Articolo tratto da: PANORAMA ASSICURATIVO (http://www.panoramaassicurativo.ania.it/?idcnt=41112)
APPLICAZIONI DEL MACHINE LEARNING NEL SETTORE FINANZIARIO: REPORT BOE / FCA
BOE – BANK OF ENGLAND - https://www.bankofengland.co.uk/
Innovazione tecnologica, machine learning


Le applicazioni del Machine Learning (ML) nei servizi finanziari nel Regno Unito sono al centro di un recente Report, basato su un’indagine svolta dalla Bank of England e dalla Financial Conduct Authority, su un campione di istituzioni finanziarie e assicurative.

L’indagine ha raccolto informazioni sul tipo di impiego del Machine Learning, le aree di business in cui viene utilizzato e il grado di maturità delle applicazioni. Ha anche raccolto indicazioni sulle caratteristiche tecniche di specifici casi d'uso. Tra questi, il modo in cui i modelli sono stati testati e validati, le protezioni integrate nel software, i tipi di dati e i metodi utilizzati, nonché considerazioni su vantaggi, rischi, complessità e governance.

Tra le principali conclusioni del lavoro:

  • il ML è sempre più utilizzato nel settore finanziario. Due terzi degli intervistati ne fa già uso in qualche forma;
     
  • in molti casi il ML ha superato la fase di sviluppo iniziale: un terzo degli intervistati ha risposto che le aree di applicazione sono ormai numerose;
     
  • i settori di maggiore utilizzo sono il back-office e il front-office. Aree specifiche di applicazione sono, ad esempio, l’individuazione delle frodi e l’attività di prevenzione del riciclaggio, come pure il marketing e il servizio al cliente;
     
  • la regolamentazione non è vista come una barriera, ma alcune imprese sottolineano la necessità di ulteriori indicazioni su come interpretare la normativa vigente;
     
  • le imprese ritengono che il ML non crei necessariamente nuovi rischi, ma potrebbe essere un amplificatore di quelli esistenti. Tali rischi  -  ad esempio quelli generati da applicazioni ML che non funzionano come previsto -   possono verificarsi se la validazione dei modelli e i framework di governance non sono al passo con gli sviluppi tecnologici;
     
  • le imprese utilizzano una varietà di salvaguardie per gestire i rischi associati alla ML. Le più comuni sono i sistemi di allarme e i cosiddetti meccanismi "human-in-the-loop";
     
  • la maggior parte delle imprese applica il modello esistente di gestione del rischio alle applicazioni ML. Molti, tuttavia, sottolineano che questi framework potrebbero dover evolvere in linea con la maturità e la sofisticazione crescente delle tecniche ML.