In questa nuova fase di adozione dell'AI, le idee e i modelli pilota non sono più sufficienti. Sempre più spesso, i leader operativi e i consigli di amministrazione desiderano vedere l'AI in produzione su larga scala, con ritorni misurabili. Ma si sta rivelando un compito più difficile del previsto, soprattutto nel settore dei servizi finanziari. Ad oggi, si riporta che l'88% dei progetti di AI aziendale si blocca prima di entrare in produzione perché la loro infrastruttura esistente non riesce a soddisfare le esigenze di dati in tempo reale.
Nel settore dei servizi finanziari, il divario tra "avere dati" e "creare valore" spesso si riduce a un singolo fattore: la latenza. Mentre molte istituzioni hanno trascorso l’ultimo decennio perfezionando modelli "lakehouse" per dati statici, i principali casi d’uso dell'AI richiedono un cambiamento fondamentale verso dati in tempo reale, o dati in transito.
Una recente tavola rotonda con esperti di IBM e Cloudera ha esplorato la sfida principale per i leader: comprendere l'imperativo di questo cambiamento e scegliere il partner architettonico più adatto. La discussione si è concentrata su come l'architettura in tempo reale stia finalmente riparando il "collegamento interrotto" nell'AI finanziaria.
L'imperativo dell'AI in tempo reale nei servizi finanziari
Il driver per i dati in tempo reale va oltre la velocità tecnica; si tratta di riparare una massiccia perdita operativa. Le istituzioni finanziarie hanno da tempo tollerato le "ore buie" in cui i dati restano inattivi, in attesa di un'elaborazione in batch notturna. Negli ultimi anni, questo ritardo è diventato una responsabilità competitiva.
Concentrarsi sul ROI immediato: il back and middle office
In un recente solution brief, la società di ricerca e consulenza tecnologica Omdia ha esplorato i casi d'uso dell'AI in tempo reale nei servizi finanziari, che includevano:
Prevenzione delle frodi e sicurezza in tempo reale
Esperienza del cliente e fedeltà
Acquisizione, trasformazione e gestione dei flussi di dati
Modernizzazione della piattaforma e reporting
Consulta la sintesi della soluzione per maggiori informazioni
Sebbene l'AI generativa rivolta al consumatore per aspetti come l'esperienza del cliente e la fedeltà sia allettante, per molte aziende di servizi finanziari il ROI più immediato viene fornito nel back office e nel middle office. Questi casi d'uso "poco attraenti" si traducono direttamente in enormi guadagni di efficienza.
Operazioni senza contatto: l'applicazione dell'AI in tempo reale alle previsioni finanziarie interne sta rendendo i processi 94-95% touchless.
Efficienza straordinaria: l'automatizzazione dell'aggregazione dei dati per la creazione di report complessi sta riducendo le spese operative del 30%–40%
Scala di impatto: per le banche di livello aziendale, queste ottimizzazioni si traducono in centinaia di milioni di dollari in produttività recuperata.
Il vantaggio di Cloudera e IBM insieme: efficienza e sovranità ibride
L'aumento dei costi delle operazioni cloud e l'intensificarsi del controllo normativo rendono la scelta della piattaforma un punto di svolta strategico per i servizi finanziari. L'approccio di Cloudera alla sovranità dei dati è strettamente in linea con quello di IBM, dando priorità all'accesso sicuro e governato rispetto al movimento dei dati. Insieme, consentono un modello di federazione in loco che permette alle istituzioni finanziarie di accedere e analizzare i dati ovunque si trovino, attraverso i sistemi bancari principali, le piattaforme di trading, gli ambienti cloud e i canali edge, senza spostarli. Questo approccio supporta insight in tempo reale aiutando le istituzioni a rispettare i requisiti normativi, ridurre il rischio operativo, stabilizzare i costi di calcolo e mantenere un rigoroso controllo sui dati finanziari sensibili.
Flessibilità ibrida per il controllo dei costi
L'AI in tempo reale nei servizi finanziari richiede un'elaborazione "sempre attiva" per supportare casi d'uso come l'elaborazione dei pagamenti, la modellazione del rischio e le operazioni di trading. Mentre gli ambienti cloud offrono agilità per la sperimentazione, il costo totale di proprietà (TCO) per carichi di lavoro stabili e ad alta velocità, come l'elaborazione delle transazioni o la rendicontazione normativa, può essere significativamente più basso in loco. La piattaforma ibrida di Cloudera's consente la portabilità di dati e applicazioni, permettendo così alle istituzioni di eseguire carichi di lavoro sensibili alla latenza e ad alto costo laddove risultino più convenienti dal punto di vista finanziario e operativo.
Riparare il "collegamento interrotto" con la governance
Un grande ostacolo per l'AI nei servizi finanziari è la difficoltà che i data scientist e i team di rischio incontrano nello scoprire, fidarsi e governare i dati in movimento. Cloudera affronta questo problema estendendo controlli coerenti di governance, lineage, catalogazione e sicurezza ai dati in streaming, garantendo che i dati in tempo reale utilizzati per le decisioni siano tanto verificabili quanto affidabili come i dati a riposo. Questo è fondamentale per soddisfare i requisiti di conformità e supportare l'AI spiegabile.
Intelligenza artificiale e sovranità dei modelli
Le istituzioni stanno superando la residenza dei dati per entrare nell'era dell'AI e della sovranità dei modelli. Grazie a Cloudera e IBM, le organizzazioni possono garantire che sia i dati che i modelli rimangano entro i limiti geografici o normativi richiesti, supportando la conformità con le normative in continua evoluzione in materia di protezione dei dati e finanza. Questo approccio impedisce ai dati sensibili di uscire da una giurisdizione, pur mantenendo le prestazioni. Inoltre, i modelli IBM Granite forniscono una provenienza auditabile di livello enterprise, riducendo il rischio associato a dati di addestramento opachi o non verificati.
Il cammino verso il futuro: Edge AI e architettura guidata dagli eventi
Per abilitare decisioni in tempo reale, come la prevenzione delle frodi, l'assegnazione del credito e la convalida delle transazioni, le istituzioni finanziarie devono superare l'elaborazione batch e adottare architetture basate su eventi, supportate da tecnologie come NiFi e Flink.
Edge AI: avvicinare il processo decisionale al punto di interazione (o all'"edge"), come il punto vendita, un bancomat o all'interno di un'app mobile, consente il rilevamento delle frodi in tempo reale e la validazione delle transazioni. Ciò permette alle istituzioni di interrompere attività fraudolente prima che una transazione sia completata, piuttosto che identificarle dopo il regolamento.
Modelli linguistici di piccole dimensioni (SLM): non tutti i casi d'uso dei servizi finanziari richiedono un modello su larga scala. I modelli compatti (sotto i parametri 10B) possono essere implementati ai margini o all'interno di ambienti controllati per supportare casi d'uso come l'autenticazione del cliente, l'elaborazione documentale e i controlli di conformità, offrendo una latenza inferiore, maggiore privacy e costi infrastrutturali ridotti.
Rendere l'AI aziendale a prova di futuro con dati in tempo reale
L'era dell'approccio "Field of Dreams", cioè costruire enormi data lake e semplicemente sperare che il valore arrivi di conseguenza, è ormai finita da tempo. Nei servizi finanziari, il valore si misura in risultati dimostrati.
Il momento di agire è adesso. I dati in tempo reale non sono più un lusso, ma la base essenziale delle operazioni moderne di banche, pagamenti, assicurazioni e mercati dei capitali. Trasforma il reporting statico in un processo decisionale continuo e guidato dagli eventi, consentendo flussi di lavoro dinamici che si adattano in tempo reale. Sfruttando la piattaforma ibrida di Cloudera e le offerte data-in-motion insieme a IBM watsonX per l'AI e allineando queste tecnologie a risultati aziendali chiari, le istituzioni finanziarie possono trasformare i dati in tempo reale in un vantaggio competitivo permanente senza perdere il controllo, la governance e la resilienza che questo settore richiede.
