AI e WM: come costruire un binomio all’insegna dell’efficienza

Giovanni Andrea Incarnato* *EY Italy wealth & asset management leader

L’esplosione di ChatGPT ha improvvisamente catalizzato l’attenzione del mondo economico e finanziario sulla generative AI e sulle sue possibili applicazioni. Rispetto ai boom tecnologici osservati negli ultimi anni, la generative AI è riuscita a catturare immediatamente l’attenzione anche degli interlocutori non tecnici per la facilità di interazione basata su una delle più basiche proprietà umane: il linguaggio naturale.

Spinta alla produttività

Gli operatori del risparmio gestito (wealth & asset manager) non sono stati a guardare e sono fortemente motivati ad investire nell’AI generativa, iniziando già in alcuni casi ad esplorarne i benefici tramite use case pilota e mobilitazione di team dedicati. In particolare, la Gen AI viene considerata come abilitatore per un forte miglioramento della produttività interna per le strutture di rete e di sede, con conseguenti benefici sui clienti nella qualità del servizio. In un primo momento, le funzioni di relazione cliente (gestori, servizio clienti, onboarding, marketing/distribuzione) saranno quelle più esposte all’innovazione e che raccoglieranno i maggiori benefici.

Alcuni esempi pratici di use case includono l’utilizzo della generative AI e dei large language models per ottenere risposte sulla normativa e i processi interni in modo semplificato, per interrogare grandi basi dati sui clienti senza essere specialisti SQL o, forse ambito più interessante, per generare in automatico proposte di consulenza con una descrizione precompilata dei razionali con i quali la proposta è stata costruita.

All’attuale stato di maturità tecnologica, gli intermediari possono adottare un approccio progressivo all’introduzione della Gen AI che parta da un accurato opportunity scanning per poi proseguire con lo sviluppo di casi pilota per la rilevazione empirica dei benefici di produttività e di soddisfazione del personale.

Soluzioni scalabili

Scalare le soluzioni richiede un processo più strutturato che deve necessariamente contemplare il framework complessivo di governance dell’AI e la qualità dei dati utilizzati (condizione necessaria a garantire la qualità degli output degli algoritmi), senza dimenticare l’elemento umano, gli utilizzatori finali delle soluzioni che necessitano di essere accompagnati nel percorso di cambiamento per massimizzare l’adozione e i benefici realizzati.

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