RPA e AI nel Finance: 5 casi d’uso per ridurre gli errori

L’uso dei servizi digitali bancari, principalmente da device mobile, è in aumento tra i consumatori italiani; il 66% afferma di utilizzare almeno uno dei canali digitali messi a diposizione dal proprio istituto. È quanto emerge da una ricerca dell’Osservatorio FinTech & Insurtech del Politecnico di Milano, che evidenzia una forte predisposizione degli utenti verso nuovi servizi finanziari (ne è un esempio il credito embedded, che prevede l’accesso diretto al finanziamento in fase d’acquisto).

Nel mercato Finance, inoltre, già da tempo si sono affacciati nuovi attori e servizi, come ad esempio le Challenger Bank o il BaaS (Bank-as-a-Service), che imprimono una forte accelerazione a tutto il settore. Le aziende del Finance, di conseguenza, devono puntare con decisione verso l’ottimizzazione dei processi e la creazione di nuovi servizi, pena il degrado della Customer Experience e la perdita dei clienti. E in questo contesto, la Robotic Process Automation (RPA) e l’Artificial Intelligence giocano un ruolo centrale, in quanto migliorano le performance operative e consolidano il rapporto di fiducia col cliente, grazie all’efficienza e alla precisione dei servizi offerti.

RPA e AI: i 5 casi d’uso più diffusi

Amministrazione, Sviluppo e Customer Service sono tra i dipartimenti aziendali in cui l’IBPA (Intelligent Business Process Automation), ovvero l’uso combinato di RPA e AI, trova la sua maggiore applicazione. Lo dimostra una ricerca dell’Osservatorio Intelligent Business Process Automation del Politecnico di Milano, trasversale ai diversi settori di mercato. Ciò vale anche per il Finance: i casi d’uso più diffusi riguardano, infatti, tanto l’ottimizzazione dei processi di back-end, quanto la promozione dei servizi e la cura dei rapporti con la clientela.

Tra i principali use case relativi all’uso di RPA e AI nel Finance, troviamo:

1. Virtual Assistant. È l’evoluzione dei chatbot. Grazie ad una preistruzione su una base di conoscenza vasta, il Virtual Assistant può fornire supporto a valore aggiunto. Può, ad esempio, fornire informazioni sulle transazioni, oppure descrivere un determinato investimento, o, infine, notificare scadenze e appuntamenti. Il Virtual Assistant è disponibile H24 e offre un’interazione personalizzata.
2. Corporate Events. Sono le comunicazioni obbligatorie verso i clienti: l’emissione dei titoli, lo stacco dei dividendi, o, infine, il frazionamento azionario. RPA e AI possono essere utilizzate per automatizzare la comunicazione al cliente, con messaggi personalizzati e contestuali, e sono in grado di interpretarne il feedback. Il cliente potrebbe decidere, ad esempio, di reinvestire i guadagni o vendere i titoli, e ciò avverrebbe in un dialogo ad personam, dedicato al singolo cliente.
3. Onboarding dei clienti. RPA e AI semplificano l’acquisizione di nuovi clienti, automatizzando flussi di lavoro, quali, ad esempio, la verifica dei documenti, l'autenticazione dell'identità, o, infine, l’inserimento dei dati. Ne risulta un processo automatizzato che migliora le prestazioni e riduce gli errori, consolidando la Customer Experience e la brand reputation.
4. Riconciliazioni amministrative. L’AI interpreta a livello semantico i contenuti: le verifiche e le riconciliazioni possono avvenire su documenti di qualunque formato, digitale o cartaceo, strutturato in campi fissi, o in forma libera. Vi è una chiara ottimizzazione del processo, in quanto è possibile gestire ogni tipo di eccezione.
5. Gestione contabile. Gli istituti finanziari, al pari di altre aziende, hanno processi di back-end onerosi, quai, ad esempio, la gestione delle fatture passive, il pagamento dei fornitori, ecc. La disponibilità di funzioni prompt (possibilità di inserire comandi testuali in linguaggio naturale per dare istruzioni o far domande all’AI Generativa), alleggerisce notevolmente il lavoro degli addetti.

Il potenziale d’uso di RPA e AI è molto ampio, e trova applicazione in tutti i contesti in cui vi siano processi ripetitivi uniti ad analisi contestuali, quali, ad esempio, la conformità normativa, l’audit e il reporting, le operazioni di tesoreria, o, infine, il trading automatizzato. Va valutato, tuttavia, il rapporto costo/beneficio caso per caso, al fine di stimare l’effettivo ritorno degli investimenti, che non può essere dato per scontato.

Analisi del rischio di investimento e Fraud Detection

L’Osservatorio Artificial Intelligence del Politenico di Milano documenta come il Finance sia un settore di punta nell’uso dell’AI, secondo solo all’Energy, e con una crescita degli investimenti nel 2023 maggiore del 20% rispetto al 2022. La ricerca evidenzia come l’AI sia utilizzata principalmente per il monitoraggio dei dati di mercato, finalizzato al trading e alle opportunità di acquisto. In tale ambito vi è un utilizzo preponderante degli Analytics rispetto all’automazione, che costituirebbe una parte residuale del processo. Lo stesso dicasi per la Fraud Detection, in cui l’istruzione del Machine Learning (transazioni sintetiche, classificazione dei falsi positivi, ecc.) costituisce gran parte dell’attività.

Al fine di trarre valore reale dell’uso di strumenti di RPA e AI, però, occorre che si verifichi un vero e proprio cambiamento culturale in azienda, in particolare per quel che riguarda l’introduzione di un approccio data-driven nell’operatività quotidiana. L’automazione dei flussi e le analisi sulle informazioni richiedono, dunque, sia la strutturazione della raccolta dati, sia la formazione continua dei dipendenti, per sviluppare tecniche e competenze analitiche, al fine di interpretare i risultati ottenuti e prendere decisioni informate.