padroneggiare. Con la nostra capacità di lettura globale e le nostre soft skill, possiamo cambiare e adattarci a contesti piuttosto differenti.
I computer invece non sono in grado di pensare fuori dagli schemi della loro programmazione: sono delle macchine molto veloci e brave nello svolgere mansioni ripetitive.
Per questi motivi, molte applicazioni mirano a quella che viene definita come “intelligenza aumentata” o miglioramento delle capacità, piuttosto che alla sostituzione in ambito professionale degli esseri umani. Anche se i progressi nell’AI e nell’apprendimento automatico continuano (il deep learning continua a fare passi da gigante), l’intento non è quello di replicare pienamente l’intelligenza umana.
Nel ciclo di gestione e interpretazione dei dati, un essere umano è essenziale: a differenza delle macchine, siamo in grado di prendere in considerazione il contesto e utilizzare la conoscenza generale per mettere nella giusta prospettiva le conclusioni elaborate dall’AI.
Gli strumenti a disposizione degli analisti finanziari.
La varietà di fattori che hanno contribuito al crescente uso della tecnofinanza, in generale ha anche stimolato l’adozione di sistemi di AI e machine learning nei servizi finanziari.
Dal lato dell’offerta, i mercati finanziari hanno beneficiato della disponibilità di sistemi AI sviluppati in origine per settori differenti. Gli stessi strumenti che guidano i progressi del machine learning nei motori di ricerca e nelle auto a guida autonoma possono essere adottati nel settore finanziario.
Ad esempio, gli “entity recognition tools” che consentono ai motori di ricerca di comprendere e distinguere quando un utente online fa riferimento alla scuderia Ferrari piuttosto che all’omonimo spumante, vengono ora utilizzati per identificare rapidamente notizie o rumors sui social media rilevanti per le aziende quotate in Borsa.
Gli sviluppi tecnologici nel settore finanziario hanno contribuito alla creazione di infrastrutture e set di dati. La proliferazione delle piattaforme di commercio elettronico è stata accompagnata da un aumento della disponibilità di dati di mercato di alta qualità in formati strutturati. In alcuni Paesi, come gli Stati Uniti, le autorità di regolamentazione del mercato consentono alle aziende quotate in Borsa di utilizzare i social media per fare dichiarazioni pubbliche.
Oltre a rendere disponibili i dati finanziari digitalizzati per l’apprendimento automatico, l’informatizzazione dei mercati ha consentito agli algoritmi AI di interagire direttamente con i mercati, introducendo in tempo reale ordini complessi di acquisto e vendita basati su un processo decisionale sofisticato, in molti casi con interventi umani minimi.
