ARTIFICIAL INTELLINGENCE E BANKING: NUOVI E TRADIZIONALI PATRIMONI INFORMATIVI COME LEVA DI VANTAGGIO COMPETITIVO - Giorgio Costantino - Assbb
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
ARTIFICIAL INTELLINGENCE E BANKING: NUOVI E TRADIZIONALI PATRIMONI INFORMATIVI COME LEVA DI VANTAGGIO COMPETITIVO ALCUNI USE CASES CRIF Giorgio Costantino Executive Director Global Transformation Services SADIBA 2022 Palazzo di Varigana, 20 th Maggio 2022
01 Le sfide di un mondo “fluido” e interconnesso
Nuove informazioni, Artificial Intelligence e
02 Banking: alcuni «casi d’uso»
03 Conclusioni
2 ©2022 • Global Transformation Services – Giorgio Costantino
NUOVA NORMALITÀ : IL MONDO FLUIDO DI CRISI E I «VACCINI» PER CONTRASTARLE
PIL UE -1,4% 2022 1 4
Ecosistema Digitale e AI
Inflazione 6,1% CRISI NUOVI Nuovi Player
CONTINUE TREND
[Fonte: Il Sole24ore]
IMMEDIATE AUMENTI
RISPOSTE STRUTTURALI 270 bln € prestiti
Next GenEU: 750 bln €
PNRR: 222,1 bln € GOVERNATIVE DEL RISCHIO “congelati”
[Fonte: Ministero dello Sviluppo Economico] 2 3 (Cliff effect)[Fonte: BankIT]
3 ©2022 • Global Transformation Services – Giorgio Costantino
LA BANCA DIVENTA UN NUOVO ECOSISTEMA CON DATI E ALGORITMI
AI e tecniche ML mezzo efficace per «governare» un mondo sempre più «fluido» e interconnesso ….
Fonti sempre più Processi sempre più Nuovi Player con
ampie e profonde digitali e veloci, … forti capacità di
… quali utilizzare? come sfruttarli investimento, come
appieno? sfruttarli?
Successo dell’Open Banking: 3 minuti per completare un 131,5 Bln $ di
+20 istituti italiani processo di origination e 1 investimenti a livello
+190k clienti hanno dato il minuto per l’approvazione globale (+168% yoy)
loro consenso negli ultimi 9
mesi
[Fonte. CRIF] [Fonte. CRIF] [Fonte. CB Insights]
4 ©2022 • Global Transformation Services – Giorgio Costantino
01 Le sfide di un mondo “fluido” e interconnesso
Nuove informazioni, Artificial Intelligence e
02 Banking: alcuni «casi d’uso»
03 Conclusioni
5 ©2022 • Global Transformation Services – Giorgio Costantino
ARTIFICIAL INTELLIGENCE AND BANKING: LE TRE SFIDE E I CASI CRIF
Use case #1 Use case #2 Use case #3
Ottimizzare le Ottimizzare Prevedere
performance di conoscenza impatti per i
valutazione dei relazioni tra percorsi di
crediti clienti sostenibilità
Machine Learning Nuove Filiere Climate Risk Suite
per la gestione del «massimizzate» per Rischio “fisico” e
rischio di transizione
+10%/15% > 100 KPIs per
5x relazioni per
maggior rischio la valutazione
controparte
intercettato ESG delle
imprese
6 ©2022 • Global Transformation Services – Giorgio Costantino
1 OTTIMIZZARE LE PERFORMANCE DI VALUTAZIONE DEI CREDITI
ML per estrarre valore dal nuovo ecosistema
Oggi
ILLUSTRATIVO
Valore aggiunto cumulato
• Metodologie ed approcci
tradizionali hanno servito bene
il passato
• Il nuovo ecosistema genera una
notevole varietà e quantità di dati:
comportamento digitale, stile di vita, gestione
aziendale, attrattività commerciale, esposizione
competitiva, ecc.
• Modelli e metodologie avanzate di
AI/ML sono abilitatori del valore del
Complessità e volume dei dati nuovo ecosistema dati
Metodologie tradizionali
Machine learning
7 ©2022 • Global Transformation Services – Giorgio Costantino
1 OTTIMIZZARE LE PERFORMANCE DI VALUTAZIONE DEI CREDITI
Modelli di Early Warning con tecniche Machine Learning Benefici
• 10-15% in più di clienti
Informazioni tradizionali Informazioni innovative: info transazioni
Segnali rischiosi gestiti preventivamente
Bilancio Regolarità flussi di cassa,
Cash flow • Capacità di generare cash flow
reattività a ciclo economico … • Fino a circa 1,5-2 bps di
• Per acquisti di materie prime, riduzione costo del rischio
Andamentale Tipologia di Anomalie o trend inattesi
servizi, oneri su finanziamenti,
interno spese negli acquisti
leisure, betting, mediche, etc.
• Spese o ricavi per operazioni Cogliere fattori di spesa o
CRIF Operatività tradizionali vs straordinarie +14%
rischio elevato
ricavo non regolari
Esposizione a
+9% +11%
• Movimentazione per «Regolarità», entità e
Banca d’Italia Fiscalità pagamento imposte e tasse coerenza delle uscite fiscali
• Identificazione Anestetizzzare entrate ed
Info pubbliche Intercompany giroconti/bonifici interni uscite per movimenti interni
Privati SME Corporate
Web • market opinion da cui
Sentiment derivare valutazioni e opinion Booking & Trip advisor
disponibili nel web Info tradizionali Info tradiz. + innovative
Le metodologie di ML permettono di meglio categorizzare le singole
transazioni rendendole fruibili e identificando fino a oltre 20.000
nuovi indicatori
8 ©2022 • Global Transformation Services – Giorgio Costantino
2 OTTIMIZZARE CONOSCENZA E RELAZIONI TRA CLIENTI: LE FILIERE OTTIMIZZATE
Le fonti innovative,….
Abilitano Circa 5x numero di aziende / soggetti collegati
o parte del sistema di relazioni [cliente – fornitore],…
©2022 • Global Transformation Services – Giorgio Costantino
Focus
next slide
2 OTTIMIZZARE CONOSCENZA E RELAZIONI TRA CLIENTI: LE FILIERE OTTIMIZZATE
Costruzione filiere con dati Banca e Crif – Il caso filiera Berlucchi
Il Caso Berlucchi
… e gli effetti sullo sviluppo commerciale
ILLUSTRATIVO
Azienda
Agri. Fornitori
Serrad** potenziali 6x
Fornitori
strategici
5x
«Vina» di
M*** B*** Fornitori Potenziali
Fornitori già Potenziali
non fornitori già
conosciuti fornitori
conosciuti clienti
dalla Banca prospect
dalla Banca Banca
Legenda
Da transazioni Banca Clienti
Da informazioni CRIF Non clienti
10 ©2022 • Global Transformation Services – Giorgio Costantino3 PREVEDERE I PERCORSI DI SOSTENIBILITA’: RISCHIO FISICO
Rischio
fisico
CLIMATE RISK SUITE: STIMA SCENARI CLIMATE CHANGE
Azienda #1
Settore: Fabbricazione di carta e cartone
Floods (year 2040)
Fatturato > 10 mln €
CRIF own Models
High Risk Increase
Pericolosità Vulnerabilità
Medium Risk Increase
• Rischio terremoto: alto • Prodotti facilmente
Moderate Risk Increase
• Rischio alluvione: medio deperibili e
particolarmente
Low Risk Increase • Rischio vento: basso sensibili al contatto con
l’acqua
No Change
Low Risk Reduction
Azienda esposta nei prossimi 20 anni a perdite annue
Moderate Risk Reduction
medie su asset pari a circa l’1% del proprio fatturato
riducibili di quasi il 40% applicando una polizza
assicurativa
11 ©2022 • Global Transformation Services – Giorgio Costantino3 PREVEDERE I PERCORSI DI SOSTENIBILITA’: RISCHIO TRANSIZIONE
Rischio
transizione
STIMA SCENARI CARBON FOOTPRINT E
Azienda #2
Settore: Rigenerazione e ricostruzione di pneumatici
Fatturato tra 5 e 10 mln€
Target riduzione GHG Distanza dal target
• Settore alto-inquinante § 105 tCO2 entro 2030
• Obiettivo di riduzione: § 581 tCO2 entro 2050
-10% al 2030
-55% al 2050.
L’azienda dovrà investire circa 10 mln€ nei prossimi 10
anni per raggiungere gli obiettivi prefissati per il settore. La
quantificazione del fabbisogno di credito è solo il primo
passo della banca nell’accompagnamento dell’azienda
nel percorso di transizione
12 ©2022 • Global Transformation Services – Giorgio Costantino3 PREVEDERE I PERCORSI DI SOSTENIBILITA’: RISCHIO FISICO E TRANSIZIONE
1 2 3 4
Sede
principale
ARRICCHIMENTO SCENARI DI CLIMATE MODELLI ANALISI DI IMPATTO
AUTOMATICO CHANGE & PREVISIONALI FINANZIARIO
TRANSIZIONE
Acquisizione delle Stima dell’impatto su Analisi dell’impatto
business information, Valutazione di diversi costi, ricavi e
scenari di transizione: su KPI finanziari e
geolocalizzazione siti e investimenti
ordinato, disordinato e creditizi e what-if
calcolo delle GHG sull’orizzonte di 30 anni
hot house world analysis
emission
Sedi Asset VULNERABILITA’ PERICOLOSITA’ BILANCIO STRESSATO
INVESTIMENTI PROBABILITA’ DEFAULT
13 ©2022 • Global Transformation Services – Giorgio Costantino01 Le sfide di un mondo “fluido” e interconnesso
Nuove informazioni, Artificial Intelligence e
02 Banking: alcuni «casi d’uso»
03 Conclusioni
14 ©2022 • Global Transformation Services – Giorgio CostantinoCONCLUSIONI
AI e Banking il nuovo «must»,…
> La gestione delle crisi continue e il livello di interconnessione
Gestione «circolare»
digitale impone un «cambio di paradigma….
delle crisi
> AI diventa cruciale anche nel Banking, a servizio della gestione e
impone l’utilizzo dell’AI previsione dei fenomeni, del risk management e dello sviluppo
come leva commerciale
> Ottimizzazione performance, conoscenza delle relazioni tra
selezionando gli ambiti imprese e gestione percorsi Green, i tre ambiti chiave coerenti
chiave con gli obiettivi strategici (CAPITALE, LIQUIDITA’, SOSTENIBILITA’)
….quali le principali sfide per sfide per l’AI in Banca?
1. I modelli dovranno essere comprensibili nella struttura complessiva e nella singola valutazione [no Black
Box] e controllabili, [human oversight a controllo dell’algoritmo]
2. Valute digitali dove algoritmi e intelligenza artificiale potrebbero confluire
15 ©2022 • Global Transformation Services – Giorgio CostantinoG ra z i e p e r l ’a t t e n z i o n e
Giorgio Costantino
Executive Director -
Global Transformation Services Lead
Mobile. +39 3358125740
Email. g.costantino@crif.com
THANK YOU!Puoi anche leggere
