Se Alan Turing avesse osservato l’odierno utilizzo dei sistemi di intelligenza artificiale (IA) da parte delle Società di gestione del risparmio (Sgr) avrebbe forse riformulato la propria domanda in questi termini: “Can machines invest?”. L’impiego dei sistemi di IA nell’ambito dell’asset e wealth management ha visto una rapida espansione negli ultimi anni, beneficiando dello sviluppo delle tecnologie disponibili e della spinta competitiva fra gli operatori del settore. Una recente indagine della Consob ha permesso di comprendere il reale utilizzo delle IA nel settore della gestione del risparmio in Italia, sottolineandone rischi e prospettive.
L’utilizzo dei sistemi di IA e specialmente di machine learning (ML) nell’ambito dei servizi di gestione del risparmio è in espansione negli ultimi anni. Si tratta di una tendenza che investe l’intera economia (che diviene data driven) e che, soprattutto nell’ambito dell’industria finanziaria, è particolarmente marcata (ne abbiamo parlato QUI).
Nello specifico settore dell’asset management è stato evidenziato che l’uso delle IA varia in base alle tecnologie impiegate e alle finalità perseguite. Le tecnologie più frequentemente utilizzate sono riferibili al ML e includono le reti neurali, i meccanismi di cluster analysis e il natural language processing (NLP). Tali sistemi si differenziano, sul lato degli input, per i dataset che sono in grado di elaborare, e sul lato e degli output, per le informazioni che possono restituire.
Ogni tipologia di ML può quindi essere impiegata con finalità diverse. Alcune vengono usate per effettuare previsioni sull’andamento dei mercati; altre sono utili a classificare i prodotti da scambiare sui mercati finanziari, nonché per la profilazione dei clienti richiesta dalla direttiva Mifid II. Le tecnologie di ML permettono inoltre di ottimizzare il portafoglio di investimento risolvendo problemi a cui comunemente non possono far fronte gli algoritmi di ottimizzazione classici. I sistemi di NLP danno poi un apporto fondamentale, permettendo di analizzare automaticamente enormi quantità di documenti (relazioni annuali aziendali, articoli ecc.) e aumentando così la base conoscitiva per assumere le decisioni rilevanti per la gestione del risparmio.
Una recente indagine della Consob, svolta su otto Sgr, ha permesso di comprendere la reale diffusione in Italia delle IA in questo settore, delineandone le possibili prospettive evolutive. La survey ha raccolto evidenze sul grado di utilizzo dei sistemi di intelligenza artificiale nell’asset management in tutte le fasi della catena del valore, anche riguardo alle iniziative in corso di sviluppo da parte dei gestori, nonché le opinioni di questi ultimi riguardo ai benefici attesi e ai rischi potenziali legati all’utilizzo di sistemi di IA.
Gli ambiti di utilizzo dei sistemi di IA presentano una grande eterogeneità, risultando prevalenti il processo di investimento e le attività volte all’incremento dell’efficienza operativa. Altre aree rilevanti sono rappresentate dalle attività di gestione e analisi dei dati e di gestione delle infrastrutture e compliance.
Poiché tutte le Sgr che adottano sistemi di IA sostengono di aver migliorato la propria posizione competitiva grazie all’utilizzo di tali tecnologie, in prospettiva il settore è destinato ad espandersi. Le società intervistate hanno infatti dichiarato di aver già stanziato degli investimenti per l’ulteriore sviluppo degli strumenti di IA da applicare nelle varie fasi della catena del valore. Il ruolo propulsivo degli investimenti privati è accompagnato, peraltro, da un quadro regolatorio che negli ultimi anni tende a favorire la sperimentazione tecnologica attraverso i c.d. Innovation facilitators (ne abbiamo parlato QUI e QUI).
La rapida espansione del settore impone un ripensamento del ruolo delle Autorità di vigilanza e regolazione, per assicurare il rispetto dei diritti fondamentali coinvolti e il buon funzionamento del mercato di riferimento. L’Unione europea sta cominciando ad adottare alcune misure per la regolamentazione dello sviluppo e dell’utilizzo delle IA e per far fronte ai principali problemi di queste tecnologie (ne abbiamo parlato QUI e QUI). Le IA necessitano di dati di buona qualità per funzionare in modo appropriato e prevenire output indesiderati (come avviene quando ci sono dei bias); sono talvolta scarsamente interpretabili; rispondono male agli shock estremi che creano discontinuità nei dati e nelle relazioni tra variabili economiche e finanziarie (ipotesi non infrequente nell’industria finanziaria); sollevano incognite rispetto alla cybersicurezza (ne abbiamo parlato QUI), dal momento che lo sviluppo delle tecnologie viene spesso esternalizzato; possono comportare delle violazioni della privacy (ne abbiamo discusso QUI e QUI).
Le problematiche evidenziate richiedono pertanto misure di vario tipo. È necessario assicurare la trasparenza dei sistemi di IA impiegati, preferibilmente utilizzando un modello basato sul public enforcement con poteri ispettivi affidati alle Autorità di vigilanza. Queste ultime, a loro volta, dovrebbero essere dotate di adeguata capacità amministrativa per svolgere tali funzioni, con personale formato ad hoc. L’utilizzo delle IA dovrebbe essere poi accompagnato da presidi appropriati per assicurare il rispetto dei diritti dei terzi (tanto di natura patrimoniale quanto non patrimoniale). Un adeguato modello di responsabilità civile potrebbe in parte assolvere a tale compito. Inoltre, è necessario garantire il buon funzionamento del mercato di riferimento, atteso che la propensione delle imprese più piccole ad esternalizzare lo sviluppo delle IA a soggetti più grandi tende a concentrare il potere di mercato nelle mani di questi ultimi.
Quest’opera è distribuita con Licenza Creative Commons Attribuzione 4.0 Internazionale