Intelligenza artificiale e pagamenti: applicazioni e sviluppi futuri

L’Intelligenza artificiale applicata ai pagamenti sfrutta i dati delle transazioni per offrire soluzioni più efficienti ai clienti. Scopriamo come in questo articolo.
Intelligenza artificiale e pagamenti applicazioni e sviluppi futuri

Cos'è l'intelligenza artificiale?

Quando si parla di Intelligenza Artificiale (in inglese Artificial Intelligence spesso abbreviato in AI) si fa riferimento a un ramo dell’informatica che, attraverso la programmazione di sistemi hardware e software, permette di dotare le macchine di caratteristiche considerate tipicamente umane. Si tratta non solo di capacità di calcolo e conoscenza di dati, ma anche di tutte quelle forme di intelligenza che comprendono la percezione spaziale, temporale e decisionale.

I sistemi di Intelligenza Artificiale si basano su algoritmi in grado di riprodurre i ragionamenti tipici degli esseri umani ed effettuare scelte a seconda dei contesti in cui sono inseriti. Grazie all’automazione, una grande mole di dati può essere metabolizzata in breve tempo, riuscendo ad estrapolare informazioni e individuando collegamenti che sfuggirebbero alla mente dell’uomo.

Applicazioni dell’Intelligenza Artificiale

intelligenza artificiale

Un grande passo avanti è stato fatto con l’introduzione di algoritmi per apprendere dall’esperienza, man mano che nuovi dati vengono processati; tali algoritmi rientrano in una sub-categoria dell’Intelligenza Artificiale nota come Machine Learning (in italiano “apprendimento automatico”), consiste nell’abilità delle macchine di apprendere dall’esperienza senza essere state esplicitamente e preventivamente programmate a svolgere una determinata azione. I sistemi intelligenti sono così in grado di essere operativi in quei contesti in cui non sono prevedibili.

Altre possibili applicazioni dell’Intelligenza Artificiale sono il Cognitive Reasoning (CR), ossia la replicazione del processo cognitivo umano, e il Deep Learning (DL), a sua volta una categoria del Machine Learning che utilizza algoritmi (chiamati reti neurali artificiali) ispirati alla struttura e alla funzione del cervello. Tutte queste categorie di AI si basano sull’analisi di ampi volumi di dati strutturati, cioè organizzati secondo schemi e tabelle rigide.

Esistono anche applicazioni in grado di gestire dati non strutturati, come file a carattere narrativo o multimediale. In particolare, gli algoritmi Natural Language Processing (NLP) e Semantic AI hanno come scopo l’analisi e la comprensione del linguaggio naturale; sono utilizzati per la personalizzazione dell’offerta ai clienti e per simulare conversazioni umane mediante chatbot. Le informazioni contenute in immagini e video, invece, vengono estrapolate grazie alla Computer Vision (CV) che si occupa di riprodurre i processi e le funzioni dell’apparato visivo umano.

Crescita dell’AI: i driver dello sviluppo

A seguito della diffusione dei big data e di innovazioni nell’elaborazione su cloud e nella potenza di calcolo, oggi l’Intelligenza Artificiale sta crescendo più veloce che mai. Si prevede che entro il 2028 l’intero mercato dell’IA raggiungerà 360 miliardi di dollari, con un tasso di crescita annuale del 33.6%. Oggi le aziende hanno accesso a una quantità di dati senza precedenti e molte stanno iniziando a capire in che modo i sistemi intelligenti possono contribuire alla crescita aziendale.

Per prima cosa, l’automatione di processi rende più efficiente e snella l’esecuzione di compiti ripetitivi, consentendo notevoli risparmi di costi e di tempo, oltre a ridurre gli errori e ottimizzare l’utilizzo delle risorse.

Inoltre, grazie al Machine Learning, le applicazioni AI possono apprendere dai dati in tempo quasi reale attraverso l’analisi di nuove informazioni provenienti da molte fonti. Disponendo di un flusso regolare di notizie sul comportamento delle persone, le aziende riescono ad aumentare la personalizzazione dell’offerta e a migliorare il servizio clienti con un conseguente impatto positivo sui ricavi. Poiché le macchine non risentono dei bias della mente umana, possono scoprire lacune e opportunità di mercato, aiutando l’impresa a presentare nuovi prodotti e servizi per favorire l’innovazione e il vantaggio competitivo.

L’Intelligenza Artificiale può aiutare anche nel soddisfacimento delle richieste del Regolatore, preparando la documentazione necessaria in modo efficiente, senza ricorrere alla manodopera fisica.

Intelligenza Artificiale e Pagamenti

L’ottimizzazione offerta dai sistemi intelligenti comporta benefici per tutte quelle attività ripetitive ad alto volume che devono gestire una grande mole di dati strutturati. Dall’altro lato, le macchine sono capaci di produrre output migliori quando dispongono di una grande mole di dati.

Le realtà finanziarie che processano i pagamenti detengono una miriade di dati relativi ai consumatori, da cui è possibile fare inferenza sulle preferenze e sui comportamenti degli individui. Risulta quindi comprensibile il contributo fornito dall’Intelligenza Artificiale al settore dei pagamenti, specialmente per la diffusione dei canali digitali, rendendo più semplice e sicuro il processo di acquisto e migliorando la soddisfazione dei clienti.

Vediamo nel dettaglio gli ambiti in cui i sistemi intelligenti possono essere applicati:

Operazioni bancarie e Tesoreria

L’impiego di algoritmi ne aumenta l’efficienza attraverso l’automazione di processi come la gestione di conti correnti e la pianificazione finanziaria. Il software consente di trasferire fondi da un conto a un altro secondo certe condizioni, oltre a individuare immediatamente le carenze di liquidità e reperire capitale sul mercato alle migliori condizioni. Attraverso l’analisi storica di dati, il sistema è capace di prevedere squilibri finanziari e anticipare le decisioni di finanziamento, permettendo quindi una selezione mirata delle fonti. Per esempio, esistono algoritmi capaci di individuare le migliori opportunità nel mercato dei cambi. Inoltre, algoritmi di Optical Character Recognition (OCR) permettono la lettura automatizzata di fatture e conti da pagare, convertendo tali documenti in data set pronti per l’analisi finanziaria.

Credit Scoring

La valutazione della solvibilità dei clienti avviene mediante modelli matematico-statistici capaci di attribuire un punteggio “score” in base alla capacità del cliente di pagare i suoi debiti. Maggiori sono gli input dei modelli, più completo è il giudizio finale: di conseguenza, l’Intelligenza Artificiale consente di ottenere risultati più precisi e personalizzati, basandosi su informazioni in tempo reale come reddito, dati storici sull’occupazione, potenzialità di guadagno e abitudini di consumo. A differenza dei metodi tradizionali di credit scoring, basati sulla performance passata del debitore, i sistemi intelligenti forniscono una visione più completa e derivante da un paniere più ampio e diversificato di dati. Questo è particolarmente importante per favorire l’inclusione finanziaria di quei soggetti a cui verrebbe negato l’accesso al credito se il giudizio si basasse solo su dati storici sul reddito: si pensi, ad esempio, a giovani lavoratori di cui non si hanno abbastanza dati sui salari passati, pur avendo un’intera carriera davanti e potenzialità di crescita. Da uno studio recente, l’utilizzo di AI nel credit scoring consentirebbe alle banche di prestare denaro al 77% di persone in più e di conseguenza aumentare i guadagni.

Evitare frodi finanziarie

Entro il 2025 si stima che nel mondo le perdite dovute a frode ammonteranno a 44 miliardi di dollari; ad oggi i negozianti attribuiscono il 10-15% delle loro perdite a casi di truffa. Grazie all’Intelligenza Artificiale è possibile identificare anomalie che potrebbero indicare una potenziale frode. Infatti, tutte le volte che un consumatore acquista fornisce informazioni riguardo le sue preferenze e i suoi comportamenti; scostamenti da queste attitudini possono essere individuati da software e segnalati per un controllo più accurato della transazione.

Compliance

Algoritmi di Natural Language Processing e Semantic AI possono dare un contributo al rispetto dei requisiti legali, attraverso la lettura automatica di regolamenti e la loro immediata implementazione nel sistema aziendale, seguito poi da un sistematico controllo all’interno dei processi. Inoltre, l’Intelligenza Artificiale può aiutare le imprese a comprendere meglio i clienti attraverso il processo di Know Your Customer KYC, oltre a ottimizzare la funzione di antiriciclaggio, in inglese Anti-Money Laundering AML. L’importanza di migliorare KYC e AML è evidente: il riciclaggio di denaro assorbe circa il 5% del PIL mondiale. Le macchine, programmate per riflettere la policy aziendale, sarebbero in grado di segnalare casi sospetti e fornire un’analisi più veloce e completa rispetto a un’esecuzione manuale delle stesse attività.

Roboadvisors e Chatbots

I roboadvisors sono in grado di comprendere bisogni, profilo di rischio, obiettivi di guadagno a partire dai dati finanziari del cliente. In futuro, questi algoritmi potrebbero calcolare la migliore strategia di investimento per un cliente, oppure suggerire il miglior tipo di assicurazione; con l’avvento dell’open banking e la possibilità di accedere a un’enorme varietà di dati, si prevede che l’utilizzo di questi strumenti aumenterà notevolmente, permettendo una maggiore personalizzazione dell’offerta.

Quando si parla di chatbots, invece, si fa riferimento a software che simulano conversazioni umane grazie a algoritmi NLP. Utilizzati per fornire informazioni ai clienti sul loro account o sulle transazioni effettuate, i chatbots consentono di ridurre i costi della manodopera e allo stesso tempo fornire un servizio a milioni di persone contemporaneamente.

Blockchain

La combinazione di Intelligenza Artificiale e Blockchain apporta benefici a entrambe le parti: da un lato, la trasparenza dei dati offerta dalla tecnologia blockchain consente ai sistemi intelligenti di fare inferenza sulla base di dati accuratamente documentati, specialmente riguardo al profilo storico dei pagamenti, su fornitori e destinatari dei fondi. Dall’altro lato, l’applicazione di AI in una blockchain può migliorare la sicurezza delle transazioni aiutando a individuare quelle sospette, oltre a perfezionare il funzionamento degli smart contract. Questi si basano su algoritmi che consentono di applicare specifiche azioni al verificarsi di certe condizioni; lo sviluppo futuro degli smart contract potrebbe avvenire attraverso l’introduzione di algoritmi adattivi, propri delle metodiche classiche dell’Intelligenza Artificiale. Un altro aspetto importante riguarda il dispendio energetico: la blockchain richiede una grande potenza di calcolo per la cifratura dei blocchi contenenti le transazioni e potrebbe beneficiare della condivisone della potenza computazionale offerta dai sistemi intelligenti.

Il futuro dell'AI nei pagamenti

Il settore bancario e quello dei pagamenti stanno vivendo un momento di forte trasformazione, complice anche la concorrenza delle fintech che hanno promosso l’utilizzo diffuso di tecnologie digitali. Inoltre, l’entrata in vigore della PSD2 e la diffusione dell’open banking ha autorizzato la condivisione dei dati di pagamento con gli attori dell’ecosistema dei servizi finanziari, aumentandone la competitività.

mano robot e mano umana

In questo contesto, Intelligenza Artificiale e il Machine Learning sono chiamati a svolgere un ruolo strategico nel fornire modelli di monetizzazione dei dati che sfruttano la conoscenza profonda delle abitudini di pagamento.

Inoltre, si prevedono importanti applicazioni dell’AI nella validazione biometrica dei pagamenti mobile. L’uso di sistemi di riconoscimento facciale consentirebbe di raggiungere un miglior equilibrio tra le esigenze di sicurezza e facilità d’uso dei pagamenti, allo stesso tempo migliorando la customer experience.

Sempre riguardo all’esperienza di acquisto, un altro vantaggio è la riduzione del problema delle transazioni negate offerta dagli algoritmi di Deep Learning che sfruttano l’analisi di transazioni passate.

Inoltre, l’AI aiuta le aziende nella procedura di onboarding, permettendo di conoscere e verificare online l’identità di una persona e ottenere una firma legalmente valida di contratti e documenti, tutto questo creando modelli che si adeguano costantemente a ogni tentativo di frode.

L’Intelligenza Artificiale sta già contribuendo a migliorare la soddisfazione dei clienti nei servizi di pagamento attraverso soluzioni personalizzate e sicure; ciò ha permesso alle aziende che hanno compreso il valore strategico dei sistemi intelligenti di beneficiare di minori costi, compliance rafforzata, e aumento dei ricavi.

Conclusioni

Senza dubbio, i big data prodotti dalle transazioni rappresentano il perfetto campo da gioco per l’Intelligenza Artificiale: la presenza dei sistemi intelligenti nel settore dei pagamenti è destinata ad aumentare, accompagnati da un uso crescente della tecnologia blockchain.

Le maggiori sfide aperte al momento riguardano la dimensione etica: si aprono nuovi scenari in cui il lavoro dell’uomo viene sostituito dalle macchine e questo può suscitare paure e riluttanza nei confronti dell’AI.

Inoltre, un altro tema saliente riguarda la qualità dei dati: se questi sono parziali oppure contengono decisioni umane influenzate da pregiudizi, si corre il rischio che il motore possa produrre risultati distorti.

Pertanto, il migliore scenario futuro prevede la giusta complementarietà fra uomo e macchina in cui la supervisione umana consenta il corretto funzionamento degli algoritmi, senza frenarne lo sviluppo.

Ginevra Manfriani avatar
Ginevra Manfriani

Studente di Economia e Finanza presso Università Bocconi