APPLICAZIONI DEL MACHINE LEARNING NEL SETTORE FINANZIARIO: REPORT BOE / FCA
“Machine learning in UK financial services” (PRESS RELEASE e PAPER - October 2019)
BOE – BANK OF ENGLAND
https://www.bankofengland.co.uk/
FCA - FINANCIAL CONDUCT AUTHORITY
https://www.fca.org.uk/
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.