“L’aumento di produttività non basta: risparmi di costi e ricavi tangibili sono i migliori parametri per misurare il ritorno degli investimenti nell'intelligenza artificiale”, spiega l’Head of Group AI Products di UniCredit
Autore: Daniele Lazzarin
Secondo un recente rapporto Banca d'Italia-OCSE, il 59% delle banche italiane sta già utilizzando l’intelligenza artificiale. L’adozione dell’AI nel settore è in forte crescita, guidata non solo da algoritmi predittivi tradizionali, ma sempre più dall'AI Generativa: le aree di applicazione principali sono automazione del servizio clienti, conformità normativa (compliance), rilevamento delle frodi, e affinamento dei modelli di gestione dei rischi finanziari.
Un convegno del Cetif dell’Università Cattolica a Milano pochi giorni fa ha confermato questi elementi, mostrando nei vari casi descritti come l’adozione dell’AI nelle banche italiane stia entrando in una fase di maturità che coinvolge sempre più i processi “core”, in un contesto in cui le sfide principali a questo punto sono di governance, e di corretta applicazione delle nuove normative che man mano vengono introdotte, a cominciare dall’AI Act.
Uno dei casi più interessanti del convegno in particolare è stato quello di UniCredit, in cui Alessandro Barardi, Head of Group AI Products, ha spiegato come il primo gruppo bancario italiano per capitalizzazione stia affrontando il passaggio dell’AI da sperimentazioni e “use case” alla trasformazione dei processi.
“Facciamo AI da tanti anni, svariate soluzioni sono in produzione nel gruppo, ma negli ultimi mesi abbiamo smesso di investire su singoli use case”, ha detto Barardi. “Quelli già sviluppati stanno portando tanto valore localmente, ma la crescita della consapevolezza sulle opportunità dell’AI ha portato UniCredit a una fase di analisi di interi processi di Back Office, per capire quali potessero essere ripensati in ottica agentica”.
Superata quindi la fase degli use case, al momento l’utilizzo dell’AI nel gruppo avviene sia in modalità “bottom-up” (“stiamo permettendo alle persone di usare soluzioni low-code di AI sul lavoro all’interno di linee guida predefinite”), sia “top-down”, con la revisione appunto di alcuni processi end-to-end. L’obiettivo finale, spiega Barardi, è portare queste due direttrici di azione a convergere, cambiando il modello operativo della banca.
“Abbiamo cominciato con l’adozione bottom-up, ma ci siamo resi conto che l’aumento di produttività, se non si traduce in valore tangibile in termini di cost saving o revenues, non compensa i costi dell’AI”, spiega il manager. “Da qui l’idea di dare comunque la possibilità ad alcuni di utilizzare strumenti nel day-by-day, incrementando anche la produttività individuale, per fare crescere l’awareness, ma di concentrarsi in ambito Back Office sulla riprogettazione di alcuni processi appunto per ‘agentificarli’”.
In ambito Front Office invece, come succede per molte banche, l'attenzione di UniCredit si concentra sulla Customer Experience, per rendere le interazioni naturali, contestuali e personalizzate su vasta scala, mantenendo comunque il controllo umano ("human-in-the-loop") come elemento critico per la gestione dei casi complessi.
Il tutto, sottolinea Barardi, si basa ovviamente su “AI foundations” (architettura enterprise e gestione centralizzata di piattaforme integrate), per garantire di scalare l’AI in modo controllato e coerente a livello di gruppo, permettendo le integrazioni ed evitando le frammentazioni. E su una piattaforma di AI governance con linee guida rigorose per le deleghe agli agenti, con qualità dell'output, spiegabilità e monitoraggio ‘by design’, e conformità continua a regolamentazioni come l’AI Act.
Su queste basi, ha continuato il manager, le direzioni in cui si sta sviluppando la strategia AI di UniCredit in estrema sintesi sono cinque. In ordine di priorità dal basso: la trasformazione dei modelli di sviluppo delle applicazioni digitali, la revisione end-to-end dei processi, cominciando dal Back Office, un programma pluriennale di casi d'uso specifici che garantiscano creazione di valore di business e riutilizzabilità delle soluzioni, il roll-out graduale di piattaforme low-code per accelerare il processo di ‘sviluppo federato’ dell'AI, e infine la definizione di una piattaforma di Governance che ottimizzi la gestione e controllo centralizzato di tutti i sistemi AI del Gruppo.
"L'area in cui oggi vediamo il ritorno più immediato dell'AI è l'IT”, ha precisato Barardi. “L'intelligenza artificiale sta trasformando l'intero ciclo di vita dello sviluppo software. Nel settore bancario una quota significativa della complessità risiede nei sistemi legacy. Grazie all'AI possiamo estrarre e ricostruire la conoscenza incorporata in decenni di applicazioni, accelerando la modernizzazione tecnologica e riducendo drasticamente tempi e costi di evoluzione”.
La vera opportunità, continua il manager, è arrivare a un modello in cui gran parte della software delivery sia orchestrata dall'AI, dai requisiti di business all'analisi funzionale, fino alla generazione del codice, ai test e al rilascio. “Non si tratta di sostituire le persone, ma di amplificarne le capacità, consentendo ai team di concentrarsi sulle decisioni a maggior valore aggiunto”.
Quanto alle trasformazioni di processo end-to-end, “al momento stiamo lavorando soprattutto su alcuni macroprocessi per affidarli a una forza lavoro ibrida tra umani e agenti: lending, frodi, customer engagement”.
Passando alle soluzioni low-code, “a oggi stiamo consentendo lo sviluppo di agenti per la produttività individuale con una chiara governance e valuando l’opportunità di costruire agenti enterprise self-service. Questo non significa che chiunque potrà costruire un enterprise agent, perché l’AI Act è piuttosto severo sull’utilizzo dell’AI nei processi critici della banca. Ma vogliamo creare spazi per l’innovazione sicura”.
Barardi ha concluso con alcune considerazioni fondamentali sul concetto di automazione AI dei processi in rapporto a costi e impatto sul lavoro umano, nel contesto di un settore fortemente regolamentato.
"Uno degli insegnamenti più importanti è che la trasformazione end-to-end non coincide con l'automazione end-to-end. All'inizio la tentazione è automatizzare tutto. In realtà abbiamo scoperto che il vero valore emerge quando si mette in discussione il processo prima ancora della tecnologia: con il business abbiamo rivisto attività e controlli stratificati negli anni in processi come il corporate lending, il transaction monitoring e l'onboarding”.
Solo dopo questa semplificazione, precisa l’Head of Group AI Products di UniCredit, è stata introdotta l'agentificazione di quelle attività in cui era possibile dimostrare un beneficio concreto in termini di efficienza, qualità o velocità di esecuzione. “L'AI non deve necessariamente essere presente in ogni passaggio del processo. La differenza tra un business case vincente e uno non sostenibile spesso dipende da dettagli molto sottili nella combinazione tra costo della tecnologia, complessità operativa e valore generato”.
Barardi ha parlato di “human ON the loop” per questi processi: “È necessario che le persone siano coinvolte e abbiano reale potere di decisione, in qualità di supervisori più che di esecutori”.
Mentre sul tema dei ritorni economici dell'AI ha sottolineato l’importanza di mantenere una prospettiva realistica. “Si leggono spesso casi che promettono miglioramenti di produttività di dieci volte, ma nella nostra esperienza i risultati vanno valutati tenendo conto anche dei costi di implementazione, integrazione e consumo della tecnologia. Abbiamo osservato che alcune attività possono essere automatizzate quasi completamente, mentre nei processi più critici il ruolo umano rimane fondamentale, sia per la supervisione sia per l'accountability sul risultato finale”.
Il valore, osserva Barardi, si genera trovando il giusto equilibrio tra automazione e intervento umano. “È su questo equilibrio che si costruisce il ritorno dell'investimento, che deve essere tangibile e misurabile, sia in termini di riduzione dei costi sia di nuove opportunità di ricavo. La produttività è certamente una componente importante, ma da sola non basta: perché un'iniziativa AI sia sostenibile nel lungo periodo, il beneficio economico deve essere chiaramente dimostrabile”.