Analisi per la gestione patrimoniale basate sull'intelligenza artificiale

L'intelligenza artificiale offre ai gestori patrimoniali l'accesso a una maggiore quantità di dati, analisi più rapide e una visione sempre più dettagliata dei portafogli dei clienti. Il suo valore, tuttavia, non si misura in base al volume di informazioni che è in grado di elaborare. La vera sfida consiste nel verificare se le aziende siano in grado di trasformare tali informazioni in decisioni migliori senza compromettere la responsabilità, la sicurezza o la fiducia dei clienti.

L'analisi basata sull'intelligenza artificiale è andata ben oltre i semplici consigli di investimento associati alla prima generazione di robo-advisor. Oggi i gestori patrimoniali utilizzano questa tecnologia per monitorare il rischio, consolidare le informazioni finanziarie, analizzare i mercati e individuare eventuali cambiamenti nella situazione dei clienti.

La portata di questa opportunità è davvero notevole. Secondo le stime di PwC, entro il 2030 l'intelligenza artificiale potrebbe generare un valore aggiunto pari a 15,7 trilioni di dollari per l'economia globale. Il settore dei servizi finanziari sarà probabilmente tra quelli maggiormente interessati, poiché gran parte della sua attività si basa sull'analisi dei dati, sul riconoscimento di modelli e sul processo decisionale in condizioni di incertezza.

Tuttavia, la tecnologia non elimina l'incertezza dagli investimenti. Cambia semplicemente la rapidità con cui gli investitori istituzionali possono valutarla.

Dai portafogli automatizzati alle infrastrutture analitiche

Le prime applicazioni dell'intelligenza artificiale nella gestione patrimoniale erano piuttosto limitate. I robo-advisor utilizzavano algoritmi per valutare la tolleranza al rischio, costruire portafogli e ribilanciare le posizioni secondo regole predefinite.

Queste piattaforme hanno ridotto i costi della gestione di base degli investimenti e hanno reso accessibili portafogli diversificati a una clientela più ampia. Le loro capacità analitiche, tuttavia, erano generalmente limitate a informazioni finanziarie strutturate e a modelli di investimento standardizzati.

I sistemi odierni operano in un ambito di attività sempre più ampio. Sono in grado di integrare i dati di portafoglio con i prezzi di mercato, i bilanci aziendali, gli indicatori economici, le notizie e altre informazioni esterne. L'elaborazione del linguaggio naturale consente loro di analizzare i testi, mentre i modelli di apprendimento automatico individuano correlazioni che potrebbero risultare difficili da rilevare attraverso le analisi tradizionali.

Ciò rende il processo di investimento più dinamico. Anziché basarsi principalmente su revisioni periodiche del portafoglio, i consulenti possono monitorare le esposizioni e i fattori di rischio man mano che si rendono disponibili nuove informazioni.

La distinzione è importante. L'intelligenza artificiale non è più semplicemente un canale di distribuzione automatizzato. Sta diventando parte integrante dell'infrastruttura analitica alla base delle decisioni di investimento.

BlackRock illustra la portata di questo cambiamento

La piattaforma Aladdin di BlackRock viene spesso citata come esempio di gestione del portafoglio basata sulla tecnologia. Il sistema integra in un unico ambiente strumenti di analisi del portafoglio, monitoraggio del rischio, negoziazione e gestione operativa.

Aladdin non è semplicemente un prodotto basato sull'intelligenza artificiale, né è in grado di prevedere autonomamente l'andamento dei mercati. La sua importanza risiede nell'integrazione di grandi quantità di dati sugli investimenti in un quadro analitico comune.

I gestori di portafoglio possono utilizzare la piattaforma per analizzare in che modo le variazioni dei tassi di interesse, dei cambi o dei prezzi degli asset possano influire sulle diverse posizioni. Possono simulare diversi scenari, monitorare le concentrazioni e valutare il rischio su portafogli che comprendono diverse classi di attività.

L'apprendimento automatico può ampliare queste capacità individuando modelli ricorrenti nelle informazioni storiche e in tempo reale. L'analisi che ne deriva può aiutare i team di investimento a individuare prima le vulnerabilità o a valutare una gamma più ampia di possibili esiti.

Il modello dimostra inoltre perché la dimensione sia un fattore determinante. I grandi gestori patrimoniali hanno accesso a vasti set di dati, a personale specializzato e al capitale necessario per sviluppare sistemi sofisticati. I gestori patrimoniali di dimensioni più ridotte tendono invece a dotarsi di capacità simili avvalendosi di fornitori di tecnologia esterni.

Più dati, ma non necessariamente maggiore chiarezza

Secondo Statista, il mercato globale dell'intelligenza artificiale nel settore finanziario dovrebbe registrare una crescita annua di circa il 231% tra il 2021 e il 2025. Tale espansione riflette sia i progressi tecnologici sia la volontà degli istituti finanziari di trarre maggior valore dai dati di cui già dispongono.

I sistemi di intelligenza artificiale sono in grado di elaborare informazioni provenienti da fonti che in passato era difficile integrare nell'analisi del portafoglio. Tra queste possono figurare il sentiment sui social media, gli sviluppi geopolitici, le immagini satellitari e le comunicazioni aziendali non strutturate.

Tali dati possono arricchire l'analisi degli investimenti. Possono però anche generare rumore.

L'attività sui social media può riflettere emozioni di breve durata piuttosto che cambiamenti di fondo. L'analisi delle notizie può portare a un'interpretazione errata del contesto. Gli eventi geopolitici raramente hanno un unico effetto prevedibile sui mercati.

La capacità di elaborare un maggior numero di informazioni non va quindi confusa con la capacità di formulare previsioni accurate. I modelli possono individuare relazioni che vengono meno quando cambiano le condizioni di mercato. Possono inoltre fornire risultati numerici precisi sulla base di ipotesi che rimangono altamente incerte.

Il valore dell'intelligenza artificiale risiede in parte nell'ampliamento dell'ambito di analisi. La responsabilità di valutare quali informazioni siano rilevanti spetta comunque al professionista degli investimenti.

L'analisi in tempo reale cambia i tempi delle decisioni

I processi tradizionali di gestione patrimoniale si basano spesso su rendiconti mensili o trimestrali. Ciò può portare consulenti e clienti a lavorare con informazioni ormai superate.

I sistemi basati sull'intelligenza artificiale sono in grado di analizzare i portafogli in modo continuo. Qualsiasi variazione dei prezzi di mercato, della volatilità o delle correlazioni può riflettersi quasi immediatamente nelle valutazioni del rischio.

Ciò potrebbe consentire alle società di reagire più rapidamente ai problemi che si presentano. Un sistema potrebbe rilevare che diversi investimenti apparentemente non correlati sono stati esposti allo stesso rischio di tasso d'interesse, di cambio o di liquidità. Potrebbe inoltre rilevare che il portafoglio di un cliente ha superato i limiti concordati a seguito di una forte oscillazione del mercato.

La rapidità è utile, ma può creare la pressione di agire quando sarebbe preferibile mantenere la calma.

Gli investitori a lungo termine non devono necessariamente effettuare operazioni di trading ogni volta che le condizioni di mercato cambiano. Avvisi troppo frequenti potrebbero indurre a interventi non necessari e compromettere una strategia elaborata con cura.

I gestori patrimoniali devono quindi distinguere tra le informazioni che richiedono un intervento e quelle che si limitano a descrivere la volatilità a breve termine.

La personalizzazione va oltre i questionari sul rischio

Uno dei principali punti di forza dell'intelligenza artificiale è la sua capacità di fornire una consulenza finanziaria più personalizzata.

La costruzione tradizionale di un portafoglio spesso classifica i clienti in categorie generali in base all'età, al patrimonio e alla propensione al rischio. I sistemi di intelligenza artificiale possono potenzialmente tenere conto di una gamma molto più ampia di variabili, tra cui il reddito, le abitudini di spesa, le esigenze di liquidità, l'esposizione fiscale e la tempistica degli impegni finanziari futuri.

Il risultato potrebbe essere un portafoglio che rispecchi più fedelmente la situazione reale del cliente.

Per le famiglie facoltose, la personalizzazione può comportare anche il consolidamento di patrimoni complessi. Titoli quotati in borsa, società private, immobili, debiti e oggetti da collezione possono essere distribuiti tra diverse banche e giurisdizioni. Le piattaforme basate sull'intelligenza artificiale possono aiutare a organizzare queste informazioni e a individuare esposizioni che non risultano visibili nei singoli conti.

Ma la personalizzazione dipende da dati accurati e aggiornati. Se il patrimonio privato viene valutato con scarsa frequenza o gli obiettivi del cliente sono documentati in modo inadeguato, l'analisi che ne deriva potrebbe dare una falsa impressione di precisione.

Un sistema può basarsi solo sulle informazioni che riceve. Non è in grado di stabilire se un cliente abbia omesso dettagli importanti o se le preferenze dichiarate rispecchino il suo comportamento durante una crisi di mercato.

L'automazione sta trasformando il lavoro dei consulenti

L'intelligenza artificiale può ridurre il tempo dedicato alle attività di routine quali la raccolta dei dati, la redazione dei rapporti sul portafoglio, la classificazione dei documenti e la preparazione delle riunioni.

Ciò consente ai consulenti di dedicarsi maggiormente alle attività difficili da automatizzare: discutere delle priorità familiari, illustrare i pro e i contro e aiutare i clienti a prendere decisioni in situazioni di forte tensione emotiva.

Questo cambiamento potrebbe migliorare la produttività, in particolare nelle aziende in cui i consulenti altamente qualificati dedicano ancora molto tempo alla raccolta manuale delle informazioni.

Ciò potrebbe anche alimentare le aspettative dei clienti. Quando la tecnologia sarà in grado di fornire riepiloghi di portafoglio e analisi di mercato quasi istantaneamente, i clienti saranno meno disposti a pagare commissioni elevate per il lavoro amministrativo.

I consulenti dovranno dimostrare il proprio valore attraverso l'interpretazione piuttosto che l'accesso alle informazioni. Il loro ruolo consisterà sempre più nel verificare le conclusioni generate dall'intelligenza artificiale, contestualizzarle e spiegare perché una determinata raccomandazione sia adeguata al cliente.

Ciò richiede competenze diverse. Le conoscenze finanziarie rimangono fondamentali, ma i consulenti devono anche comprendere i presupposti e i limiti dei sistemi che utilizzano.

I modelli imparano da dati storici imperfetti

Si dice spesso che i modelli di apprendimento automatico migliorino continuamente man mano che elaborano una maggiore quantità di dati. In realtà, tale miglioramento non è né automatico né permanente.

I mercati finanziari cambiano. Le normative vengono modificate, i regimi monetari subiscono variazioni e il comportamento degli investitori si adatta. Una correlazione che appariva affidabile nei dati storici può indebolirsi o invertirsi.

I modelli possono inoltre ereditare pregiudizi dalle informazioni utilizzate per addestrarli. Se le decisioni prese in passato riflettevano ipotesi limitate sul comportamento dei clienti o sul rischio, un sistema di intelligenza artificiale potrebbe riprodurre tali modelli su scala più ampia.

Ciò è particolarmente importante nelle valutazioni di adeguatezza e nella segmentazione della clientela. I sistemi automatizzati non dovrebbero escludere o penalizzare i clienti sulla base di correlazioni che le società non sono in grado di spiegare o giustificare.

È quindi fondamentale effettuare test regolari. I gestori patrimoniali devono confrontare i risultati dei modelli con quelli effettivi, analizzare i comportamenti inattesi e stabilire quando un sistema debba essere ricalibrato o dismesso.

Il controllo umano non dovrebbe limitarsi all'approvazione delle raccomandazioni una volta formulate, ma deve estendersi alla progettazione, alla verifica e alla gestione del processo analitico stesso.

La regolamentazione seguirà la catena decisionale

Man mano che l'intelligenza artificiale acquisisce maggiore influenza, è probabile che le autorità di regolamentazione si concentrino sull'impatto che i risultati automatizzati hanno sui clienti.

Gli obblighi esistenti non vengono meno solo perché una raccomandazione è supportata da un algoritmo. Le società devono comunque garantire che la consulenza sia adeguata, che le comunicazioni siano chiare e che le informazioni dei clienti siano protette.

Devono inoltre stabilire chi sia responsabile nel caso in cui una decisione presa con l'ausilio dell'intelligenza artificiale causi un danno. La responsabilità potrebbe essere ripartita tra il gestore patrimoniale, il fornitore del software, il fornitore dei dati e i dipendenti che utilizzano il sistema.

Proprio questa complessità rende fondamentale la documentazione. Le aziende dovrebbero essere in grado di spiegare quali dati sono stati utilizzati, in che modo un risultato ha influito sulla raccomandazione finale e in quali punti il processo ha visto l'intervento del giudizio umano.

Con modelli complessi, non è sempre possibile garantire una trasparenza tecnica totale. Tuttavia, un gestore patrimoniale dovrebbe comunque essere in grado di spiegare in modo comprensibile le ragioni alla base di una decisione.

I clienti non devono necessariamente comprendere ogni riga di codice. Devono però conoscere i principi su cui si basa la gestione del loro denaro.

La sicurezza frena la voglia di sperimentare

L'analisi basata sull'intelligenza artificiale dipende dall'accesso a informazioni finanziarie e personali dettagliate. Gli stessi dati che rendono un servizio più utile lo rendono anche più delicato.

I gestori patrimoniali devono valutare dove vengono conservate le informazioni, quali sistemi possono accedervi e se i fornitori esterni di IA utilizzano i dati dei clienti per migliorare i propri modelli.

La sicurezza informatica è solo una parte del problema. Le aziende devono inoltre affrontare rischi legati alla divulgazione accidentale, a autorizzazioni errate e all'inserimento di informazioni riservate da parte dei dipendenti in strumenti non adeguati.

I clienti del settore della gestione patrimoniale privata possono detenere partecipazioni in aziende familiari, trust e operazioni future che non sono di dominio pubblico. Una fuga di dati può comportare conseguenze commerciali, legali e personali che vanno ben oltre il valore del conto interessato.

Le istituzioni devono quindi esercitare controlli rigorosi sui sistemi approvati e sui casi d'uso consentiti. La sperimentazione non può andare a discapito della riservatezza.

Il vantaggio competitivo si sposta verso l'attuazione

Gartner prevede che entro il 2026 il 75% delle strategie di investimento sarà basato sull'analisi dei dati tramite intelligenza artificiale. La cifra esatta va verificata, ma la tendenza è plausibile: l'analisi automatizzata sta diventando sempre più diffusa nel settore dei servizi finanziari.

Man mano che l'accesso agli strumenti di IA si diffonde, la tecnologia stessa offrirà sempre meno elementi di differenziazione. Le aziende concorrenti potrebbero utilizzare modelli, dati di mercato e piattaforme esterne simili.

Il vantaggio deriverà dall'attuazione.

I gestori patrimoniali che dispongono di dati consolidati, consulenti esperti e una governance chiara saranno in una posizione migliore per utilizzare l'intelligenza artificiale in modo efficace. Le società che operano con dati frammentati e sistemi scarsamente integrati rischiano semplicemente di automatizzare le attuali carenze.

È improbabile che le istituzioni di maggior successo deleghino interamente le decisioni di investimento alle macchine. Né considereranno l'intelligenza artificiale come un semplice complemento di facciata a un servizio tradizionale.

Utilizzeranno questa tecnologia in modo mirato: per organizzare le informazioni, verificare i portafogli, monitorare i rischi e preparare i consulenti a colloqui più approfonditi con i clienti.

L'analisi basata sull'intelligenza artificiale può rendere la gestione patrimoniale più rapida, reattiva e precisa. Tuttavia, non è in grado di stabilire quali siano gli obiettivi finanziari più importanti per una famiglia né quale sia il livello di incertezza che un cliente è realmente disposto ad accettare.

Si tratta comunque di questioni di valutazione. Lo scopo di un'analisi più approfondita non è quello di sostituire tale valutazione, ma di fornirle una base più solida.