Betterment è una startup dell’asset management specializzata in robo-advisor: la sua piattaforma proprietaria abilita transazioni e un’allocazione di portafoglio automatizzate, compreso il reinvestimento di eventuali dividendi non appena incassati. A oggi ha superato i 195mila clienti con una massa amministrata di oltre 6 miliardi di dollari. Nel mondo sono quasi 300 miliardi i risparmi gestiti in maniera quasi del tutto automatica. A.T. Kearney stima che i robo-advisor possano arrivare a governare 2.200 miliardi tra tre anni.
Una crescita esponenziale che dà l’idea delle potenzialità dell’ingresso dell’intelligenza artificiale (Ai) in un’industria così sensibile come i servizi finanziari. L’asset management è senza dubbio il comparto in cui l’applicazione degli algoritmi è in uno stadio più avanzato: un’altra startup come Sentient ha appena raccolto oltre 100 milioni di dollari per lo sviluppo della sua piattaforma di algo-trading intelligente che permette high-frequency trading sulla base dell’elaborazione in tempo reale di masse enormi di dati.
Ma anche banche e assicurazioni guardano con crescente attenzione all’evoluzione dell’intelligenza artificiale: «Il top management aziendale del comparto finanziario non ha ancora potuto mettere bene a fuoco cosa sia il cognitive tech. Però ha intuito che non si tratta di una semplice ondata tecnologica, ma di una vera e propria rivoluzione: chi rimane indietro rischia di essere travolto». A parlare è Paolo Gianturco, Head of FinTech & co-leader Emea Blockchain Lab di Deloitte, che ieri a Milano ha presentato i risultati della survey condotta da Deloitte ed Efma finalizzata a comprendere il grado di sviluppo nell’Ai sulla base di un questionario approfondito che ha coinvolto 3mila top manager europei. I numeri parlano da soli: a livello globale nel 2016 sono stati effettuati investimenti stimati in circa due miliardi di dollari in startup attive nell’Ai, di cui circa un terzo nel comparto finanziario.
La fotografia che emerge è che una fetta del 40% delle aziende è in fase “learning”, di valutazione e di approfondimento, solo l’11% non ha ancora fatto nulla, mentre il 49% ha già messo le mani in pasta, sia pure a vari livelli. Quasi due terzi degli interpellati (63%) indica che l’intelligenza artificiale avrà il suo impatto più forte in ambito finanziario nel comparto del customer service, nel miglioramento dell’esperienza dei clienti e in soluzioni di coinvolgimento che possano creare valore per gli utenti. E che quindi implichino un arricchimento e un potenziamento delle competenze interne piuttosto che l’imposizione di una semplice logica sostitutiva. «Augmentation, not automation», sostiene Thomas Davenport (si veda anche l’intervista nella pagina a fianco, ndr), all’insegna di un «redesign complessivo del lavoro su base cognitiva».
Uno dei problemi di questa transizione è che c’è una complessiva carenza di competenze necessarie per comprendere i potenziali benefici e implementare le soluzioni effettive: il 75% delle aziende ritiene infatti di avere bisogno di risorse esterne per lo sviluppo di progetti concreti, che siano consulenti specializzati o esperti tecnici. D’altra parte è un vero cambiamento culturale, non solo organizzativo, quello che la struttura aziendale è costretta a mettere in atto: le resistenze che nascono a partire dai vertici aziendali, legate spesso ai rischi di investimenti eccessivi per benefici che appaiono ancora lontani, dovrebbero essere trasformate in uno sforzo di conversione dell’esperienza delle persone.
In questo senso l’”automazione cognitiva” appare piuttosto trascurata, coinvolgendo quasi solo l’automazione del back office e delle operations, a favore dei sistemi di “analisi cognitiva”, in grado di analizzare enormi moli di dati per individuare pattern predittivi, e di “coinvolgimento cognitivo”, per poter offrire esperienze e offerte personalizzate, profilate sulle esigenze dei singoli utenti. Se l’asset management è in una fase più avanzata, anche grazie a linee di business definite, banche e assicurazioni hanno potenzialmente impatti ben più evidenti, ma faticano maggiormente a causa di processi più interrelati e complessi e del pesante fardello di sistemi legacy.
Certo non mancano le paure, come in ogni periodo di transizione: una delle più sentite è proprio quella legata alla scarsità di competenze, ma compaiono anche le esigenze di sicurezza, la difficoltà di trovare esperienze da adattare alle proprie esigenze, budget spesso esigui e il timore di fronte ai nuovi attori del fintech.
«In una fase di transizione come questa – sottolinea Gianturco – è cruciale che le aziende sappiano creare una squadra di competenze che si concentrino in maniera effettiva sull’evoluzione tecnologica e sugli impatti potenziali sui modelli di business. E che allo stesso tempo si focalizzino su use cases di eccellenza credendoci con una buona dose di coraggio: non si tratta tanto di automatizzare alcuni processi ma di ripensare interi processi aziendali e servizi partendo da zero».