Il Machine Learning trasforma la gestione del rischio di credito in Italia

Il Machine Learning (ML) sta rivoluzionando i processi decisionali sul rischio di credito nei settori dei servizi finanziari e delle telecomunicazioni. È il principale responso di una ricerca di Experian condotta da Forrester Consulting su 1195 responsabili dello sviluppo e implementazione di soluzioni di AI/ML nel rischio di credito in 11 paesi in EMEA e Asia Pacifico, tra i quali 110 di aziende italiane.

L’indagine aveva l’obiettivo di comprendere i benefici del ML nella gestione del rischio di credito, e le ragioni per cui alcune aziende non lo hanno ancora adottato.

Il ML come strumento di inclusione finanziaria

Uno di tali benefici, evidenziato dal rapporto, è che il ML permette di estendere l’accesso ai servizi finanziari a segmenti di popolazione finora meno serviti, in particolare consumatori con storia creditizia limitata (“thin-file”) o accesso insufficiente ai servizi bancari (“underbanked”). Grazie all’integrazione di fonti di dati alternative e più ricche, i modelli di ML rendono possibili valutazioni di idoneità più accurate.

In Italia, il 69% delle aziende che hanno adottato il ML conferma che la tecnologia consente loro di ampliare l’accesso ai servizi finanziari, servendo responsabilmente nuove fasce di clientela che i sistemi di valutazione tradizionali spesso escludono.

Allo stesso tempo, il 60% indica che, grazie a una previsione del rischio più accurata e a una riduzione dei crediti in sofferenza, il ML contribuisce a migliorare la redditività.

“Il Machine Learning sta aprendo le porte ai servizi finanziari per milioni di persone che, storicamente, sono state escluse dal sistema. Sfruttando dati alternativi e modelli di rischio più sofisticati, il ML permette ai finanziatori di prendere decisioni più eque e accurate, specialmente per i consumatori con storia finanziaria limitata, e si sta affermando come un elemento centrale per costruire sistemi finanziari più inclusivi e sostenibili”, afferma in una nota Mariana Pinheiro, CEO di Experian EMEA & APAC.

Il ML accelera l’automazione

Per oltre due terzi (67%) degli utenti italiani di ML, i vantaggi principali risiedono nel miglioramento della precisione nella previsione del rischio e nell’incremento dell’efficienza operativa, capacità che permettono agli istituti finanziari di aumentare il livello di automazione in sicurezza.

Per esempio l’89% delle aziende italiane che utilizzano il ML ha riscontrato un incremento dei tassi di accettazione dei prestiti alle PMI.

Quasi tre su quattro (71%) concordano che il ML consente di automatizzare un numero maggiore di decisioni di credito, riducendo così il lavoro manuale e accelerando i tempi di risposta. Guardando al futuro, tre intervistati su quattro (75%) prevedono che entro 5 anni la quasi totalità delle decisioni di finanziamento sarà gestita in modo completamente automatizzato.

La GenAI semplifica la documentazione normativa

Quanto all’Intelligenza Artificiale Generativa (GenAI), il 70% degli intervistati italiani ritengono che possa ridurre in modo significativo il tempo e l’impegno necessari per sviluppare e implementare nuovi modelli decisionali per il rischio di credito.

Inoltre, due terzi (66%) concordano che il vantaggio più rilevante della GenAI è la semplificazione della documentazione normativa. Questo si traduce in cicli di validazione più rapidi e in una migliore collaborazione tra i team addetti al rischio e quelli alla compliance.

“Il rapporto mette in luce come l’incremento della redditività sia una priorità assoluta per i leader aziendali nel settore bancario e finanziario. In questo contesto, la capacità di prendere decisioni più precise, veloci e di gestire in modo efficiente il rischio di credito diventa cruciale. Il Machine Learning e la Generative AI consentono alle banche di aumentare i finanziamenti, diminuire il costo del credito e ridurre il time to cash grazie a modelli sempre più performanti e AI Assistant che migliorano la produttività dei dipendenti”, commenta nella nota Giulio Mariani, Data& AI Manager di Experian Italia.

I principali ostacoli all’adozione del ML

Nonostante questi vantaggi potenziali, alcune aziende mantengono un approccio cauto all’adozione del ML. Tra i principali ostacoli, il rapporto cita i costi, l’incertezza normativa, e la carenza di competenze interne. Due terzi (66%) delle aziende che non hanno ancora adottato il ML ritengono che i costi di implementazione siano superiori ai benefici attesi. Il 59% ammette di non aver compreso pienamente il valore che il ML potrebbe offrire.

Permangono inoltre preoccupazioni legate alla spiegabilità e alla conformità: il 62% dei non adottanti italiani è preoccupato per la trasparenza dei modelli, e oltre la metà (55%) teme un mancato allineamento con le normative. A queste sfide si aggiungono infrastrutture IT e dati obsoleti, che secondo il 56% non sono adatti a supportare l’implementazione del ML.

Il report però sottolinea anche che molte di queste preoccupazioni nascono da errate convinzioni: i moderni modelli di ML possono essere sia spiegabili che conformi, e l’utilizzo di piattaforme di terze parti può contribuire a superare le lacune di competenze e infrastrutture.