L’intelligenza artificiale sta cambiando tutte le industry, compresa quella dei servizi finanziari. La trasformazione mette in discussione i paradigmi tradizionali e crea nuove opportunità. Una delle applicazioni più importanti dell’AI nel banking è nell’ambito della valutazione del credito, dove facilita la possibilità di finanziamento per quelle piccole imprese e ditte individuali tradizionalmente escluse a priori per mancanza di dati sulla loro solvibilità.
La tecnologia può fare molto per questa fascia di imprenditori non “bancabili”, come si dice in gergo. È proprio da questa idea che nel 2020 è nata AideXa, la banca digitale ideata da Roberto Nicastro e Federico Sforza. Ottenuta nel 2021 la licenza bancaria dalla BCE, Banca AideXa ha costruito una serie di prodotti totalmente digitali legati al credito per le PMI, con focus in particolare sulle micro imprese. I risultati non sono mancati: nel primo semestre del 2023 ha raggiunto quota 7mila clienti con un totale di 400 milioni di euro di finanziamenti erogati; lo scorso giugno ha chiuso inoltre un nuovo round di investimento da 20 milioni di euro.
“Nella nostra valutazione di credito, circa il 30% del peso deriva da modelli costruiti con intelligenza artificiale utilizzando i dati sulle transazioni delle aziende” racconta a Economyup Walter Rizzi, Chief Product and Customer Officer di Banca AideXa. “Questo consente ai nostri modelli di essere più precisi nella valutazione, dando credito anche ad aziende che per mancanza di dati sarebbero in difficoltà in una valutazione tradizionale.”
Ad oggi Banca AideXa ha oltre 500 clienti che hanno avuto prestiti in questo modo, circa il 25% della clientela imprese.
Come l’intelligenza artificiale in Banca AideXa permette finanziamenti prima impossibili
Grazie all’uso dell’intelligenza artificiale, quindi modelli e algoritmi che lavorano sull’analisi dei big data, è possibile definire profili di rischio molto precisi laddove con un sistema tradizionale non ci sarebbero sufficienti dati per fare una valutazione affidabile.
“L’AI permette di analizzare un grande numero di dati molto granulari, come può essere la singola transazione dell’azienda. Riusciamo ad avere così indicatori e modelli chiari e spiegabili, quindi con valenza di business, che permettono di prevedere la solvibilità di un’azienda e dunque definire un profilo di rischio accurato perché basato sui dati” spiega Rizzi.
“Banca Aidexa utilizza modelli di Machine Learning e reti neurali combinati per stimare la cosiddetta “Probabilità di Default”, attraverso la quale è in grado automaticamente di selezionare i clienti a cui erogare il finanziamento. I modelli sono stati tutti sviluppati dal team di Data Scientists di Banca AideXa, con competenze accademiche di matematica, statistica e data science.”
Questa tecnologia, aggiunge, non va a sostituire però la componente umana: “Il primo passaggio nella costruzione di un modello è sempre basato sull’interpretazione umana, svolto dal Data Scientist con altri esperti, e assicura che il modello abbia senso di business, sia solido, eticamente sostenibile e trasparente.”
I risultati migliori si ottengono infatti quando un modello AI performante è utilizzato da un esperto: l’interazione di intelligenza umana e artificiale è superiore al risultato che si potrebbero ottenere con una sola componente. “Per questo preferiamo parlare di Augmented Intelligence più che di Artificial Intelligence.”
Banca AideXa: Intelligenza artificiale e open banking per democratizzare il credito
“Un esempio tipico dove i modelli AI fanno la differenza sono le piccole imprese o le società di persone, che non hanno bilancio e spesso neanche prestiti precedenti”, spiega Rizzi. “Se io sono, per dire, un artigiano, o un idraulico, o un agente, potrei non avere uno stipendio su cui basare un prestito personale, un bilancio aziendale su cui essere valutato, né una storia creditizia precedente: tendenzialmente è quasi impossibile ottenere un prestito. Stessa cosa se sono una piccola azienda. Grazie all’AI, invece, vengono valutazione un insieme di informazioni differenti ed è possibile calcolare gli indici di rischio direttamente sulla base dei dati estratti dai conti correnti, erogando così una somma iniziale che può crescere mano a mano che l’azienda dimostra di essere solida e affidabile nel ripagare il prestito.”
Elemento fondamentale in questo processo è il paradigma open banking, che permette l’acquisizione dei dati necessari al modello a fare la valutazione.
Solitamente, nel caso di una piccola azienda senza storia creditizia, soltanto la sua banca che ha accesso ai dati del conto corrente è disposta -semmai- a dare credito, mentre tutte le altre banche non hanno i dati su cui basare una valutazione. Grazie all’open banking, che permette di condividere questi dati in sicurezza tra diversi attori, unito ai modelli di AI in grado di leggerli e valutarli, si apre un ventaglio di possibilità. “Con maggiore competizione e concorrenza, una volta che diverse banche possono valutare e fare proposte di credito, nel medio termine ci saranno anche offerte con prezzi e soluzioni più vantaggiosi.”
Chi sta già utilizzando questa tecnologia?
“Oggi tutte le principali banche italiane stanno testando l’utilizzo di AI e advanced analytics” dice Rizzi, “La maggiore difficoltà è andare a scala: un conto è creare un modello, un conto utilizzarlo in maniera massiva su intere linee di business e cambiare i processi che vengono utilizzati quotidianamente.”
L’adozione dell’Intelligenza Artificiale nei processi quotidiani richiede un grande sforzo di coordinamento tecnologico e culturale, nonché di gestione delle persone. Il settore banking, anche per la sua forte regolamentazione, è tradizionalmente molto strutturato e questo rende la trasformazione particolarmente complessa.
“Noi siamo facilitati dal fatto di essere una nuova banca già nata con questo approccio” aggiunge Rizzi, in linea con quanto il CEO Sforza ha spiegato a Economyup in questa videointevista.
“La soluzione più efficace per una grande banca tradizionale? Creare una banca che lavori da subito secondo queste logiche innovative e poi migrare la banca tradizionale verso questa nuova entità, così da scalare volumi più importanti e aiutare sempre più piccole imprese, ancora troppo spesso escluse oggi dalle logiche tradizionali di accesso al credito conclude Rizzi, “Ad ogni modo, la trasformazione è ineluttabile: la questione non è se, ma come.”
