Prevenzione frodi, robo-advisory e punteggi di credito saranno trasformati dall’apprendimento automatico

Si prevede che l’apprendimento automatico (o “machine learning”), una branca dell’intelligenza artificiale, diventerà uno standard nei servizi finanziari nei prossimi cinque anni. 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 “.

Vuoi ricevere le notizie di Bluerating direttamente nella tua Inbox? Iscriviti alla nostra newsletter!