Secondo il gruppo per la Trasformazione Digitale di Frost & Sullivan, la velocità e la precisione dell’apprendimento automatico consentiranno ai servizi finanziari di rispondere alle sfide relative a efficienza e costi

machine-learning

Si prevede che nei prossimi cinque anni l’apprendimento automatico (o “machine learning”), una branca dell’intelligenza artificiale, diventerà uno standard nei servizi finanziari. Come mostrano le prove di concetto (POC) e i casi d’uso, le molteplici applicazioni dell’apprendimento automatico influenzeranno diverse funzioni aziendali. La prevenzione delle frodi, i servizi di consulenza, la conformità normativa e il punteggio di credito offriranno enormi opportunità di crescita per l’applicazione dell’apprendimento automatico nei servizi finanziari.

L’analisi di Frost & Sullivan intitolata “Disruption in Global Financial Services, 2017—Machine Learning is Imperative” fornisce una panoramica delle dinamiche nel mercato dell’apprendimento automatico, incluse tendenze tecnologiche, fattori trainanti e sfide per la sua adozione. Tra i casi di studio e i profili di alcuni degli operatori chiave presentati nel rapporto ci sono Google, IBM, Orange, Swisscom, Onfido, Darktrace, Klarna, Infosys, SAP e Rasa.ai.

Il più grande vantaggio delle soluzioni di apprendimento automatico è la loro capacità di imparare da ogni transazione e istanza. Oggi le aziende e i consumatori si sentono maggiormente a proprio agio con i servizi ibridi. Tuttavia, il fatto che le macchine si stanno evolvendo rapidamente, imparando continuamente e usando le conoscenze acquisite per migliorare la soddisfazione e l’esperienza del cliente è il maggiore fattore di differenziazione”, afferma Deepali Sathe, analista Senior del gruppo Digital Transformation di Frost & Sullivan. “L’apprendimento automatico consente velocità e precisione, che sono elementi cruciali per le capacità delle aziende di servizi finanziari di affrontare le sfide legate all’efficienza e ai costi”.

Gli imperativi strategici per il successo e la crescita comprendono:

  • Diversi operatori del settore, come i regolatori, gli operatori storici e le start-up collaborano per creare un ecosistema forte in grado di sfruttare appieno il potenziale dell’apprendimento automatico.
  • Fornire un accesso sicuro ai dati per consentire ai sistemi di apprendimento automatico di identificare i comportamenti normali e anomali.
  • Facilità d’uso e sicurezza dei dati e delle transazioni quando si utilizzano servizi di robo-advisory.
  • Possibilità di raccogliere sia dati strutturati che non strutturati per consentire all’apprendimento automatico di padroneggiare le abilità cognitive e individuare i comportamenti che indicano modelli fraudolenti.
  • Algoritmi back-end forti per fornire risultati pertinenti per servizi come il punteggio di credito e l’inclusione finanziaria.

La scarsità di persone con conoscenze e abilità nell’ambito dell’apprendimento automatico e la mancanza di formazione adeguata rappresentano dei fattori limitanti per la rapida crescita dell’apprendimento automatico”, osserva Sathe. “D’altra parte, l’educazione al mercato è essenziale; le società finanziarie non sono ancora completamente a conoscenza dell’apprendimento automatico, dei suoi benefici e dell’impatto sui risultati aziendali. Combinando tutto ciò con i costi e le spese associati al mantenimento dell’infrastruttura legacy, l’apprendimento automatico ha bisogno di altri tre o quattro anni per raggiungere la diffusione di massa “.