#Finsubito news – Finanza al consumo nell’era dell’IA: trasparenza e responsabilità

Attualmente, i prestiti al consumo vengono elaborati più rapidamente sulle piattaforme digitali, con l’intelligenza artificiale ( IA ) profondamente coinvolta nell’identificazione del cliente, nella valutazione del rischio e nel supporto alle decisioni di credito. Tuttavia, quando un prestito viene approvato o rifiutato sulla base di un’analisi algoritmica, diventano cruciali anche le questioni di trasparenza, diritto alla spiegazione e responsabilità degli istituti di credito.

Nel seminario “Finanza al consumo nell’era dell’IA: dagli algoritmi trasparenti al credito responsabile”, il Dott. Phan Thanh Duc, responsabile del Dipartimento di Tecnologie dell’Informazione ed Economia Digitale dell’Accademia Bancaria, ha analizzato i cambiamenti fondamentali nel mercato della finanza al consumo, chiarendo al contempo i limiti dell’utilizzo dei dati e della responsabilità nell’applicazione dell’IA.

L’intelligenza artificiale sta cambiando il modo in cui valutiamo i clienti e gestiamo il rischio.

– Potrebbe spiegarci in che modo l’intelligenza artificiale sta cambiando il mercato del credito al consumo, in particolare per quanto riguarda la valutazione dei clienti e la gestione del rischio da parte degli istituti finanziari, rispetto ai modelli tradizionali?

Dott. Phan Thanh Duc: Il mercato del credito al consumo sta cambiando molto rapidamente. I servizi stanno diventando sempre più comodi e accessibili. Tuttavia, insieme allo sviluppo della tecnologia, aumentano costantemente anche le esigenze degli utenti, ponendo nuovi requisiti ai fornitori di servizi.

Nel contesto della promozione dell’inclusione finanziaria, la domanda di servizi finanziari è in crescita, ma ciò non significa che tutti vi abbiano pari accesso.

In passato, i clienti dovevano registrarsi, verificare la propria identità, fornire informazioni e attendere una risposta di persona. Oggi, molte fasi possono essere svolte digitalmente. Tuttavia, dietro questa comodità si cela un enorme carico di lavoro per gli istituti finanziari.

Nell’accettare nuovi clienti, gli istituti di credito devono effettuare processi di verifica, valutazione e raccolta di informazioni, garantendo la conformità alle normative sulla protezione dei dati personali. Una differenza fondamentale risiede nel modo in cui i clienti vengono valutati. Nel contesto finanziario tradizionale, i clienti vengono generalmente classificati in base all’età, alla professione, alla situazione familiare o al patrimonio.

Nell’ambiente digitale, tuttavia, il comportamento dei consumatori è cambiato in modo significativo. Possedere una casa, un’auto o più beni non significa necessariamente avere una buona capacità di ripagare i debiti, perché la liquidità degli asset può variare rapidamente.

Pertanto, gli istituti finanziari devono valutare un numero maggiore di fattori, dalla domanda effettiva dei consumatori e dal comportamento dei clienti alla capacità di rimborso e ai livelli di rischio. Il cambiamento più significativo non riguarda solo la tecnologia, ma l’intero processo operativo.

Non possiamo semplicemente trasferire i processi tradizionali nell’ambiente digitale. La trasformazione digitale richiede la riprogettazione di ogni fase, dall’acquisizione, identificazione e valutazione dei clienti alla gestione del rischio e all’erogazione dei servizi. Ancora più importante, gli istituti finanziari devono passare dalla semplice identificazione alla vera e propria comprensione dei propri clienti, offrendo così prodotti e servizi realmente pertinenti.

– Con l’aumentare della complessità degli algoritmi, come possiamo trovare un equilibrio tra la precisione dell’IA e la capacità di interpretare le decisioni di credito per i clienti?

Dott. Phan Thanh Duc: Credo che l’accuratezza e la spiegabilità degli algoritmi non siano due fattori contrapposti che ci costringono a sceglierne uno a discapito dell’altro. Questi due fattori possono assolutamente coesistere, a condizione che esista un meccanismo di controllo adeguato.

In passato, con gli algoritmi tradizionali, gli sviluppatori di sistemi in genere comprendevano il funzionamento del sistema e le ragioni alla base dei suoi risultati. Tuttavia, con l’apprendimento automatico, in particolare con il deep learning, i sistemi possono apprendere ed elaborare relazioni di dati estremamente complesse. In molti casi, persino chi crea i modelli trova difficile spiegare appieno come il sistema prenda una determinata decisione.

Per quanto riguarda la responsabilità, è necessario considerarla da due prospettive. Per i clienti, non è necessario spiegare ogni singolo dettaglio tecnico complesso. Ciò di cui hanno bisogno sono informazioni semplici e chiare per capire perché la loro richiesta di prestito è stata rifiutata, quali condizioni mancano e quali aspetti necessitano di miglioramenti. Affermare semplicemente che la decisione è stata presa dal sistema non è sufficiente a soddisfare l’obbligo di spiegazione.

Per gli istituti di credito, i requisiti di responsabilità devono essere più approfonditi, sufficienti a controllare il modello, valutare i rischi e determinare la responsabilità per ogni decisione. L’intelligenza artificiale può prendere decisioni in pochi secondi, ma la responsabilità di tali decisioni rimane comunque in capo agli esseri umani e può protrarsi per un lungo periodo. Questo è un principio immutabile quando si applica l’intelligenza artificiale alle operazioni di credito.

La raccolta di dati accurati e sufficienti è essenziale per tutelare i diritti dei consumatori.

– L’eccesso di dati sta aprendo la possibilità di valutare clienti che non hanno una storia creditizia. Tuttavia, qual è un limite ragionevole affinché la valutazione del credito non violi eccessivamente la privacy dei clienti, signore?

Dott. Phan Thanh Duc: In genere, tendiamo a pensare che più dati raccogliamo, meglio è, perché più informazioni abbiamo, più completo sarà il profilo del cliente che potremo costruire. Ma il fatto che un tipo di dato possa essere raccolto non significa che dovremmo raccoglierlo. Credo che dobbiamo considerare tre aspetti.

Innanzitutto , i dati raccolti sono effettivamente e direttamente correlati allo scopo della richiesta di prestito e della valutazione del cliente? In secondo luogo , esiste un modo meno invasivo per garantire la raccolta di dati sufficienti al funzionamento del modello di valutazione del credito? In terzo luogo , i clienti sono a conoscenza di come vengono utilizzati i loro dati e possono facilmente modificare o revocare il proprio consenso?

Dal punto di vista della ricerca, riteniamo che un buon modello non sia quello che richiede la maggiore quantità possibile di dati, bensì quello che utilizza i dati giusti, ne possiede a sufficienza e controlla le distorsioni dei dati. La raccolta eccessiva di dati può comportare violazioni normative e aumentare i costi di archiviazione, gestione ed elaborazione.

I dati possono essere una risorsa preziosa e una materia prima fondamentale, ma possono anche diventare inutili se non gestiti e utilizzati in modo efficace. Pertanto, l’obiettivo è costruire modelli che utilizzino la giusta quantità di dati, siano facili da gestire e possano essere scartati quando non sono più necessari senza ripercussioni sulle parti interessate.

Grazie, signore!

Il dottor Phan Thanh Duc ha sottolineato: la tecnologia sta aiutando gli istituti finanziari a migliorare la qualità dei servizi, offrendo ai clienti servizi più rapidi e convenienti. Tuttavia, affinché questi vantaggi contribuiscano a costruire una fiducia duratura, gli istituti di credito devono adempiere pienamente alle proprie responsabilità, garantire i diritti dei consumatori e rafforzare la fiducia digitale.