Innovative technologies & finance: opportunità e sfide per la trasformazione del business model

In che modo l’Artificial Intelligence (AI) cambia il business model delle aziende, in particolar modo nel settore finanziario? La possibilità miglior per comprendere un mondo tutto sommato ancor avvolto dal mistero è quello di chiederlo a chi si occupa direttamente del problema, una riflessione sviluppata nel contesto di EMF - Executive Master in Finance, dalla classe di partecipanti provenienti da diversi settori afferenti ai quattro track di specializzazione Asset/Wealth Management, Banking & Insurance, Corporate Finance & Control, Corporate Finance & Real Estate, guidati da un panel di top manager, Michele Carmina, Head of Group Digital technologies & head of Global Digital Factory del Gruppo Generali, Marco Ditta, Executive Direxctor e Group Head Data & Artificial intelligence Officer, Intesa Sanpaolo, Massimo Milanta, Partner Deloitte, Cloud & System Engineering Lead.

Data Driven Decision-Making

Il primo tema trattato dalla progettazione effettuata da Andrea Beltratti, EMF Academic Director e Alessia Bezzecchi, EMF Program Director, riguarda i modelli decisionali aziendali basati sui dati (DDD, data-driven decision-making), definita nei paper di ricerca di management come “la raccolta e l’affidamento ai dati per le decisioni aziendali”. Si usa davvero la DDD? Le risposte coprono un ampio range di temi. Michele Carmina evidenzia che il DDD rappresenta una situazione di win-win per clienti e aziende, un abilitatore fondamentale alla personalizzazione dell’offerta, dei servizi e dei prodotti e al conseguente incremento del livello di fidelizzazione dei clienti.  Sicuramente le nuove tecnologie, l’AI, i modelli predittivi basati sul Machine Learning, i tool digitali che consentono di rispondere in tempo reale ai comportamenti dei clienti sono abilitatori tecnologici fondamentali, uniti alla mole di dati a disposizione, strutturati  e non, interni e esterni. Ma in alcuni casi, anche semplici regole discrezionali, che non necessitano di complessi modelli di AI, ci consentono di capire le reali esigenze dei nostri clienti e agire di conseguenza.

Marco Ditta evidenzia la rilevanza del time to market nell’evoluzione delle soluzioni dati e applicative. In azienda lo sviluppo di soluzioni è stato in molti casi orientato a risolvere delle necessità “verticali”, specifiche di determinate funzioni. Ora la necessità di essere tempestivi e di condividere informazioni sta portando allo sviluppo di soluzioni dati e applicative sempre più condivise fra funzioni aziendali, con una riconciliazione “nativa” dei dati, fattore abilitante per poter prendere decisioni rilevanti in modo sicuro. La crescente importanza della tecnologia è quindi anche legata alla velocità di assunzione delle decisioni. Ne consegue che il DDD aumenta la velocità decisionale e anche la sua qualità, naturalmente partendo da presupposto sulla qualità dei dati, un tema sempre più al centro delle interlocuzioni con i regolatori ed anche necessario per il business. Massimo Milanta completa il quadro, condividendo la valutazione degli altri Chief in merito alla ampia disponibilità di dati, strutturati e non, e sostenendo che il driver rilevante per l’ulteriore espansione del DDD è costituito dalla presenza di use case che siano esemplificativi e fonte di ispirazione tra settori diversi.

DDD e GenAI

Massimo Milanta prosegue notando come l’Intelligenza Artificiale Generativa (GenAI) sia una rivoluzione paragonabile a quella di Internet. Viviamo nel contesto di una Rivoluzione con impatto confrontabile alla Rivoluzione Industriale. Alcuni studi sostengono che l’impatto sia quantificabile in circa il 30% dei ricavi per le aziende di servizi. Marco Ditta si concentra sul settore bancario, in cui il rapporto di fiducia con i clienti resta l’elemento essenziale del business model. La GenAI è uno strumento molto importante anche da questo punto di vista, con molteplici applicazioni sia sul fronte della gestione dei rischi e degli adempimenti regolamentari, come la lotta al riciclaggio del denaro e individuazione delle frodi, che come strumento di supporto, ad esempio ai servizi associati alla filiale digitale. È però importante poter comprendere che cosa suggeriscono i modelli, e da qui la rilevanza della combinazione fra competenza di business e soluzioni di Explainable AI, proprio perché la responsabilità ultima di attività di relazione con la clientela e dei prodotti resta in capo alla banca. Michele Carmina evidenzia l’opinione positiva del Gruppo Generali, che ritiene che la GenAI contribuirà in modo sempre crescente all’aumento della produttività per diverse attività: dalla scrittura di codice informatico alla creazione di assistenti virtuali per supportare – ad esempio – i colleghi che si occupano della gestione dei sinistri, fino alla possibilità di processare automaticamente chiamate, email, ticket e documenti di ogni natura.

Prodotti e servizi e impatto AI

Massimo Milanta evidenzia come i prodotti e servizi impattati dall’AI siano molti, anche se è necessario procedere a forti investimenti. Tutti i servizi ripetitivi sono sostituibili anche se resta l’importanza di human-in-the-loop: attualmente l’output delle macchine deve essere verificato dalle persone, che si tratti di codici o di comunicazioni o di presentazioni. La necessità continua di revisione peraltro pone il tema della continua formazione dei manager che devono gestire in misura crescente macchine e persone. Michele Carmina sottolinea gli innumerevoli vantaggi che l’uso dell’AI ha portato nel Gruppo Generali: ad esempio in fase di sottoscrizione di una polizza relativa ad una proprietà immobiliare, è possibile, attraverso l’utilizzo di immagini satellitari, identificare pannelli solari installati nei tetti e rendere più preciso il calcolo del rischio assicurativo. Un altro beneficio significativo è stato ottenuto con l’automazione della gestione dei sinistri salute/malattia: grazie all’uso dell’AI è possibile estrarre automaticamente i dati dai documenti medici, fatture e prescrizioni e processare in automatico la chiusura del sinistro, riducendo le attività manuali, minimizzando gli errori e migliorando sensibilmente i tempi di attesa per i clienti. Marco Ditta evidenzia come si sia raccolto un portafoglio di oltre 200 use case nell’ambito del Gruppo Intesa Sanpaolo, riguardanti sia efficientamenti nei processi che attività di supporto al business, in ambito comunicazione, marketing e identificazione dei bisogni dei clienti, con una importante osservazione: Più il business è consapevole della potenza dei dati e delle soluzioni tecnologiche più la trasformazione dei processi può essere innovativa, per questo il confronto continuo su dati, soluzioni tecnologiche e possibili applicazioni sta generando la generazione di nuove idee.

Tecnologia, persone e cambiamento organizzativo

In che modo deve cambiare l’organizzazione per supportare le applicazioni sempre più innovative dell’AI? La risposta non è facile e comprende molti aspetti. Marco Ditta evidenzia che non sempre le persone con formazione tecnica sull’ AI hanno la sufficiente conoscenza del business per poter sfruttare al meglio tutte le possibilità. È necessario sempre combinare competenze di business con competenze tecnologiche, preferibilmente costituendo team che lavorino in modalità Agile, concentrandosi prima sullo sviluppo di POC (proof of concept) e successivamente, confermati i risultati di business attesi, procedere con l’industrializzazione. È fondamentale la presenza nei team di sviluppo di quelli che chiamiamo “business translator”. Questo ci aiuta anche a creare gli opportuni legami di interconnessione fra business e tecnologia e a garantire la formazione di competenze distribuite nel network aziendale. Massimo Milanta evidenzia come maggiore la maturità della tecnologia, maggiore la possibilità (e necessità) di decentralizzazione organizzativa. Michele Carmina sottolinea l’importanza di avere target chiari e misurabili che leghino l’adozione della tecnologia ad obiettivi strategici di Business, nell’ambito di una cultura dell’innovazione che incoraggi a sperimentare, che ponga gli errori e i fallimenti nella giusta prospettiva di investimenti nel cambiamento e che metta il cliente sempre centro della scena, come beneficiario principale di questa trasformazione tecnologica  

I consigli per i partecipanti di Executive Master in Finance

In che modo i partecipanti di Executive Master in Finance possono orientarsi in un contesto così dinamico? Gli esperti evidenziano molti elementi di conforto. In primo luogo, non c’è la dominanza degli ingegneri e degli esperti di informatica perché i team sono sempre più multidisciplinari. Certo è necessario avere una apertura mentale verso le nuove tecnologie senza però essere spaventati dal timore di essere sotto una “soglia minima” di comprensione tecnica. In secondo luogo, la tecnologia è una leva per gestire il business e non viceversa. In terzo luogo, è necessario essere curiosi e approfondire con ulteriori e continui studi. Questi consigli e considerazioni sono alla base dei contenuti del programma Executive Master in Finance in particolar modo nell’ambito del Lab su Innovazione in Finanza e Finanza Strategica, che riprenderanno ulteriormente i tanti temi sollevato dagli esperti in questo CXO Forum.

SDA Bocconi School of Management