dalla rivoluzione tecnologica al valore concreto – CREDIT VILLAGE

Intervista a Roberta Di Fabio, Head of Special Projects Manteia 

L’intelligenza artificiale nel settore del credito sta passando dalla sperimentazione all’applicazione su scala industriale. A che punto siamo realmente in questa transizione?

 Direi che la transizione è già in una fase avanzata, molti istituti bancari e aziende di settore stanno già implementando l’intelligenza artificiale nelle proprie infrastrutture e la stanno adottando direttamente nei processi di business. L’intelligenza artificiale non è più soltanto una tecnologia da sperimentare, ma è già uno strumento concreto di trasformazione dei processi aziendali. La vera sfida è trovarne l’utilizzo che ne estragga il maggior valore aggiunto, abbattendo i tempi di estrazione, validazione e quindi di elaborazione dei dati con conseguente abbattimento dei costi. Nel settore bancario, diverse applicazioni sono già integrate nelle attività operative, dall’analisi del rischio alla prevenzione delle frodi, fino all’automazione documentale e al supporto decisionale.

Quali sono oggi gli ambiti del ciclo del credito in cui l’AI può generare il maggiore valore aggiunto?

Bisogna secondo me distinguere tra 3 diverse fasi del ciclo di vita del credito dove l’AI può essere determinante in modi diversi:Nella fase di concessione del credito, l’AI può migliorare l’analisi delle informazioni disponibili, individuare segnali di rischio e supportare una valutazione più tempestiva del merito creditizio. Nella gestione del credito, può contribuire a intercettare precocemente i segnali di deterioramento e a individuare le azioni più appropriate per ciascuna posizione.

Nella fase di recupero, può aiutare a procurarsi le informazioni necessarie, come i dati, in modo veloce ed efficace, prevedere la probabilità e i tempi di incasso, segmentare i portafogli e personalizzare le strategie di contatto e di gestione.

Il vero valore non deriva necessariamente dall’automatizzare tutto, ma dall’intervenire sui passaggi che assorbono più tempo, presentano maggiori inefficienze o incidono maggiormente sul risultato economico.

Dalla due diligence alla previsione degli incassi, quali applicazioni dell’AI stanno già producendo risultati concreti e misurabili?

 Oggi l’AI genera il maggior valore nelle fasi ad alta intensità informativa del ciclo del credito: onboarding e istruttoria, monitoraggio del rischio, gestione early warning e servicing degli NPL. In particolare, la capacità di leggere, classificare e correlare grandi volumi di documenti e dati non strutturati consente di ridurre tempi e costi, migliorare la qualità delle decisioni e supportare gli operatori nell’individuazione delle azioni a maggior impatto. Il vero salto non è sostituire l’esperto del credito, ma aumentare la sua capacità di analizzare informazioni e prendere decisioni più rapide e consapevoli

Quanto incidono la qualità e la disponibilità dei dati sull’efficacia delle soluzioni di intelligenza artificiale?

Incidono in maniera determinante. Possiamo disporre degli algoritmi più sofisticati, ma se i dati sono incompleti, incoerenti, obsoleti o frammentati tra sistemi diversi, i risultati saranno inevitabilmente condizionati. L’intelligenza artificiale può aiutarci a valorizzare queste informazioni, ma non può trasformare automaticamente dati inaffidabili in conoscenza affidabile. Al contrario, può amplificare errori e distorsioni se non viene governata correttamente. E’ quindi essenziale fare uso di tecnologie avanzate, come OCR Multimodale, per bonificare e leggere i dati correttamente.

In sintesi, direi che il successo di un progetto di AI dipende da tre elementi che devono convivere: dati di qualità, tecnologia adeguata per renderli fruibili e competenze per governare il processo. Se manca uno di questi tre elementi, anche il migliore modello di intelligenza artificiale rischia di non generare il valore atteso. Se invece vengono combinati correttamente, l’AI diventa realmente uno strumento di trasformazione del business e non solo una sperimentazione tecnologica.

L’introduzione dell’AI richiede anche un ripensamento dei processi e delle competenze. Quali sono i principali ostacoli che le aziende devono affrontare?

 L’ostacolo principale non è la tecnologia, ma il cambiamento organizzativo. Le aziende devono ripensare processi progettati per il lavoro umano, superare la resistenza culturale al cambiamento e sviluppare nuove competenze che combinino conoscenza del business, dei dati e dell’AI. Nel settore del credito si aggiungono temi di qualità dei dati, compliance e governance dei modelli. Chi si limita ad aggiungere l’AI ai processi esistenti ottiene miglioramenti marginali; chi ridisegna processi e competenze ottiene un vero vantaggio competitivo.

 Come si può trovare il giusto equilibrio tra automazione, controllo umano e responsabilità decisionale nella gestione del credito?

C’è da specificare che non tutte le decisioni hanno lo stesso livello di rischio e non tutte richiedono lo stesso grado di intervento umano. L’equilibrio si trova assegnando a ciascuno il ruolo giusto: l’AI gestisce velocità e capacità di analisi, mentre le persone mantengono il presidio delle decisioni più rilevanti. Nella gestione del credito l’obiettivo non è sostituire il gestore, ma metterlo nelle condizioni di decidere meglio e più rapidamente, con processi trasparenti, tracciabili e sempre sotto responsabilità umana. A mio avviso il modello vincente non è quello che elimina il fattore umano, ma quello che valorizza la complementarità tra capacità analitica delle macchine, esperienza professionale e responsabilità delle persone.

Compliance e governance sono aspetti centrali nell’adozione dell’AI. Quali rischi devono presidiare maggiormente gli operatori?

 La compliance non dovrebbe essere considerata un adempimento da affrontare alla fine del progetto, ma una componente del suo disegno iniziale. Un’intelligenza artificiale affidabile è anche un’intelligenza artificiale governata. ll principale rischio oggi non è tanto utilizzare l’AI, quanto implementarla senza un adeguato framework di governance. In Europa l’AI Act impone un cambio di paradigma: la compliance deve essere integrata nel design della soluzione e dell’applicativo, non verificata a posteriori. Per il settore bancario ciò significa presidiare qualità del dato, bias, trasparenza, explainability, sicurezza e supervisione umana. Rispetto agli Stati Uniti, dove prevale un approccio più orientato all’innovazione e alla regolazione settoriale, l’Europa punta su un modello risk-based e sulla fiducia. Per gli operatori finanziari questo richiede investimenti non solo tecnologici, ma anche organizzativi e di governance

 Al 19° CVDAY del prossimo 19 novembre sarà dedicata un’intera sessione all’applicazione dell’intelligenza artificiale lungo il ciclo di vita del credito, che la vedrà nel ruolo di moderatore. Sarà un’occasione di confronto tra esperienze e casi applicativi diversi. Quali sono, secondo lei, le questioni ancora aperte sull’impiego dell’AI nella credit industry che meritano maggiore attenzione?

 La domanda che dobbiamo farci è: fino a che punto possiamo delegare all’AI? Quali decisioni devono restare sotto il controllo delle persone? E come garantire che il professionista mantenga una reale capacità di valutazione critica? La questione aperta non è più se l’AI cambierà il mondo del credito, ma a quale velocità e con quali regole. Oggi la tecnologia è sufficientemente matura; ciò che fa la differenza è la capacità delle organizzazioni di governarla. Dati affidabili, modelli spiegabili, integrazione nei processi e misurazione del valore generato saranno i veri fattori discriminanti tra chi utilizzerà l’AI come semplice strumento di efficienza e chi la trasformerà in un vantaggio competitivo duraturo. Dopo una prima fase caratterizzata da sperimentazioni e proof of concept, il mercato chiede evidenze concrete: riduzione dei tempi operativi, miglioramento della produttività, maggiore qualità delle decisioni e miglior gestione del rischio.Mi piacerebbe che dal confronto emergesse soprattutto un elemento: non dobbiamo chiederci soltanto che cosa l’intelligenza artificiale sia in grado di fare, ma quali problemi del settore del credito sia davvero in grado di risolvere, a quali condizioni e con quali risultati misurabili.

Sei interessato ad approfondire il tema?

Al 19° CvDay in programma il prossimo 19 novembre a Milano si terrà una Session tematica dedicata proprio a questo focus. 

Per maggiori dettagli sull’evento e per partecipare visita la pagina https://www.cvday.events/