FINTECH E AI: SERVE UN REALITY CHECK?
Nel mondo del fintech, l'intelligenza artificiale è diventata la nuova parola d'ordine, catalizzando massicci investimenti e generando aspettative sempre più alte. Ma è davvero tutto oro quello che luccica? Secondo alcuni esperti del settore, è giunto il momento di un reality check sul ruolo dell'AI nei servizi finanziari.
La corsa all'oro dell'AI nel Fintech
Il settore finanziario sta vivendo una vera e propria "febbre dell'AI", con il 30% degli investimenti totali diretti verso progetti di intelligenza artificiale solo nel secondo trimestre del 2024. Questa corsa all'innovazione, tuttavia, nasconde alcune verità scomode che meritano di essere analizzate.
Grafico della distribuzione degli investimenti nel settore fintech con focus sull'AI. Credit: Chrunchbase
L'AI come strumento, non come soluzione universale
L'esperienza di SteadyPay - azienda fintech specializzata in soluzioni di pagamento - raccontata dal suo CEO John Downie, offre una prospettiva illuminante: secondo l'imprenditore, l'AI dovrebbe essere vista come "uno strumento per potenziare l'intelligenza umana, non per sostituirla". Questa distinzione è fondamentale, soprattutto quando si tratta del futuro finanziario dei clienti.
Un aspetto sorprendente emerso dall'esperienza sul campo è che spesso le soluzioni più semplici si rivelano anche le più efficaci. Come sottolinea Downie, "molte aziende fintech usano l'AI in modo sbagliato, impiegando reti neurali complesse laddove basterebbero semplici alberi decisionali". Occorre dunque considerare l'intero processo: i costi di implementazione, la modalità di applicazione e soprattutto la reazione dei clienti: soltanto se tutto ciò produce un bilancio positivo, allora ha senso ricorrere all'AI. Insomma, secondo Downie, usare l'AI per compiti per cui non è necessaria è semplicemente insensato: less is more.
Tre verità scomode sull'AI
Nel suo articolo su AI Business, Downie spiega più nel dettaglio che cosa intende quando sostiene che l'AI è spesso sopravvalutata o usata erroneamente.
Personalizzazione eccessiva
La personalizzazione messa in atto dall'AI si traduce spesso in un'esperienza artificiosa e poco utile: chatbot prolissi o consigli generici non sono per nulla efficaci. Ciò che i clienti cercano veramente è l'empatia, non consigli automatizzati e verbosi.
Modelli complessi = migliore valutazione del rischio
Contrariamente alla credenza popolare, modelli AI più complessi non garantiscono necessariamente una migliore valutazione del rischio. L'esperienza di SteadyPay ha dimostrato che il passaggio a reti neurali più sofisticate ha prodotto risultati simili ai modelli precedenti. La vera innovazione sta nella capacità di utilizzare grandi quantità di dati in modo intelligente e trasparente.
Velocità a scapito dell'accuratezza
La velocità non è sempre sinonimo di efficienza. In alcuni casi, come nella valutazione finanziaria dei clienti, prendersi più tempo per raccogliere dati completi può portare a decisioni migliori e più sostenibili.
La verità sta nel mezzo: un approccio equilibrato
La chiave per il successo - allora - sta nel trovare il giusto equilibrio. L'AI può essere estremamente efficace in determinate aree, come la classificazione dei dati, dove si è dimostrata più economica da mantenere rispetto ai metodi tradizionali. Tuttavia, ogni implementazione dovrebbe essere guidata da un chiaro caso aziendale e non dal semplice desiderio di seguire le tendenze del momento.
Principi guida per l'implementazione dell'AI
- Privilegiare la trasparenza e la chiarezza delle decisioni
- Focalizzarsi sulla risoluzione di problemi reali dei clienti
- Mantenere un approccio equilibrato tra automazione e supervisione umana
- Valutare attentamente i costi di implementazione e manutenzione
L'AI, soprattutto nel fintech non è né un demone né la panacea di tutti i mali. È uno strumento potente che, se utilizzato con saggezza e consapevolezza dei suoi limiti, può portare a significativi miglioramenti nei servizi finanziari. La sfida per le aziende del settore è quella di resistere all'euforica tentazione dell'hype e concentrarsi invece su implementazioni pragmatiche e orientate al valore per il cliente.
Fonti:
AI Business
Chrunchbase
