Secondo John Kain, responsabile dello sviluppo del mercato dei servizi finanziari di Amazon Web Services (AWS), l’intelligenza artificiale generativa (GenAI) e gli agenti AI stanno rivoluzionando il settore dei servizi finanziari, migliorando l’esperienza utente, il rilevamento delle frodi, l’innovazione nei pagamenti e i processi di conformità.
Kain ha spiegato che, negli ultimi dieci anni, l’intelligenza artificiale è diventata un elemento fondamentale per la modernizzazione del settore finanziario. Tuttavia, ciò che ha cambiato radicalmente il panorama negli ultimi due anni è stato l’impatto dell’intelligenza artificiale generativa sui processi esistenti. Kain ha sottolineato tre tendenze principali che stanno influenzando il settore bancario, dei mercati dei capitali, assicurativo e dei pagamenti:
- Esperienza utente integrata: Grazie all’intelligenza artificiale, i servizi finanziari stanno migliorando l’onboarding, la personalizzazione dei prodotti, l’assistenza e la gestione del back-end, creando esperienze altamente personalizzate in tempo reale, basate sui comportamenti degli utenti
- Modernizzazione dei dati: I sistemi tradizionali stanno evolvendo per consentire un migliore accesso ai dati, favorendo servizi più personalizzati e una maggiore efficienza nelle analisi
- Servizi finanziari integrati: Le aziende stanno includendo strumenti finanziari all’interno di catene del valore più ampie, raggiungendo i consumatori tramite vari canali, come l’e-commerce, le piattaforme social e le app mobili
Nel campo dei pagamenti, Kain ha evidenziato la diffusione dei sistemi di pagamento istantanei a livello globale, come l’UPI in India e il Pix in Brasile, che offrono transazioni immediate con commissioni basse. Negli Stati Uniti, le banche stanno accelerando l’adozione di questi sistemi, come evidenziato in un recente rapporto di PYMNTS Intelligence.
L’evoluzione dei pagamenti digitali sta cambiando le aspettative dei clienti, con innovazioni come il “Compra ora, paga dopo” e l’utilizzo di stablecoin, che pongono nuove sfide per le infrastrutture e la prevenzione delle frodi. L’apprendimento automatico viene impiegato per migliorare la rilevazione delle frodi, in particolare nei pagamenti istantanei, dove è fondamentale ridurre al minimo gli errori. AWS sta sostenendo l’adozione di soluzioni avanzate come l’addestramento di modelli distribuiti per il rilevamento delle frodi e l’uso di ambienti sicuri per il trattamento dei dati sensibili, così come si legge su pymnts.com.
Kain ha anche parlato della crescente diffusione degli agenti AI, sistemi in grado di interagire tra loro e svolgere compiti per conto dell’utente. Questi agenti sono già utilizzati per migliorare il servizio clienti. Ad esempio, Remitly, una società di trasferimento di denaro, utilizza GenAI per gestire il 95% delle transazioni senza problemi, mentre il restante 5% – che riguarda casi complessi come l’identificazione del cliente – viene gestito con l’ausilio dell’intelligenza artificiale.
Altri esempi includono:
- Automazione dei call center: trascrizione in tempo reale, analisi del sentiment e indirizzamento verso canali digitali
- Conformità: accelerazione delle indagini antiriciclaggio (AML), con riduzioni dell’80%-90% nei tempi di elaborazione utilizzando i modelli di linguaggio
- Personalizzazione: le banche utilizzano l’AI per personalizzare non solo l’offerta di prodotti, ma anche le modalità di pagamento ottimali per ogni cliente
Per quanto riguarda la precisione delle risposte generate dall’intelligenza artificiale, Kain ha affermato che i modelli sono stati perfezionati utilizzando tecniche come la generazione aumentata dal recupero (RAG), che migliora l’affidabilità delle informazioni fornite. Inoltre, AWS ha sviluppato piattaforme come Bedrock, che utilizzano sistemi di monitoraggio per ridurre gli errori (cosiddette “allucinazioni”), raggiungendo un tasso di successo del 75%.
Tuttavia, Kain ha sottolineato che, nonostante i progressi, rimane un elemento umano cruciale nelle decisioni finanziarie più importanti.
Riguardo ai costi legati all’adozione di GenAI, Kain ha spiegato che AWS sta lavorando per ridurre le spese attraverso l’uso di chip personalizzati (Inferentia e Trainium), modelli distillati e strumenti che ottimizzano le prestazioni economiche. I modelli più piccoli e specializzati per compiti specifici, infatti, riducono i costi pur mantenendo alte le performance.
Kain ha anche fatto riferimento a Nova, la famiglia di modelli linguistici di AWS, che è disponibile a un costo significativamente inferiore rispetto ai modelli di concorrenti diretti. Inoltre, con l’adozione di soluzioni come DeepSeek R1, sviluppato da una startup cinese, le aziende possono utilizzare intelligenza artificiale avanzata senza preoccuparsi di compromettere la privacy dei propri dati, poiché questi rimangono all’interno dei confini aziendali.
Un esempio pratico riguarda il Nasdaq, che inizialmente utilizzava un modello linguistico molto grande per attività AML, ma ha poi ottimizzato i costi combinando modelli più piccoli per la sintesi delle informazioni e modelli più ampi per la generazione dei report, mantenendo la qualità ma abbassando il costo.
In conclusione, Kain ha ribadito che il futuro della tecnologia AI in ambito finanziario sarà caratterizzato da un’ulteriore flessibilità, con molte aziende che continueranno a testare e trovare l’approccio più adatto alle proprie esigenze economiche e operative.
