Boom globale nella gestione dei portafogli basata sull'intelligenza artificiale

L’intelligenza artificiale sta assumendo un ruolo sempre più centrale nella gestione dei portafogli, aiutando le società di investimento ad analizzare i mercati, monitorare il rischio e personalizzare i servizi per i singoli clienti. Il suo fascino risiede nella capacità di elaborare grandi volumi di informazioni più rapidamente rispetto ai team di ricerca tradizionali, ma questa tecnologia non sta sostituendo i principi su cui si basano i portafogli. L’allocazione degli asset, la diversificazione, la valutazione e il controllo del rischio rimangono elementi centrali; l’IA modifica la velocità e la portata con cui questi principi possono essere applicati.

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. Le cifre indicano un settore che sta andando oltre la fase sperimentale senza aver ancora raggiunto la piena integrazione. La maggior parte delle società non sta affidando le decisioni relative al portafoglio a sistemi autonomi. Sta invece introducendo l’IA in modo selettivo nei processi di ricerca, comunicazione con i clienti, conformità e operativi, dove i benefici possono essere misurati con maggiore chiarezza.

L'automazione è nata prima dell'intelligenza artificiale

La gestione del portafoglio ha iniziato ad adottare la tecnologia molto prima dell’attuale ondata di IA generativa. I fondi quantitativi utilizzavano modelli statistici per identificare schemi ricorrenti, mentre i sistemi di trading algoritmico automatizzavano l’esecuzione e riducevano il tempo che intercorreva tra un segnale di investimento e una transazione. Successivamente, i robo-advisor hanno esteso principi simili agli investitori privati, utilizzando questionari digitali, portafogli modello e ribilanciamento automatico per offrire servizi di gestione degli investimenti di base a costi inferiori.

Wealthfront è diventata uno degli esempi più noti di questo cambiamento dopo la sua fondazione nel 2008 e il lancio dell’investimento automatizzato nel 2011. La sua piattaforma costruisce portafogli a partire da fondi negoziati in borsa (ETF), adegua le allocazioni in base al profilo di rischio del cliente e automatizza funzioni quali il ribilanciamento e il tax-loss harvesting. L’importanza di questo modello risiede non tanto nella previsione dell’andamento dei mercati quanto nella standardizzazione di un processo che in precedenza richiedeva un maggiore intervento umano, consentendo all’azienda di servire un’ampia base di clienti a costi relativamente contenuti.

La distinzione tra automazione e intelligenza artificiale è importante perché questi termini vengono spesso utilizzati in modo intercambiabile. Un sistema basato su regole può ribilanciare un portafoglio senza apprendere da nuovi dati, mentre un modello di apprendimento automatico può rivedere le proprie conclusioni al mutare delle condizioni di mercato. Entrambi possono migliorare l’efficienza, ma comportano presupposti e rischi diversi.

L'intelligenza artificiale amplia il campo analitico

I moderni team di investimento devono analizzare i bilanci aziendali, i dati economici, i prezzi di mercato, le notizie, i rapporti di ricerca e quantità sempre più consistenti di dati alternativi. L’intelligenza artificiale è in grado di organizzare queste informazioni, individuare andamenti anomali e segnalare sviluppi che altrimenti potrebbero sfuggire. I sistemi basati sul linguaggio naturale possono esaminare le conferenze sugli utili o i documenti depositati presso le autorità di regolamentazione, mentre i modelli di apprendimento automatico possono mettere a confronto le relazioni tra migliaia di titoli e variabili economiche.

Queste funzionalità possono potenziare l’attività di ricerca, aiutando i gestori di portafoglio a verificare un maggior numero di ipotesi e a monitorare un numero maggiore di posizioni. Un sistema può rilevare che diverse posizioni, apparentemente diversificate, sono esposte allo stesso rischio di tasso d’interesse, di cambio o di catena di approvvigionamento. Può inoltre aggiornare tali valutazioni con maggiore frequenza rispetto a quanto consentirebbe una revisione trimestrale del portafoglio.

Tuttavia, una maggiore quantità di dati non garantisce automaticamente decisioni di investimento migliori. I mercati contengono sia rumore che informazioni, e i modelli possono individuare correlazioni che svaniscono non appena cambiano le condizioni economiche. Un sistema può generare una risposta precisa senza stabilire se la relazione alla base di essa sia duratura o economicamente significativa. L’intelligenza artificiale amplia l’ambito di analisi, ma spetta comunque al gestore del portafoglio decidere quali fattori debbano influenzare l’allocazione del capitale.

La personalizzazione diventa più scalabile

L'intelligenza artificiale sta inoltre cambiando il modo in cui le società adattano i portafogli e la comunicazione ai singoli clienti. I modelli tradizionali di gestione patrimoniale spesso classificano gli investitori in base a categorie generali quali età, patrimonio e propensione al rischio. I sistemi più avanzati sono in grado di integrare flussi di cassa, passività, esigenze di liquidità, situazione fiscale e impegni finanziari pianificati per tracciare un quadro più dettagliato dell'idoneità.

Ciò potrebbe consentire alle società di individuare i casi in cui il portafoglio di un cliente non riflette più la sua situazione o in cui le posizioni detenute su diversi conti creano una concentrazione non intenzionale. I consulenti possono inoltre avvalersi di sintesi generate dall’intelligenza artificiale per prepararsi agli incontri e concentrare le discussioni sulle decisioni più rilevanti per il cliente, anziché dedicare tempo alla raccolta manuale delle informazioni.

La qualità della personalizzazione dipende dalla qualità dei dati sottostanti. Molte aziende conservano ancora le informazioni sui clienti in sistemi non integrati, mentre il patrimonio privato e le strutture familiari possono essere documentati in modo incoerente. L’intelligenza artificiale è in grado di analizzare i dati che riceve, ma non può correggere ogni omissione né determinare se le preferenze dichiarate da un cliente resisteranno a un grave crollo del mercato. Una raccomandazione più dettagliata può comunque rivelarsi inadeguata se si basa su informazioni incomplete.

La gestione del rischio offre un caso d'uso più solido

Il rischio di portafoglio è uno dei settori in cui l’intelligenza artificiale può offrire i vantaggi pratici più evidenti. Gli strumenti di apprendimento automatico sono in grado di monitorare le variazioni di volatilità, correlazione, liquidità e concentrazione del portafoglio, consentendo alle aziende di individuare tempestivamente le esposizioni emergenti. Possono inoltre supportare l’analisi di scenario, confrontando l’andamento di diverse attività in precedenti periodi di tensione sui mercati.

Tali strumenti sono preziosi perché il rischio spesso si manifesta in categorie che la rendicontazione tradizionale tratta separatamente. Un portafoglio può contenere azioni, obbligazioni e investimenti privati che dipendono tutti dalla stessa situazione economica, anche se classificati come classi di attività diverse. L’intelligenza artificiale può aiutare a rivelare questa esposizione comune nascosta, esaminando una gamma più ampia di relazioni.

L'analisi storica presenta tuttavia dei limiti. I modelli addestrati sulla base di crisi precedenti non sono in grado di anticipare appieno eventi con cause o strutture di mercato diverse, mentre le correlazioni spesso cambiano proprio quando gli investitori ne hanno più bisogno. I team addetti alla gestione del rischio devono quindi combinare i risultati dei modelli con stress test basati su situazioni che non si sono verificate nei dati disponibili. L'intelligenza artificiale può migliorare il sistema di allerta, ma non è in grado di individuare ogni possibile fonte di perdita.

Il risparmio sui costi dipende dalla riprogettazione

Le società di investimento prevedono che l’intelligenza artificiale consenta di ridurre i costi grazie all’automazione della revisione dei documenti, della rendicontazione, della riconciliazione dei dati e di alcune attività legate all’assistenza alla clientela. Questi vantaggi possono essere notevoli nelle organizzazioni in cui i dipendenti altamente qualificati dedicano ancora molto tempo ad attività ripetitive. I gestori di portafoglio e i consulenti potranno così dedicare maggiore attenzione all’interpretazione dei dati, alla strategia e alle relazioni con i clienti.

I risparmi non sono automatici, poiché le aziende devono investire in infrastrutture per i dati, sicurezza informatica, integrazione dei sistemi e formazione del personale prima che la tecnologia possa funzionare in modo efficace. Un’applicazione di intelligenza artificiale implementata su database frammentati potrebbe creare un ulteriore livello di complessità anziché eliminarne uno. I fornitori esterni comportano inoltre costi di licenza e dipendenze che devono essere valutati alla luce dei guadagni di efficienza previsti.

I business case più convincenti partono da un processo ben definito e da un risultato misurabile. È possibile valutare la riduzione del tempo necessario per preparare un rapporto di portafoglio, così come la diminuzione del numero di falsi allarmi di conformità. Un’ambizione generica volta a trasformare la gestione degli investimenti attraverso l’intelligenza artificiale è più difficile da verificare e rischia maggiormente di sfociare in esperimenti costosi senza rendimenti chiari.

Il giudizio umano diventa più evidente

L'intelligenza artificiale viene spesso presentata come uno strumento per eliminare le emozioni e i pregiudizi umani dalle decisioni di investimento. Regole sistematiche possono infatti impedire a un gestore di portafoglio di abbandonare una strategia a causa di timori di breve termine o di affezionarsi a un particolare investimento. I modelli, tuttavia, riflettono comunque le scelte umane relative ai dati, agli obiettivi e ai vincoli utilizzati per costruirli.

Sono i ricercatori a decidere quale periodo storico sia rilevante, come debba essere misurato il rischio e quali risultati il sistema debba ottimizzare. Il bias può quindi insinuarsi attraverso la progettazione del modello piuttosto che attraverso l’intuizione di un trader. Anche i dipendenti possono sviluppare un “bias da automazione”, accettando una raccomandazione solo perché appare matematicamente sofisticata, anche quando le ipotesi su cui si basa sono deboli.

Il ruolo del gestore di portafoglio diventa quindi un ruolo di interpretazione e di messa in discussione. I professionisti devono avere una comprensione del sistema tale da riconoscere quando un risultato è in contrasto con la logica economica, quando i dati sono inaffidabili o quando l’evoluzione delle condizioni di mercato ha reso un modello meno pertinente. Il giudizio umano non è scomparso dal processo; si è piuttosto spostato verso la decisione di stabilire quando non seguire la macchina.

Il regolamento fa seguito alla decisione

La gestione del portafoglio supportata dall’intelligenza artificiale rimane soggetta agli stessi obblighi di adeguatezza, fiduciari e di informativa previsti per la consulenza tradizionale. Una società non può trasferire la responsabilità a un algoritmo quando una raccomandazione è inappropriata o un modello produce un risultato dannoso. Le autorità di regolamentazione si aspettano che gli istituti documentino in che modo i sistemi influenzano le decisioni e chi rimane responsabile della loro approvazione.

La spiegabilità assume particolare importanza quando l’intelligenza artificiale ha un impatto su un singolo cliente. Gli investitori non devono necessariamente comprendere ogni singolo calcolo tecnico, ma dovrebbero poter ricevere una spiegazione chiara dei motivi per cui un portafoglio o una raccomandazione sono adeguati. Modelli altamente complessi possono offrire miglioramenti marginali nelle prestazioni predittive, rendendo al contempo più difficile fornire tale spiegazione.

Le aziende si trovano quindi di fronte a un compromesso tra complessità e controllo. In alcune applicazioni, un modello più semplice, comprensibile sia per i dipendenti che per le autorità di regolamentazione, può rivelarsi più utile di un sistema più accurato il cui funzionamento non possa essere spiegato o messo in discussione in modo attendibile.

La sicurezza limita la velocità di adozione

I sistemi di gestione del portafoglio basati sull'intelligenza artificiale richiedono l'accesso a dati sensibili relativi al mercato, ai clienti e alle transazioni. Ciò comporta rischi in materia di riservatezza, sicurezza informatica e ricorso a fornitori di tecnologia esterni. I dati relativi alla gestione patrimoniale possono rivelare strutture familiari, interessi commerciali, situazioni fiscali e transazioni pianificate, rendendo una violazione particolarmente dannosa.

Le istituzioni devono disporre di regole chiare che stabiliscano quali sistemi possano accedere alle informazioni dei clienti, dove i dati vengano trattati e se i fornitori esterni possano utilizzarli per addestrare altri modelli. È inoltre necessario impedire ai dipendenti di inserire informazioni riservate in strumenti non approvati per uso finanziario.

La sicurezza informatica è solo una parte del problema. Le aziende devono prepararsi a risultati errati, interruzioni dei servizi e alla possibilità che un modello venga manipolato tramite dati corrotti. La resilienza operativa richiede la capacità di individuare un problema e continuare a funzionare quando i sistemi automatizzati non sono disponibili.

Il vantaggio competitivo si sposta verso la fase di implementazione

Gli strumenti di intelligenza artificiale stanno diventando sempre più diffusi, riducendo la probabilità che il semplice accesso a questa tecnologia possa garantire un vantaggio duraturo. Le aziende concorrenti possono acquisire modelli simili, capacità di calcolo e dati di mercato; ciò significa che la differenziazione dipenderà sempre più dalle informazioni proprietarie, da un’integrazione efficace e dalla qualità della supervisione umana.

Le grandi istituzioni possono avvalersi di ampi set di dati e team di specialisti, mentre le aziende più piccole possono acquisire funzionalità avanzate tramite piattaforme esterne. Queste ultime ottengono l’accesso a costi inferiori, ma rinunciano a una parte del controllo sull’infrastruttura e sulla progettazione dei modelli. In entrambi i casi, il valore del sistema dipende dal fatto che esso sia integrato nel processo di investimento piuttosto che aggiunto come funzionalità a sé stante.

L’ultima ricerca di PwC sulla gestione patrimoniale e del patrimonio sostiene che le aziende leader stiano integrando tecnologie quali l’intelligenza artificiale e l’analisi avanzata nel cuore delle attività di investimento, distribuzione e assistenza, anziché utilizzarle solo come strumenti di supporto. Questa distinzione definisce la prossima fase di adozione: il vantaggio competitivo deriverà dalla riprogettazione dei flussi di lavoro e dei processi decisionali attorno alla tecnologia, non dal semplice annuncio della presenza dell’intelligenza artificiale.

La gestione del portafoglio rimane un’attività caratterizzata dall’incertezza

Nei prossimi tre-cinque anni, l’intelligenza artificiale continuerà a diffondersi nei settori della ricerca, della gestione del rischio, del servizio clienti e delle operazioni di portafoglio. Gli strumenti basati sul linguaggio naturale miglioreranno l’accesso alle informazioni, mentre i modelli di apprendimento automatico aiuteranno le società a monitorare portafogli più ampi e complessi. Questi sviluppi renderanno probabilmente le organizzazioni di investimento più agili e scalabili.

Non renderanno i mercati prevedibili. I prezzi riflettono l’evoluzione delle aspettative, le decisioni politiche e il comportamento umano, mentre le correlazioni individuate nei dati storici possono indebolirsi non appena gli investitori iniziano a fare trading basandosi su di esse. L’intelligenza artificiale può aumentare la probabilità di prendere una decisione oculata, ma non può garantire il risultato né determinare quali rischi un investitore debba assumersi.

Il modello più credibile non è quindi né completamente automatizzato né interamente basato sul giudizio individuale. Le macchine possono elaborare informazioni, individuare modelli e applicare le regole di portafoglio, mentre le persone valutano se il risultato abbia senso dal punto di vista economico e rimanga adeguato per il cliente. L’intelligenza artificiale sta cambiando i meccanismi della gestione di portafoglio, ma un’allocazione disciplinata degli asset, una chiara responsabilità e la comprensione dell’incertezza continueranno a determinare se tali meccanismi producano risultati di investimento migliori.