“Noi modelliamo i nostri strumenti, successivamente i nostri strumenti ci modellano”. Si è conclusa con una citazione del Prof. John Culkin, teorico dei media americano, il workshop a cura di Enterprise dal titolo “Il crescente impiego dell’AI nel mondo dei sistemi di pagamento: casi d’uso concreti e considerazioni operative” nell’ambito dell’edizione 2023 del Salone dei Pagamenti, il più importante evento di settore in Italia.
Appuntamento annuale promosso dall’Associazione Bancaria Italiana (ABI) e organizzato da ABIeventi, quest’anno il Salone si è tenuto il 22, il 23 e il 24 novembre all’Allianz MiCo in via Gattamelata a Milano, e ha visto la partecipazione di oltre 300 relatori in circa 70 sessioni e workshop di approfondimento, e la presenza di oltre 10’000 visitatori nell’arco delle tre giornate, tra cui numerosi esperti del mondo bancario, finanziario e tecnologico.
Moderata da Stefano Trinci, Head of Marketing & Customers Management di Enterprise, la conferenza ha preso il via con una breve introduzione da parte dello stesso Trinci e di Andrea Berardi, Head of Innovation Banking di Enterprise, che hanno introdotto la propria società. Fondata nel 1995 a Roma, Enterprise progetta e realizza software per banche e istituti finanziari con una forte attenzione al tema dei pagamenti con l’estero. Di seguito, i due manager hanno lasciato spazio ad Andrea Cappellacci, IT Solution Manager di Enterprise, il quale ha condotto il suo intervento da remoto partendo dalla definizione che la normativa europea in fase di approvazione finale dà al termine “Intelligenza Artificiale”.
Secondo tale regolamentazione, effetto di una iniziativa italiana nel 2021, essa è “un software sviluppato con una tecnologia in grado di generare output che influenzano l’ambiente nel quale lo strumento è inserito”. La terminologia è volutamente generica per via dei confini ancora poco chiari che questa innovazione porterà nel futuro. Il quadro regolamentare europeo, tra i primi al mondo in questo settore, prevederà una distinzione di obblighi a seconda del livello di rischio insito in ciascuna tipologia di AI: le intelligenze con minore impatto avranno puramente dei vincoli di trasparenza e di conformità ad un codice etico in via di definizione, quelle più evolute saranno soggette a maggiori vincoli, infine quelle più “rischiose” saranno formalmente vietate.
Le origini dell’AI si rifanno agli anni ’60, ma è soprattutto dal 1997 che l’Intelligenza Artificiale si ritaglia uno spazio nel dibattito pubblico, cioè quando il computer DeepBlue di IBM riuscì a battere, in una celebre partita di scacchi, il campione del mondo in carica Garri Kasparov. Da allora, tanta strada è stata fatta: nel 2014 Google Brain ha descritto un’immagine osservata, oggi siamo nella fase della Augmented Intelligence, ossia generativa, aperta da ChatGPT di OpenAI. Per essere considerata “intelligente”, una macchina deve essere in grado di mostrare le 4 capacità intellettive tipiche dell’uomo: comprendere, apprendere (dall’esperienza), percepire (da ambiente circostante) e agire (per modificare ciò che la circonda). Ciononostante, l’Intelligenza Artificiale attuale è ancora immatura rispetto ad altre tecnologie quali la blockchain, i veicoli a guida autonoma, i social media, i big data e gli smartphone. L’AI si trova ancora nella fase primordiale attraverso la quale passa ogni innovazione, ovvero quella dell’apprendimento tramite errori. Tuttavia, per costruire modelli AI affidabili, è necessario garantire la trasparenza (l’output della macchina deve essere facilmente riconoscibile come non umano), l’accuratezza (perché i risultati sono passibili di bias e di conseguenza possono essere migliorati con l’apporto dell’uomo), la riservatezza dei dati sensibili e la protezione della proprietà intellettuale.
Nel settore bancario l’IA è già piuttosto usata in determinati ambiti, come l’assistenza interna alle filiali, il supporto al cliente finale, le operations e la sicurezza. Per quanto riguarda l’assistenza, che sia agli utenti interni o alla clientela, il tasso di adozione è di oltre il 40% e la modalità utilizzata prevede solitamente il chatbot. Esso può trovarsi a uno stadio più o meno evoluto a seconda dei casi: dallo scripted chatbot, istruito a dare risposte con frasi standardizzate inserite manualmente dai creatori, all’intent chatbot, in grado di interpretare il significato delle domande analizzando la semantica del testo, al vero virtual agent, che permette di effettuare conversazioni, contestualizzando la richiesta o che pone delle domande a sua volta per comprendere meglio la necessità dell’utente, migliorando drasticamente la customer experience. La tematica del canale chat potenziato dall’Intelligenza Artificiale è diventato tutto d’un tratto urgente per gli istituti di credito. Due sondaggi condotti da Gartner, il primo a febbraio 2023 e il secondo ad aprile 2023, mostrano chiaramente che la previsione delle banche di adottare strumenti chatbot è salita vertiginosamente: la percentuale degli istituti che non aveva in programma alcun progetto in merito è crollata dal 46% al 7%, mentre la percentuale di quelli che hanno in corso una valutazione rischi-benefici è esplosa dallo 0% al 34%. Secondo lo studio dello scorso aprile, il 50% dei player bancari pensa di acquistare sul mercato la migliore soluzione chatbot, il 32% di essi punta a delle collaborazioni con i provider specializzati in AI, infine il 26% si vuole focalizzare sullo sviluppo inhouse. Per quanto concerne i segmenti delle operations e della sicurezza, gli strumenti di AI sono applicati per il contrasto delle frodi, per individuare pattern ricorrenti e fraudolenti, e per la riduzione dei falsi positivi, attraverso il riconoscimento biometrico tramite la scansione dell’iride e delle espressioni facciali.
Cappellacci ha successivamente colto l’occasione per proiettare sullo schermo una demo della soluzione di Enterprise, per far comprendere agli astanti come l’Intelligenza Artificiale è stata applicata nella piattaforma Enterprise WTE, un portale web multiservizi che ospita una serie di verticali bancari legati ai pagamenti e ai finanziamenti per aziende corporate.
Il primo use case riguarda il commercio internazionale. Nell’area dedicata, la società che importa o esporta dei beni può beneficiare di un tool di AI che la supporta nell’individuazione della controparte con la quale intraprendere un rapporto di acquisto/vendita. Il modello è in grado di abbinare i migliori risultati basandosi sia su una quantità di fonti differenti come banche dati governative, DB privati e open data, ma anche migliorandosi grazie allo storico dei dossier già elaborati.
Il secondo caso d’uso si riferisce ad uno strumento di analisi dei documenti che permette, tramite un lettore OCR, di estrarre le informazioni chiave, di elaborarle e di arricchirle con dati aggiuntivi provenienti dal database di Enterprise, per poi metterli in relazione con quelli presenti a sistema in quel momento. Tale strumento viene applicato, ad esempio, per inviare un bonifico attraverso il caricamento della fattura, o per validare un documento. Anche questa funzionalità usufruisce di capacità di Machine Learning che consentono l’apprendimento sia con dataset di documenti precedentemente analizzati e classificati, sia con il feedback dell’utente umano.
Il terzo use case condiviso da Cappellacci all’audience concerne una funzione che si attiva nella scrittura di un testo e che suggerisce come completare la frase che l’utente sta digitando. Si tratta di un supporto per l’editing in ambito Trade Finance che presenta un algoritmo basato sulle reti neurali, ovvero che si rifà alla modalità di funzionamento delle sinapsi del cervello umano, e che si fonda sull’expertise accumulata da Enterprise in questo segmento di attività e su quella che la macchina man mano affronta durante il suo ciclo di vita, anche rispetto al comportamento dell’impiegato backoffice che la utilizza. In questo modo il modello riesce a prevedere la possibile continuazione del testo con formule usate abitualmente dall’utente o ricorrenti nell’archivio documenti.
Il quarto e ultimo caso presentato riguarda il virtual agent, un chatbot multicanale e multilingua in grado di sostenere una conversazione con l’utilizzatore, anche ricevendo input vocali. I contenuti del bot sono alimentati da dati strutturati e il possibile potenziamento dello strumento avviene con sessioni di training che si possono ripetere nel tempo.
In conclusione, gli esperti di Enterprise si aspettano una integrazione tra uomo e tecnologia sempre più evidente che porterà a una società di tipo socio-tecnico, in cui il legame tra intelligenza umana e artificiale sarà molto più stretto rispetto a oggi.
