Quell’equilibrio tra trasparenza, sicurezza e privacy. La finanza del futuro nel segno delle regtech

V  iviamo in un mondo che corre a velocità aumentata rispetto al passato e che spesso ci impedisce di comprendere e decodificare fenomeni nuovi. Un mondo connesso e al tempo stesso interconnesso, le cui azioni possono determinare reazioni imprevedibili. Non è un qualcosa di nuovo. Già negli anni '70 il matematico e meteorologo statunitense Edward Norton Lorenz aveva teorizzato come un batter d'ali di una farfalla in Brasile possa provocare un tornado in Texas. Oggi, a distanza di cinquant'anni, questi cambiamenti repentini di scenario in aggiornamento continuo sono accelerati dalla forza della rete e dalle connessioni senza soluzione di continuità di chat e social media. Eppure, abbiamo necessità di fotografare quello che avviene, di scattare un'istantanea seppur sfocata perché in movimento, di rallentare per poter ragionare sui trend emergenti internazionali che stanno riscrivendo prodotti, servizi, visioni, relazioni. Questa è il senso della nostra nuova rubrica Insights. Si tratta di contenuti di approfondimento in logica longform. Con appuntamenti ricorrenti mensili vi proporremo racconti approfonditi su alcuni temi chiave. Un modo per comprendere quello che sta avvenendo intorno a noi e per raccogliere le sfide future che riguardano persone, imprese, comunità. Buona lettura.

***

È l’11 gennaio del 2013 quando Aaron Swartz, attivista e fondatore di Reddit, viene trovato impiccato nel suo appartamento di New York. È l’epilogo di una vita spesa a favore del diritto alla libertà di informazione e per l’accesso alla conoscenza: nel 2011 Swartz fu arrestato per aver scaricato illegalmente milioni di articoli accademici dall'archivio digitale JSTOR che ospita libri e contenuti accademici prodotti da 8.000 istituzioni internazionali. Swartz nasce a Chicago ma subito dopo la famiglia si stabilisce a Highland Park, nell'Illinois. Il padre ha un’azienda di sviluppo software e Aaron inizia a specializzarsi nella programmazione fin da bambino. A 14 anni avvia una collaborazione con Tim Berners Lee, figura carismatica e considerato il padre del World Wide Web. Si occupa dello sviluppo del protocollo RSS. Ancora giovanissimo, partecipa alla progettazione del codice sorgente delle licenze Creative Commons e alla loro diffusione. Frequenta poi l'Università di Stanford, lasciandola dopo un anno per fondare l'azienda di software Infogami. Dopo aver co-fondato il social network Reddit e averlo venduto a Condé Nast inizia un’intensa attività di sviluppo di piattaforme web. In parallelo l’infaticabile Swartz si impegna assai, dedicandosi all’attivismo che lo aveva segnato sin da giovanissimo. 

Swartz è il creatore del "Guerrilla Open Access Manifesto” in cui si incitano i detentori del sapere – ossia bibliotecari, manager d’azienda, esponenti dei media, figure accademiche e universitarie – a renderlo accessibile. «Tutti voi che avete accesso a queste risorse – studenti, bibliotecari o scienziati – avete ricevuto un privilegio: potete nutrirvi al banchetto della conoscenza mentre il resto del mondo ne rimane precluso». Così scrive Swartz nel 2008. Durante il suo arresto e dopo la sua morte esplode un dibattito mondiale che arriva a coinvolgere personalità di spicco e cittadini comuni. Un confronto anagraficamente trasversale. La sua lotta per il libero accesso all'informazione, culminata nel download di milioni di articoli accademici da JSTOR, ha evidenziato le tensioni tra libertà di informazione e normative sulla proprietà intellettuale. Swartz è stato fondamentale per lo sviluppo delle regtech: al principio dell’utilizzo della tecnologia per gestire le normative c’è la necessità di creare sistemi trasparenti e sicuri per la gestione dei dati. La trasparenza e la sicurezza per la gestione delle informazioni. Un Giano Bifronte che Swartz ha sempre sostenuto. 

Un primo piano di Aaron Swartz (Flickr)

Le declinazioni di regtech nel mondo
Regtech è l’abbreviazione di “regulatory technology” ed è un insieme di tecnologie progettate per aiutare le aziende a soddisfare i requisiti normativi e di conformità, come riporta Thomson Reuters. Le soluzioni regtech includono diverse tecnologie utili alle aziende nella gestione dei rischi normativi e per dimostrare la conformità alle autorità regolatorie. Alcune di queste tecnologie riguardano software di analisi dei dati, sistemi di monitoraggio, piattaforme di reportistica. Un esempio di regtech è l’utilizzo di algoritmi di intelligenza artificiale per monitorare i dati dei clienti e rilevare eventuali attività illegali, come il riciclaggio di denaro. In questo modo le aziende possono prevenire le violazioni della normativa e le sanzioni finanziarie. A spingere nella direzione di un uso sempre maggiore di soluzioni innovative sono la digital transformation e le nuove sfide poste dal fintech. Entrambe in fondo prevedono necessariamente un aumento della regolamentazione.

L’uso delle tecniche tradizionali non è sufficiente per garantire un’efficienza elevata a causa della grande mole di informazioni ricevute dai soggetti controllati. Per questo motivo machine learning e AI rappresentano tecnologie fondamentali per la gestione di tutti gli aspetti legati alla regolamentazione e utili per permettere la riduzione del lavoro che fino ad oggi è stato condotto manualmente. Tali soluzioni consentono anche un uso più funzionale dei tempi di lavoro del personale che può così essere impiegato in altri tipi di attività. 

Ma attenzione. Lo scorso anno il valore totale e il numero di investimenti di venture capital, private equity e M&A nel settore regtech a livello mondiale hanno subito un forte calo, come tutti gli investimenti legati alle fintech. Si è scesi a 2,6 miliardi di dollari, il valore più basso del periodo osservato. Anche il numero di operazioni è diminuito drasticamente, scendendo a 239. Si tratta di una svolta sorprendente nell'attività di investimento, considerando che l’anno precedente – ossia il 2022 – proprio il regtech è stato uno dei pochi segmenti fintech in cui l'attività è aumentata. Questo è dovuto a un forte periodo di stress dei mercati: i conflitti in Ucraina e nel Medio-Oriente, il contesto di tassi di interesse elevati e le difficoltà nelle operazioni di exit hanno frenato gli investimenti. Eppure stando alle stime di Juniper Research gli investimenti aumenteranno del +124% da qui al 2028, passando da 83 a 207 miliardi di dollari.

AI nella compliance e nel monitoring
Le pressioni competitive stanno alimentando un’ampia adozione dell’AI nel settore finanziario e di fatto stanno cambiando rapidamente il suo panorama. L’intelligenza artificiale sta facilitando guadagni in efficienza e risparmi sui costi, rimodellando le interfacce cliente, migliorando l’accuratezza delle previsioni e ottimizzando la gestione del rischio e la conformità ai regolamenti. Secondo una riflessione del Fondo Monetario Internazionale “Powering the Digital Economy: Opportunities and Risks of Artificial Intelligence”, l’AI può significativamente migliorare i meccanismi di compliance e monitoraggio nel settore finanziario, offrendo diverse opportunità. Grazie all'AI è possibile automatizzare i processi di monitoraggio e conformità normativa, riducendo il carico di lavoro manuale e aumentando l'efficienza nell'individuazione di potenziali violazioni. I sistemi basati su AI possono analizzare grandi quantità di dati in tempo reale, permettendo di rilevare comportamenti sospetti o anomalie che potrebbero indicare attività fraudolente o non conformi. Inoltre viene ridotto il rischio derivante dagli errori umani. Questo permette alle istituzioni finanziarie di rispondere tempestivamente a potenziali minacce: grazie all’individuazione di pattern e trend nei dati che potrebbero sfuggire ai metodi tradizionali, le istituzioni possono prevenire attività illecite o non conformi.

I modelli di AI vengono utilizzati anche dalle banche centrali che hanno iniziato a implementarli nei loro processi. In fondo permettono di migliorare le loro operazioni – e quindi anche le decisioni – in vari modi. Ad esempio l’intelligenza artificiale consente di perfezionare le previsioni economiche grazie all'analisi in tempo reale di una vasta gamma di dati, rendendo le stime più accurate e tempestive. Un altro ambito in cui l'AI si rivela fondamentale è l'analisi del sentiment del mercato. Le banche centrali monitorano le aspettative di inflazione dei consumatori analizzando milioni di dati social giornalieri, ottenendo così un quadro più preciso delle dinamiche di mercato. L’AI supporta anche l'ottimizzazione delle politiche monetarie e macroprudenziali, grazie all'analisi avanzata dei dati che consente di formulare decisioni più informate e precise. L'efficienza dei processi interni delle banche centrali beneficia anch'essa dell'AI, che monitora le operazioni e ottimizza l'allocazione delle risorse. 

Privacy e bias, vecchie nuove sfide 
In fondo tutto questo ci permette di leggere in filigrana la fase esponenziale legata ai dati e al loro valore (ma anche al rischio sotteso che contengono). D’altronde viviamo nella data economy: così l’ha definita già diversi anni fa l’Economist con una copertina che ha fatto storia (nella foto sopra), diventa cult nel crescente comparto dell’innovazione. I dati sono il petrolio del nuovo millennio e così la testata inglese ha disegnato moderne piattaforme petrolifere con i loghi dei grandi colossi hi-tech. Oggi quei brand si dovrebbe aggiornare con gli attori protagonisti legati alla rivoluzione dell’AI. D’altronde il rapido avvento dei sistemi di AI e machine learning nel settore finanziario promette un notevole impatto, che richiede risposte politiche solide per garantire l'integrità e la sicurezza del sistema. Al centro delle preoccupazioni ci sono diversi aspetti critici da considerare. Il primo riguarda il rischio di bias incorporato in questi sistemi. Ossia il pregiudizio sotteso al lavoro delle macchine. Questo bias può sorgere da dati di addestramento errati o incompleti, portando a discriminazioni ingiuste e potenzialmente escludendo intere fasce di utenti finanziari. Le istituzioni regolamentari devono affrontare il bias come una fonte di rischio operativo e reputazionale, incoraggiando le istituzioni finanziarie a sviluppare strategie di mitigazione adeguate.

Un'altra questione cruciale è la spiegabilità delle decisioni di questi sistemi. Infatti questi modelli sono spesso considerati dele vere e proprie scatole nere: tutto ciò rende assai difficile valutare la validità delle loro decisioni e compromette la fiducia nel loro funzionamento. Affrontare questo problema richiede un equilibrio delicato tra la complessità del modello e la sua spiegabilità, un'area che comporta ulteriori sforzi di ricerca e interventi regolamentari. Inoltre l'adozione massiccia di modelli di AI potrebbe aumentare il rischio di minacce informatiche, con nuove vulnerabilità che potrebbero essere sfruttate attraverso la manipolazione dei dati o attacchi mirati al modello stesso. Queste minacce richiedono una vigilanza costante per rilevare e affrontare eventuali intrusioni. La questione della privacy dei dati è altrettanto critica poiché possono sorgere delle preoccupazioni riguardo alla protezione dei dati sensibili e alla possibile rivelazione di informazioni personali attraverso tecniche di inferenza. Si stanno sviluppando, quindi, degli strumenti robusti per proteggere i dati sensibili e aggiornare le normative per garantire standard di privacy adeguati: questo può legittimare l’uso dell’AI nel sistema finanziario e preservare la sua stabilità. Affrontare le sfide legate alle minacce informatiche, alla privacy dei dati e alle prestazioni del modello è essenziale, specialmente in quei periodi, come quelli che stiamo vivendo, che implicano cambiamenti strutturali nel panorama finanziario. La partita è assai complessa e scendono in campo una pluralità di giocatori decisi a fare la differenza. Ecco perché oggi più che in passato le regole del gioco diventano cruciali.