AI Dalla Redazione Investor, servicer e debt buyer NPL e crediti deteriorati

AI e gestione del credito: dati, modelli predittivi e nuove strategie di collection

Intervista a Gennaro Martire, Head of Data Analytics Hoist Finance

L’intelligenza artificiale sta passando dalla fase di sperimentazione a un’integrazione sempre più concreta nei processi di gestione del credito. Dal suo osservatorio, a che punto è oggi il settore e quali sono gli ambiti in cui l’AI sta già generando i risultati più significativi?

Credo che ormai sia passata la fase in cui era giusto parlare di “rivoluzione” apportata dall’utilizzo dell’intelligenza artificiale al mondo tecnologico e non solo.

L’AI è una realtà solida in molte industry e gli enormi investimenti già fatti e quelli ancora in corso da parte delle big tech americane e cinesi dimostrano quanto se ne stia facendo largo utilizzo.

Devo dire però che, mentre l’industria manifatturiera o in generale tutto quello che non è annoverabile tra le industry dei servizi ha avuto ed ha più facilità nell’adozione dell’AI all’interno dei loro processi produttivi, il mondo dei financial services si comporta ancora da follower o quasi.

Questo, credo, per la natura stessa dell’uomo, per cui è stato molto più facile comprendere come un robot gestito completamente da un’AI possa integrare il lavoro dell’essere umano e non immaginare un utilizzo a 360° di un AI in un processo di una banca o in una qualsiasi azienda dei financial services.

Detto questo, la velocità con cui cambiano le cose è spaventosa e lo è anche dal punto di vista dell’adozione degli strumenti da parte dei colleghi del settore. Nell’ultimo anno, l’esperienza  diretta, i confronti con tanti colleghi del settore e l’interesse sempre maggiore a portare ad eventi come il CV topic AI oriented, mi hanno fatto percepire una sorta di “maggior fiducia” verso l’AI favorita probabilmente anche da una volontà delle stesse Organizzazioni. E’ come se si fosse deciso di entrare a far parte della rivoluzione tecnologica e se ne stanno registrando i benefici molto rapidamente.

I campi di maggior applicazione nel mondo dei FS sono sicuramente quelli legati all’utilizzo di LLM per la lettura dei documenti con l’obiettivo di velocizzarne la loro sintesi e ottimizzare i tempi di comprensione dei contenuti più importanti. A livello più operativo, l’integrazione delle più grandi piattaforme (Claude, ChatGPT, Gemini, Copilot volendo nominare i più conosciuti) con gli strumenti di uso quotidiano della suite Microsoft (Excel, Word, Powerpoint) sta facilitando moltissimo le attività , anche non complesse, di elaborazione dati che richiedevano prima una competenza che adesso risulta superflua. Con conseguente sgravio dai team “specialistici” di queste attività di basso livello e time consuming.

E poi ci sono gli utenti pro che utilizzano l’AI per analisi complesse per le quali però è richiesta sia la conoscenza approfondita degli use case operativi che la capacità di formulare dei prompt adeguati ad avere risposte dagli LLM corrette il più possibile.

L’analisi dei dati rappresenta una leva strategica per migliorare le performance nella gestione e nel recupero dei crediti. In che modo l’intelligenza artificiale e i modelli predittivi stanno trasformando le strategie di collection e la capacità di prevedere i comportamenti di pagamento dei debitori?

Considerando che qualsiasi analisi statistica, dalle regressioni lineari a strutture complesse come le reti neurali, si nutre di dati da cui si estrae l’informazione necessaria alle attività di predizione, l’utilizzo dell’AI sta dando un grande aiuto in queste attività.

Intanto in quello che in gergo chiamiamo “data enrichment”, e che a discapito dell’inglesismo d’effetto, altro non vuol dire che “raccolgo e butto dentro” più dati possibile da qualsiasi fonte incluse quelle fisiche. E l’unico modo per leggere ed estrarre dati da centinaia di migliaia di documenti fisici, spesso non organizzati in maniera strutturata e molto spesso di scarsa qualità ottica, è utilizzare un modello basato su LLM che sia in grado di leggere testo e immagini in qualsiasi forma siano presentati (tabelle, schemi grafici, ecc), riorganizzarne i contenuti per contesto, classificare i documenti, estrarre le informazioni più importanti (feed dei modelli statistici) e infine interpretare il tutto facendo una disamina dei contenuti attinente al contesto.

Utilizzando quindi gli output dei modelli di lettura ed estrazione dati dai documenti si è in grado di estendere enormemente l’input ai modelli statistici che avendo a disposizione più elementi (covariate) raggiungono una predizione più precisa del quando (curve temporali) e del quanto (ammontare stimato di collection) un debitore è probabilisticamente disposto a pagare. Risultato? Strategie di collection il più precise possibile fin dall’inizio, che annullano i tempi morti di una modalità caratterizzata dal tentare una strada, avvalorata sicuramente dall’esperienza, ed eventualmente cambiare in corso d’opera leggendo gli eventi.

La velocità e la scientificità nella lettura e nell’ “interpretazione” degli eventi proprie di un’analisi statistica permettono la diminuzione drastica dei tempi di reazione e l’ottimizzazione del processo anche in termini di cost-to-collect.

Dalla due diligence alla previsione degli incassi, fino al monitoraggio dei portafogli, le potenziali applicazioni dell’AI interessano l’intero ciclo di vita del credito. Quali ritiene siano oggi le opportunità più interessanti per gli operatori e quali le principali difficoltà nell’integrare queste tecnologie nei processi operativi?

Se avessi la possibilità di muovermi avanti nel tempo di un paio d’anni, sono sicuro che vedrei il mercato del credito e del credito deteriorato in particolare completamente diverso.

L’applicazione dell’AI sta iniziando adesso, ma come ho già detto il cambiamento è sorprendentemente veloce una volta iniziato.

Se penso al mondo del credito deteriorato, sicuramente direi che il primo a industrializzarsi con l’utilizzo dell’AI non può che essere il processo di Due Diligence. Migliori previsioni di cash flow si traducono automaticamente in un pricing più preciso e dunque competitivo mantenendo invariato il rischio dell’operazione. Senza pensare che una migliore e più precisa  strategia predittiva potrebbe rassicurare maggiormente chi acquista in merito alle capacità di recupero generando una propensione ad accettare un maggior rischio finanziario con conseguente riduzione degli IRR delle operazioni a favore di un prezzo ancor più competitivo.

Allo stesso modo le attività di onboarding dei portafogli beneficerebbero di motori basati su LLM in grado di velocizzare la “ricostruzione” dei Loan Data Tape ceduti per renderli “comprensibili” al sistema ricevente nonché per l’arricchimento, laddove necessario e possibile, delle informazioni spesso non fornite nei Tape ma presenti nella documentazione sia elettronica che cartacea.

Sono solo due dei macro processi che potrebbero e, a mio avviso, saranno automatizzati del tutto nell’arco dei prossimi mesi. E’ chiaro che tutto questo ha bisogno di un processo generale di svecchiamento anche dei Sistemi Legacy adottati che rispondono ancora alle esigenze operative di un paio di decenni fa. Laddove oltreoceano si stia già sviluppando uno smartphone che non ha più app al suo interno, ma un agente AI capace di rispondere alle esigenze di un utente che interagisce in maniera naturale con esso, non possiamo pensare di avere dei gestionali che rispondono ad una struttura fatta di “schede” di lavorazione. Favorire l’integrazione di strumenti avanzati significa far avanzare anche lo strumento che li accoglie. E, per quanto ovvio, perché ciò accada è necessario che cambi rapidamente anche il mindset delle organizzazioni e delle risorse che vi lavorano. Il rischio è uno soltanto: continuare ad essere follower in un mondo dove ormai non dobbiamo più chiederci “quando avverrà il cambiamento?” ma “quale sarà il prossimo settore ad essere completamente rivoluzionato?”.

L’efficacia dei modelli di intelligenza artificiale dipende in larga misura dalla qualità e dalla disponibilità dei dati. Quali sono le principali sfide che gli operatori devono affrontare per costruire modelli affidabili, garantendo al tempo stesso trasparenza, controllo del rischio e conformità normativa?

Credo che la sfida più importante e forse urgente sia quella di adottare un modello di Data Governance efficace. Al netto delle grandi organizzazioni tech che dei dati hanno fatto il loro core business e per ovvie ragioni hanno sviluppato una sensibilità estrema alla cura del dato e della sua gestione end-to-end, credo che ogni altra organizzazione nella industry dei servizi e in particolare nei financial services sia molto distante dall’avere un’attenzione alta alla governance dei dati. Un po’ perché non è la loro fonte di ricavo primaria, un po’ perché è abbastanza diffuso l’approccio del “finché funziona perché investire in un upgrade”, un po’ perché, diciamocelo, il top management di banche e società finanziarie ha un’età media abbastanza alta (intorno ai 60/62 anni in Europa così come negli States) e per forza di cose è meno sensibile a tematiche legate alla tecnologia attuale, fatto sta che si investe sempre con dovuta attenzione in tecnologia. E quello che si investe lo si dedica principalmente a tecnologia materiale (laptop più aggiornati, smartpone, sistemi di videoconferenza all’avanguardia, ecc) e raramente in progetti importanti di organizzazione e messa in sicurezza della catena del dato.

Vien da se che data scientist, data engineer e tutti i professionisti del settore sono spesso utilizzati dalle organizzazioni per “tappare i buchi” di un sistema che necessiterebbe di un rimodernamento radicale piuttosto che sviluppare tecnologia (modelli statistici e adozione di AI) a favore un miglior risultato finanziario.

E’ necessario dunque lavorare sull’organizzazione e la gestione della qualità del dato per garantire efficacia dei modelli che li usano, conformità alle normative tempo per tempo vigenti applicando delle più semplici regole di controllo, e soprattutto per liberare il potenziale di risorse spesso utilizzate in attività a bassissimo valore aggiunto.

Al 19° CVDay prenderà parte alla sessione “AI lungo il ciclo di vita del credito”, dedicata al passaggio dalla sperimentazione all’adozione industriale dell’intelligenza artificiale. Guardando ai prossimi anni, quali evoluzioni si aspetta nel settore del credit management e quale messaggio vorrebbe portare agli operatori che parteciperanno al confronto?

Quello che mi aspetto è una drastica e necessaria rivoluzione del settore con una spinta adozione di sistemi intelligenti che siano in grado di governare il credito e interagire autonomamente con la clientela. E non lo dico per adottare uno slogan o spaventare i più, ma per estrema convinzione e facile osservazione del nostro passato. Laddove in alcuni ambiti ci si stia muovendo in una certa  direzione di successo per l’umanità, tutto il resto non può che adeguarsi al cambiamento in atto. Lo abbiamo visto più volte post rivoluzione industriale, ad esempio, nell’adozione delle macchine a sostituzione e integrazione del lavoro umano, ma anche nell’adozione di prodotti che hanno cambiato il modo di essere delle nostre vite in tempi più recenti. Pensiamo allo smartphone. Sarebbe stato impensabile avere a disposizione uno strumento così potente relegato solo al mercato consumer. E lasciare, come era fino ad allora, a Blackberry il monopolio del mercato business. Così come l’abbandono completo dei tubi catodici negli schermi. Non riuscirei ad immaginare ospedali con macchinari che hanno ancora i tubi catodici per le strumentazioni quando a casa il televisore più piccolo che abbiamo è un 55’’ con un risoluzione 8k.

Quella di cui parliamo è una rivoluzione già matura e quello che dobbiamo aspettarci dunque è solo un cambiamento repentino nelle modalità che oggi conosciamo di lavorare il credito in ogni sua fase.

Quello che vorrei si avesse, in linea con la velocità con cui cambiano le cose, è un’attenzione forte verso una “preparazione” delle risorse, indipendentemente dalla loro età ed esperienza,  ad affrontare nuove sfide che probabilmente richiederanno un grosso cambiamento nel modo di agire integrandosi con le nuove tecnologie. E dico volutamente preparazione e non formazione perché ciò che abbiamo il dovere morale di fare è di infondere una consapevolezza negli altri che cambiamento non vuol dire necessariamente estinzione. Ma evoluzione in qualcosa di diverso. E il compito di renderlo diverso e positivo è nostro e dipende dal nostro approccio e da quanto siamo preparato a questo.

Sei interessato ad approfondire il tema?

Questo focus sarà oggetto di una Sessione dedicata dal titolo “AI lungo il ciclo di vita del credito” in programma il prossimo 19 novembre nell’ambito del 19° CVDay

Per maggiori dettagli sull’appuntamento e per partecipare visita la pagina https://www.cvday.events/