Analisi per la gestione patrimoniale basata sull'intelligenza artificiale
L’intelligenza artificiale sta assumendo un ruolo sempre più rilevante nella gestione patrimoniale, ma il suo contributo più importante non è la capacità di prevedere con certezza l’andamento dei mercati. Le analisi di gestione patrimoniale basate sull’IA vengono utilizzate per consolidare i dati dei portafogli, identificare le concentrazioni di rischio, preparare i report per i clienti e supportare i consulenti garantendo loro un accesso più rapido alle informazioni rilevanti. Deloitte ha rilevato che circa il 60% delle società di gestione degli investimenti intervistate utilizzava l’IA in misura modesta nelle attività di distribuzione legate ai dati, mentre solo l’11% ne descriveva l’uso come esteso. I dati suggeriscono che l’adozione si sta diffondendo, ma anche che la maggior parte delle società rimane lontana da un modello di investimento completamente automatizzato.
La distinzione è importante perché il termine “IA” viene spesso applicato a tecnologie molto diverse tra loro. Il ribilanciamento automatico, il tax-loss harvesting, i modelli di rischio basati sull’apprendimento automatico e gli strumenti generativi che sintetizzano i documenti possono tutti essere presenti all’interno della stessa piattaforma di gestione patrimoniale, ma svolgono compiti diversi e richiedono forme diverse di supervisione. Il valore commerciale risiede meno nella sostituzione dei consulenti che nell’aiutarli ad analizzare un maggior numero di informazioni, individuare i problemi in anticipo e comunicare le decisioni in modo più chiaro.
Per i gestori patrimoniali, la sfida principale non è quindi se l’intelligenza artificiale sia in grado di elaborare i dati più rapidamente di un team umano. Lo è. La questione più complessa è se le società siano in grado di tradurre tale velocità in decisioni migliori senza compromettere i controlli di adeguatezza, la sicurezza dei dati o la responsabilità.
La gestione patrimoniale è automatizzata ormai da anni
La tecnologia ha influenzato la gestione dei portafogli ben prima che l’intelligenza artificiale generativa facesse il suo ingresso nel settore finanziario. Le società di investimento quantitativo utilizzano modelli statistici da decenni, mentre le piattaforme di investimento digitali hanno introdotto per i clienti al dettaglio la costruzione automatica dei portafogli, il ribilanciamento e la gestione fiscale. Questi sistemi vengono talvolta presentati come forme primitive di intelligenza artificiale, sebbene molti di essi si basino principalmente su regole di investimento predefinite.
Betterment e Wealthfront rappresentano un esempio dell’evoluzione della gestione automatizzata degli investimenti. Entrambe le piattaforme costruiscono portafogli diversificati, ricorrendo generalmente a fondi negoziati in borsa (ETF), e gestiscono funzioni quali il ribilanciamento e l’ottimizzazione fiscale delle perdite. La loro importanza risiede nel fornire una gestione standardizzata dei portafogli a costi inferiori e a una base di clienti più ampia, piuttosto che nel formulare previsioni indipendenti sull’andamento del mercato.
Questo modello ha contribuito a dimostrare che alcune parti del processo di consulenza possono essere automatizzate senza compromettere i principi fondamentali della diversificazione, dell’allocazione degli attivi e della tolleranza al rischio. Il cliente deve comunque definire i propri obiettivi, l’orizzonte temporale e la capacità di sopportare le perdite. La tecnologia applica il quadro di riferimento in modo più efficiente, ma non determina se tale quadro sia adeguato per ogni investitore.
Gli strumenti di intelligenza artificiale più recenti estendono questa automazione ad ambiti meno strutturati. Sono in grado di analizzare studi scritti, confrontare i documenti relativi ai fondi, estrarre informazioni dai bilanci e preparare sintesi per i consulenti. Ciò amplia la gamma di attività che possono essere supportate dal software, sebbene la qualità del risultato continui a dipendere dai dati e dalle istruzioni fornite.
Aladdin illustra la portata dell'analisi del portafoglio
La piattaforma Aladdin di BlackRock viene spesso citata come esempio di tecnologia avanzata nel campo degli investimenti. Fornisce strumenti per la gestione del portafoglio, l’analisi dei rischi, il trading, la conformità e le operazioni relative ad asset sia pubblici che privati. BlackRock afferma che Aladdin Risk valuta ogni giorno migliaia di fattori di rischio multi-asset e centinaia di misure di rischio ed esposizione, consentendo agli utenti di valutare i portafogli attraverso un quadro analitico comune.
La piattaforma dimostra il valore dei dati integrati piuttosto che la superiorità di un singolo modello predittivo. Un fondo pensione, una banca o un gestore patrimoniale può utilizzare lo stesso ambiente per analizzare le posizioni, stimare le potenziali perdite e comprendere in che modo le diverse classi di attività potrebbero reagire alle variazioni dei tassi di interesse, delle valute o della volatilità di mercato. Ciò può rivelarsi particolarmente utile quando i portafogli sono distribuiti tra diversi gestori e classi di attività.
Aladdin ha inoltre introdotto funzionalità basate sull'intelligenza artificiale per i consulenti patrimoniali, tra cui strumenti che trasformano le informazioni relative al portafoglio e al rischio in commenti pronti per essere presentati ai clienti. Tali applicazioni risolvono un problema concreto: spesso i consulenti hanno accesso a analisi approfondite, ma dispongono di tempo limitato per tradurle in un linguaggio comprensibile ai clienti.
La tecnologia non elimina la necessità di un giudizio discrezionale. I modelli di rischio si basano su ipotesi relative alla volatilità, alle correlazioni e alle relazioni storiche, mentre gli asset privati possono essere valutati con minore frequenza rispetto ai titoli quotati. Una piattaforma può calcolare l’esposizione con grande precisione, ma i dati devono comunque essere interpretati nel contesto delle condizioni di mercato e degli obiettivi del cliente.
L'intelligenza artificiale amplia la quantità di informazioni a disposizione dei consulenti
I moderni gestori patrimoniali operano su una mole di informazioni sempre più ampia. Devono monitorare i mercati, i portafogli dei clienti, gli aspetti fiscali, la documentazione relativa ai prodotti, i dati economici e i requisiti normativi. Nel caso di clienti con un patrimonio elevato, il loro compito può estendersi anche a società private, beni immobili, trust e investimenti detenuti presso diverse banche.
L’analisi basata sull’intelligenza artificiale può integrare queste fonti e individuare modelli che sarebbero difficili da rilevare attraverso una revisione manuale. Un sistema potrebbe evidenziare che un cliente il cui portafoglio appare diversificato tra fondi tecnologici, immobiliari e di private equity presenta una sostanziale esposizione indiretta alla crescita dei data center. Potrebbe inoltre rivelare che diversi fondi detengono le stesse società o dipendono da condizioni economiche simili.
Gli strumenti basati sul linguaggio naturale possono supportare la ricerca analizzando le conferenze sugli utili, i documenti societari e i rapporti di mercato. Sono in grado di evidenziare i cambiamenti nel linguaggio utilizzato dal management, identificare i riferimenti a un calo della domanda o confrontare le dichiarazioni attuali con quelle precedenti. Ciò può ridurre il tempo necessario per individuare le informazioni rilevanti, sebbene non consenta di stabilire se tali informazioni debbano portare a una decisione di investimento.
Il vantaggio risiede quindi nella portata analitica. L’intelligenza artificiale consente a un consulente di esaminare una maggiore quantità di dati e di riesaminare le ipotesi con maggiore frequenza. Il consulente deve comunque valutare se un modello apparente sia significativo o sia semplicemente il risultato di rumore in un ampio set di dati.
La personalizzazione dipende dalla qualità dei dati
La consulenza personalizzata è uno dei principali punti di forza dell’intelligenza artificiale nella gestione patrimoniale. I modelli tradizionali spesso classificano i clienti in categorie di rischio generiche e li indirizzano verso portafogli standard. Analisi più avanzate possono invece tenere conto delle abitudini di spesa, delle passività, dell’esposizione fiscale, dei flussi di cassa previsti e degli obiettivi finanziari specifici.
Un sistema può rilevare che un cliente necessiti di maggiore liquidità poiché è probabile che diversi impegni sul mercato privato vengano richiamati nello stesso periodo. Può inoltre evidenziare che il profilo di rischio registrato in fase di acquisizione del cliente non rifletta più la sua età, la sua situazione finanziaria o il suo comportamento in periodi di volatilità dei mercati.
Ciò può rendere la consulenza più mirata, ma l’affidabilità della personalizzazione dipende esclusivamente dalla qualità delle informazioni disponibili. Spesso i dati relativi ai clienti sono incompleti o archiviati in sistemi separati. Alcune priorità importanti potrebbero non essere espresse in termini numerici, in particolare quando gli investimenti riguardano aziende familiari, la pianificazione successoria o l’attaccamento personale a un immobile.
Una raccomandazione anche molto dettagliata può quindi rivelarsi comunque inadeguata. L’intelligenza artificiale può calcolare l’opzione finanziariamente più efficiente, trascurando però il desiderio del cliente di mantenere il controllo di un’azienda o di preservare il patrimonio per la generazione successiva. La gestione patrimoniale comprende considerazioni di natura personale e familiare che non sempre è possibile dedurre dai dati relativi alle transazioni.
La gestione del rischio offre un caso d'uso più chiaro
L'intelligenza artificiale svolge un ruolo particolarmente importante nell'identificazione dei rischi di portafoglio. I sistemi di apprendimento automatico sono in grado di monitorare le variazioni di volatilità, liquidità, correlazione e concentrazione su un ampio numero di posizioni. Sono inoltre in grado di individuare operazioni insolite, esposizioni impreviste o discrepanze tra la strategia dichiarata di un portafoglio e il suo comportamento effettivo.
Ciò è utile perché il rischio spesso va oltre le categorie di attività tradizionali. Un portafoglio può contenere azioni, obbligazioni e investimenti privati che dipendono tutti da tassi di interesse bassi. Sulla carta, le attività sembrano diversificate; dal punto di vista economico, condividono invece la stessa vulnerabilità.
L'intelligenza artificiale può inoltre migliorare l'analisi degli scenari, consentendo ai consulenti di verificare come i portafogli potrebbero reagire all'inflazione, al calo dei mercati azionari, alle fluttuazioni valutarie o alle variazioni degli spread creditizi. Queste simulazioni aiutano i clienti a comprendere che il valore nominale di un portafoglio non fornisce un quadro completo del rischio.
I modelli storici presentano tuttavia dei limiti. Le dinamiche di mercato cambiano, soprattutto durante le crisi. Attività che sembravano debolmente correlate possono subire un calo contemporaneo quando gli investitori cercano liquidità, mentre le valutazioni dei mercati privati possono adeguarsi più lentamente rispetto ai prezzi dei mercati pubblici. L’intelligenza artificiale può mettere in luce le vulnerabilità sulla base dei dati disponibili, ma non è in grado di identificare ogni potenziale fonte di perdita futura.
Le affermazioni predittive richiedono scetticismo
Le affermazioni più ambiziose sull’intelligenza artificiale riguardano la previsione dei mercati e l’individuazione di opportunità di investimento prima che queste vengano ampiamente riconosciute. I sistemi di apprendimento automatico sono in grado di individuare modelli ricorrenti all’interno di grandi insiemi di dati, ma la loro capacità di prevedere in modo coerente i prezzi degli asset rimane incerta.
I mercati finanziari si adattano. Non appena viene individuata una tendenza sfruttabile, gli investitori la sfruttano nelle loro operazioni, riducendone così il valore. Inoltre, i modelli possono adattarsi in modo troppo stretto ai dati storici, producendo risultati impressionanti nei test retrospettivi che però non reggono alle mutevoli condizioni di mercato.
C'è un ulteriore problema di spiegazione. Un sistema complesso potrebbe raccomandare di ridurre l'esposizione a un determinato asset senza fornire una chiara motivazione economica. Ciò crea difficoltà ai consulenti, che devono spiegare le decisioni ai clienti e dimostrare che le raccomandazioni sono adeguate.
L'analisi predittiva risulta quindi più attendibile quando integra, anziché sostituire, i processi di investimento consolidati. Un sistema può segnalare un cambiamento nella liquidità, nelle aspettative di utile o nel posizionamento di mercato, mentre il team di investimento valuta se tale segnale abbia una base economica convincente.
È possibile ottenere risparmi sui costi, ma non in modo automatico
L'intelligenza artificiale può ridurre il tempo dedicato alla rendicontazione dei portafogli, alla riconciliazione dei dati, alla preparazione delle analisi e alle comunicazioni di routine con i clienti. Per le grandi società, anche miglioramenti modesti su migliaia di conti possono tradursi in risparmi operativi significativi.
La questione dei costi è meno semplice di quanto suggerisca il materiale promozionale. I gestori patrimoniali devono investire in dati affidabili, sicurezza informatica, integrazione dei sistemi e formazione del personale prima che gli strumenti di intelligenza artificiale possano funzionare in modo affidabile. Molte aziende utilizzano ancora tecnologie sviluppate in momenti diversi per unità aziendali distinte, il che rende difficile creare una visione unica dei clienti e dei portafogli.
I fornitori esterni di IA possono ridurre i costi di sviluppo, ma comportano una dipendenza da terzi. Le aziende devono comprendere come vengono addestrati i modelli, dove vengono archiviati i dati dei clienti e cosa succede quando un servizio non è più disponibile. Un costo iniziale inferiore può comportare rischi operativi e normativi a lungo termine.
I progetti di maggior successo partono quindi da un obiettivo ben definito. La riduzione del tempo necessario per redigere un rapporto trimestrale è un risultato misurabile. Il miglioramento della performance degli investimenti attraverso l’intelligenza artificiale è invece un obiettivo più ampio e incerto.
Le autorità di regolamentazione stanno ponendo l'accento sulla responsabilità
L'uso dell'intelligenza artificiale non modifica le responsabilità legali dei gestori patrimoniali. Le società rimangono responsabili in materia di adeguatezza, informativa, vigilanza e protezione dei dati dei clienti. Non possono trasferire tale responsabilità a un fornitore di software.
La Securities and Exchange Commission degli Stati Uniti è già intervenuta nei confronti di consulenti finanziari che avevano rilasciato dichiarazioni fuorvianti sul loro utilizzo dell’intelligenza artificiale. Nel 2024, l’autorità di regolamentazione ha contestato a due consulenti dichiarazioni false o fuorvianti relative alle loro presunte capacità in materia di intelligenza artificiale, evidenziando la crescente preoccupazione riguardo all’“AI washing”.
Le autorità di regolamentazione europee hanno individuato rischi simili. L’Autorità europea degli strumenti finanziari e dei mercati ha messo in guardia contro la scarsa qualità dei dati, la parzialità degli algoritmi, l’opacità dei processi decisionali, l’eccessivo ricorso a strumenti automatizzati e le preoccupazioni relative alla privacy. Non si tratta di questioni astratte: esse incidono sulla possibilità di spiegare, riesaminare e contestare una raccomandazione.
Le società devono quindi documentare dove viene utilizzata l'intelligenza artificiale, quali informazioni vengono elaborate e chi approva il risultato. Un consulente non può giustificare una raccomandazione inadeguata sostenendo che sia stata generata dal sistema.
La comunicazione con i clienti potrebbe diventare l'applicazione più visibile
Molti consulenti dedicano molto tempo alla redazione di verbali delle riunioni, sintesi di mercato e spiegazioni sui rendimenti del portafoglio. L’IA generativa può supportare questo lavoro trasformando analisi complesse in comunicazioni chiare rivolte ai clienti.
Un sistema potrebbe spiegare perché un portafoglio obbligazionario ha subito una flessione in seguito all'aumento dei tassi di interesse oppure illustrare in che modo le fluttuazioni valutarie hanno influito sulle posizioni internazionali. Potrebbe inoltre elaborare diverse versioni della stessa analisi per clienti con diversi livelli di conoscenza finanziaria.
Ciò può migliorare la coerenza e consentire ai consulenti di concentrarsi sulle discussioni piuttosto che sulle pratiche amministrative. Potrebbe inoltre aiutare le società a comunicare con maggiore frequenza nei periodi di volatilità dei mercati, quando i clienti hanno bisogno di rassicurazioni e di informazioni chiare.
I rischi rimangono significativi. I commenti generati possono contenere errori fattuali, tralasciare precisazioni o utilizzare un linguaggio che esagera il grado di certezza. Ogni comunicazione rilevante dovrebbe pertanto essere revisionata da una persona qualificata, in particolare quando riguarda rendimenti, rischi o raccomandazioni di investimento.
La sicurezza informatica entra a far parte del processo di investimento
I gestori patrimoniali dispongono di informazioni sensibili relative al patrimonio dei clienti, alle strutture familiari, agli interessi commerciali e ai piani finanziari. I sistemi di intelligenza artificiale richiedono spesso un ampio accesso a tali dati, aumentando così le potenziali conseguenze di una violazione.
Le aziende devono verificare se i fornitori esterni conservino le informazioni dei clienti o le utilizzino per addestrare i propri modelli. Devono inoltre controllare quali dipendenti siano autorizzati a caricare documenti e garantire che il materiale riservato non venga inserito in applicazioni pubbliche senza previa approvazione.
L'intelligenza artificiale può rafforzare la sicurezza individuando attività anomale, ma consente anche attacchi più sofisticati. È possibile generare rapidamente e-mail fraudolente, voci clonate e documenti convincenti, che possono essere utilizzati per spacciarsi per clienti o consulenti.
La verifica dei pagamenti e dei dati identificativi deve quindi diventare più rigorosa. Una voce familiare o uno stile di scrittura non possono più essere considerati una prova sufficiente dell’autenticità di un’istruzione.
I consulenti hanno bisogno di nuove competenze, non di essere sostituiti
L'intelligenza artificiale è destinata a trasformare il lavoro di consulenza piuttosto che a eliminarlo. I dipendenti dedicheranno meno tempo alla raccolta e alla sistematizzazione delle informazioni, mentre si presterà maggiore attenzione all'interpretazione, alla valutazione e alla comunicazione.
I consulenti devono comprendere i punti di forza e i limiti dei sistemi che utilizzano. Non devono necessariamente diventare ingegneri informatici, ma dovrebbero essere in grado di individuare i risultati inaffidabili, mettere in discussione le ipotesi e spiegare come è stata formulata una raccomandazione.
Il ruolo umano è particolarmente importante nei periodi di stress. Un modello potrebbe consigliare di vendere alcuni asset per ripristinare l’allocazione target, mentre un consulente potrebbe rendersi conto che il cliente sta reagendo in modo emotivo e ha bisogno di una discussione più approfondita sugli obiettivi a lungo termine.
La fiducia rimane un elemento fondamentale nella gestione patrimoniale. La tecnologia può migliorare la qualità e la rapidità della consulenza, ma i clienti continuano ad aspettarsi che sia una persona ad assumersi la responsabilità delle decisioni difficili.
Priorità pratiche per i gestori patrimoniali
Le aziende che stanno valutando l'adozione di strumenti analitici basati sull'intelligenza artificiale per la gestione patrimoniale dovrebbero partire da una disciplina operativa piuttosto che da previsioni ambiziose.
- Migliorare i dati di base. I dati relativi ai clienti, al portafoglio e alle transazioni devono essere coerenti affinché le analisi avanzate possano fornire risultati affidabili.
- Scegliere applicazioni iniziali di portata limitata. L'analisi dei documenti, la redazione di relazioni e il monitoraggio dei rischi forniscono indicatori di valore più chiari rispetto alla selezione autonoma del portafoglio.
- Definire i punti di approvazione da parte del personale. I consigli sui prodotti, le comunicazioni con i clienti e le transazioni dovrebbero continuare a essere sottoposti alla revisione di un professionista designato.
- Valutate attentamente i fornitori. Le aziende dovrebbero capire dove vengono trattati i dati, come vengono gestiti i modelli e quali misure di protezione sono previste in caso di inadempienza da parte di un fornitore.
- Misurate i risultati piuttosto che l'attività. Il numero di strumenti di intelligenza artificiale adottati è meno importante rispetto al fatto che essi riducano gli errori, facciano risparmiare tempo o migliorino la comprensione da parte dei clienti.
- Formare i dipendenti affinché mettano in discussione i risultati. Il personale dovrebbe saper riconoscere le allucinazioni, i pregiudizi, le informazioni obsolete e le raccomandazioni non supportate da ragionamenti economici.
- Evita le affermazioni promozionali. Le società dovrebbero descrivere con precisione l'uso che fanno dell'intelligenza artificiale ed evitare di suggerire che tale tecnologia possa garantire rendimenti superiori.
La fase successiva sarà più tranquilla e più integrata
Nei prossimi tre-cinque anni, l’intelligenza artificiale è destinata a diventare una componente standard dell’infrastruttura di gestione patrimoniale, piuttosto che un prodotto a sé stante. Sarà integrata nei processi di rendicontazione, analisi dei rischi, assistenza alla clientela, conformità e amministrazione del portafoglio.
I progressi più significativi deriveranno probabilmente dall’integrazione piuttosto che dalla previsione. I sistemi combineranno i dati provenienti da diverse banche, identificheranno un fabbisogno di liquidità, prepareranno un’analisi del portafoglio e la inoltreranno a un consulente per l’approvazione. Il processo può sembrare meno spettacolare rispetto a un motore di investimento autonomo, ma affronta problemi operativi concreti.
PwC ha stimato che un'ampia diffusione dell'intelligenza artificiale potrebbe contribuire in modo sostanziale alla produzione economica globale nel prossimo decennio. Tale previsione riflette il potenziale impatto su numerosi settori e non deve essere interpretata come una previsione dei rendimenti nel settore della gestione patrimoniale. Nel campo della consulenza finanziaria, i benefici dipenderanno dal fatto che le società utilizzino l'intelligenza artificiale per migliorare decisioni specifiche, anziché limitarsi ad attribuire tale termine a tecnologie già esistenti.
L'analisi della gestione patrimoniale basata sull'intelligenza artificiale può rendere le società di consulenza più veloci, meglio informate e più reattive. Tuttavia, non può eliminare l'incertezza dai mercati né sostituirsi alla responsabilità dei risultati dei clienti. Le società che ne trarranno i maggiori benefici saranno quelle che considereranno l'intelligenza artificiale come uno strumento analitico disciplinato, supportato da dati attendibili e dal giudizio professionale, piuttosto che come una fonte automatica di informazioni sugli investimenti.
