RPA & Machine Learning: Il futuro delle Banche

Introduzione

La tecnologia, la robotica stanno modificando il mercato, anche quello Finanziario. Le nuove tecnologie “RPA & Machine Learning” rivoluzioneranno il modo di approcciarci alle Banche, alle Assicurazioni, alla Finanza nella sua globalità

Quando pensiamo ai “Robot” pensiamo, quasi sempre, a film come Terminator, IO Robot o ai famosi C16 e C17 di Dragon Ball. Ossia pensiamo quasi sempre ad una serie di ingranaggi, software che vengono composti per dare vita ad una figura più o meno umana.

In realtà i “Robot” non sono quelli, o meglio non solo quelli, ma sono delle macchine (hardware e software) che hanno la capacità di svolgere più o meno autonomamente delle attività. Attualmente queste “macchine” stanno diventando, e lo diventeranno sempre di più, lo strumento tramite cui automatizzare le attività ripetitive (la routine).

Pensiamo ai piccoli “robottini” presenti nei grandi magazzini di Amazon che attraverso un sistema di sensori riescono a smistare migliaia e migliaia di pacchi! Una attività di routine che è stata automatizzata dall’attività umana!

La stessa automazione si sta avendo nelle banche, nelle assicurazioni, nei fondi di investimento attraverso tecnologie di RPA e Machine Learing. Le parole spaventano (sicuramente anche programmare/ideare un sistema del genere),  ma il concetto di fondo è molto semplice, così come capire il come applicare queste tecnologie.

RPA: Robot Process Automation

La Robotic Process Automation consiste nell’applicazione di software programmati per replicare attività ripetitive di un utente.

Gli strumenti di RPA vengono utilizzati principalmente in:

  1. Azioni manuali ripetitive (es. spostamento oggetti);
  2. Attività “data-intensive” (es. gestione grandi moli di dati per analisi routinarie);
  3. Monitoraggio/Rilevazione prestazioni operative (es. check dei risultati ottenuti);

Gli strumenti di RPA garantiscono immediati vantaggi in termini di prestazioni e riduzione dei costi. In particolar modo:
1. Riduzione degli errori umani ed eliminazione del re-work;
2. Maggiore accuratezza nei controlli;
3. Riduzione dei tempi necessari per lo svolgimento delle attività;
4. Riduzione delle risorse necessarie per lo svolgimento delle attività;
5. Rendimento standard e non variabile;

Nelle attività di routine l’essere umano riduce il proprio livello di attenzione e, molto spesso, il risultato ottenuto è più basso di quello atteso/desiderato e la variabilità dello stesso è molto alta. Questo è un problema, non solo a livello di imprese industriali, ma anche di imprese finanziarie che devono gestire grandissimi moli di dati (molto sensibili) e da cui deriva buona parte della stabilità dell’economia reale.

L’introduzione di una tale tecnologia richiede, qui riportato molto sinteticamente, le seguenti fasi di analisi:

1. Analisi dei processi As-Is (es. capire come una cosa attualmente funzione);
2. Studio dei processi As-Is ripetitivi e ipoteticamente automatizzabili;
3. Re-engineering dei processi (es.come questi processi possono essere migliorati e poi automatizzati);
4. Analisi dei costi/beneifici dell’automatizzazione;
5. Analisi dei tempi di implementazione RPA (es. deve essere in linea con le esigenze di business);

Machine Learning

Il Machine Learning insegna ai computer e ai robot a fare azioni ed attività in modo naturale come gli esseri umani o gli animali: imparando dall’esperienza.

La tecnologia “Machine Learning” permette di fare un passo in avanti rispetto a quanto possibile con la tecnologia RPA. L’interazione Uomo-Macchina permette di:

1. Esecuzione processi non.routinari che richiedono giudizi ponderati;
2. Applicazione di nuove regole in autonomia;
3. Maggiori qualità predittive;
4. Controlli dei processi evolutivi con analisi real-time;
5. Interpretazione del linguaggio umano;
6. Apprendimento dinamico e automatico;

Esistono diverse categorie di “Machine-Learning” in base al funzionamento della tecnologia.

1.  Apprendimento Supervisionato

Vengono forniti al PC sia un Set di dati in Input sia informazioni relative ai risultati. Il sistema ha l’obiettivo di trovare la regola di “connessione tra dati e risultati”. Per raggiungere questo obiettivo il sistema sfrutta il principio della distribuzione matematica e la funzione di verosomiglianza. Molti di questi algoritmi funzionano in maniera efficiente se lavorano in un mondo lineare, presupponendo che ad ingressi simili corrispondano uscite simili.

2. Apprendimento Non Supervisionato

Vengono forniti al PC un set di dati  senza alcuna indicazione del risultato desiderato. Non viene fornita alcuna classificazione delle informazioni in input e sarà il sistema a riclassificarle sulla base di informazioni comuni. Le tecniche di apprendimento non supervisionato lavorano confrontando i dati e ricercando similarità o differenze.

3. Apprendimento per Rinforzo

Il sistema viene immerso in un ambiente dinamico e punta ad attuare sistemi in grado di apprendere ed adattarsi alle mutazioni dell’ambiente in cui sono immersi attraverso la distribuzione di una “ricompensa” detta rinforzo che consiste nella valutazione delle loro prestazioni.  Il sistema impara dagli errori commessi e migliora le proprie prestazioni.

Sulla base delle ricompense ottenute il sistema riesce a massimizzare i propri sforzi e focalizzarsi sullo svolgimento di un determinato compito.

4. Apprendimento Semi Supervisionato

Vengono forniti al sistema dati misti, sia clusterizzati che non. Il sistema viene sottoposto ad attività di allenamento/apprendimento cercando di clusterizzare/etichettare anche la parte dati “sciolta”. Viene utilizzato per migliorare le previsioni della macchina e risolvere problemi di classificazione.

Conclusione

Lo sviluppo della tecnologia RPA e poi del Machine Learning modificheranno radicalmente il modo di fare Banca, di strutturare prodotti Assicurativi, di fare trading e molto altro…

Il futuro è ben delineato ed il futuro di questa tecnologia non può che essere ad alto impatto. Ambiti come il “Customer Service”, analisi dei “Rumors/News di mercato” saranno i primi ad essere impattati e ad evidenziare lo strappo con il passato.

A noi toccherà essere pronti, assimilare quanto più possibile informazioni a riguardo, essere parte del cambiamento

 

Aniello Guida

About the author

Specializzato in "Finanza, Intermediari e Mercati", attualmente lavoro presso Deloitte Consulting s.r.l. come Analyst nella function "Strategy & Operation". Sono stato coinvolto in progetti di Business Transformation, PMO, Credit Controls presso i principali player bancari del nostro paese. Contatti: aguida@deloitte.it

Related

Le nuove tecnologie entrano prepotentemente nelle attività finanziare e stanno praticamente rivoluzionando il mondo del trading, della consulenza finanziaria e dell'Asset Management. I grandi istituti finanziari si trovano a competere con nuove startup FinTech affamate e innovative.

La tecnologia Blochchain rivoluzionerà il mondo della finanza, ma per poter capire la reale innovazione bisogna partire dal funzionamento del sistema attuale. Il sistema di intermediazione, la tecnologia, la globalizzazione stanno permettendo questa nuova rivoluzione tecnologica

JOIN THE DISCUSSION