In questo periodo di importanti cambiamenti e di trasformazione digitale, gli Istituti di Credito si trovano a fronteggiare sfide sempre più complicate e riferibili a numerosi campi, quali la governance, un articolato complesso di norme, i valori aziendali e la gestione delle risorse, nonché i settori ricerca e sviluppo.
Una ricerca condotta da ABI Lab, in collaborazione con CRIF, evidenzia che 9 banche su 10 hanno previsto ingenti investimenti per questi progetti mentre la metà circa ha già avviato delle piattaforme di Al Governance. L’introduzione dell’intelligenza artificiale ha provocato effetti positivi in diversi settori, quali gli NPL, o nell’ambito dei cambiamenti a lungo termine delle temperature sui rischi di portafoglio.
AI osserva e valuta anche i rischi da eventi climatici
L’aumentata attenzione al tema del cambiamento climatico ha accentuato la necessità da parte delle istituzioni finanziarie di misurare l’entità dei rischi in portafoglio riferiti alle catastrofi naturali. Per questo motivo è stata creato un programma che aggrega dati e algoritmi per sostenere banche e assicurazioni nella valutazione, nella rilevazione e nella comunicazione dei rischi economici derivanti da eventi naturali catastrofici.
L’intento del progetto era di realizzare uno strumento che permettesse di raggruppare tutte le informazioni necessarie alla valutazione dei rischi climatici, coadiuvati da una solida metodologia in linea con le caratteristiche stabilite da chi ha il compito di governare la situazione creditoria globale della società, e con i documenti di orientamento istituzionali Piattaforme per il governo degli NPL.
Intelligenza Artificiale nelle banche, come funziona
Il programma di CRIF ha consentito di ricavare stime di impatto congiunto del rischio climatico e di realizzare uno studio sull’equilibrio economico-finanziario dell’azienda. La soluzione permette di rendere gli Istituti di Credito più coscienti dei rischi climatici a cui sono esposti i propri portafogli. E’ stato applicato un sistema di algoritmi con l’obiettivo di prendere in considerazione gli esiti, le scadenze e i costi legali dell’iter di gestione dei Non-Performing Loans in modo da coadiuvare le decisioni dei responsabili finanziari.
Questi modelli permettono di valutare la possibilità di aggiudicarsi lotti immobiliari e calcolare i principali KPI riferibili ai pignoramenti mobiliari. Il sistema è impiegato soprattutto per l’attività di assistenza nella valutazione dei portafogli di NPL e la piattaforma viene poi ceduta come servizio agli Istituti di Credito per la gestione degli NPL. L’utilizzo costante dei dati open ha consentito inoltre un aumento rilevante delle performance.
La conoscenza delle piattaforme di apprendimento automatico è diventata sempre più significativa per le banche che vogliono capire come i loro sistemi assumono decisioni. Per rispondere a queste necessità sono stati sviluppati un insieme di strumenti e di tecniche utilizzate per aiutare i decision maker aziendali a comprendere meglio perché un modello di intelligenza artificiale genera certe decisioni grazie alla descrizione del suo funzionamento.
