Manuale Pratico sull'IA di Google per Banche e Fintech

Karen Zhang spiega come Google stia supportando le organizzazioni nel settore dei servizi finanziari, dalle piccole fintech alle grandi istituzioni finanziarie. Il tema comune in tutta la conversazione è l'utilizzo dell'IA in modi pratici: migliorare le esperienze dei clienti sul front end e ridurre il carico di lavoro ripetitivo sul back end, in modo che i team possano concentrarsi su attività che richiedono un reale giudizio.

Zhang evidenzia una partnership con Starling Bank per creare un servizio di "Spend intelligence". In parole semplici, consente ai clienti di Starling di porre domande in linguaggio naturale all'interno dell'app (digitate o vocali) e ottenere risposte chiare sulle loro spese. Invece di scavare tra estratti conto e filtri, gli utenti possono chiedere cose come: "Quanto ho speso per TFL e trasporti nell'ultima settimana?" o "È cambiato di settimana in settimana nell'ultimo mese?"  L'obiettivo è far sembrare le informazioni sulle spese più simili a una conversazione e più facili da accedere per gli utenti di tutti i giorni.

Per i team fintech, l'esempio di Zhang segnala anche un cambiamento nel pensiero del prodotto. Le interfacce in linguaggio naturale abbassano la barriera all'informazione poiché i clienti non hanno bisogno di sapere dove toccare o come interpretare i grafici per trovare ciò di cui hanno bisogno. Se fatto bene, questo supporta la gestione del budget, l'individuazione di modelli e il rilevamento di cambiamenti graduali nel comportamento, senza trasformare l'utente in un analista di dati.

Zhang passa poi all'automazione interna, utilizzando un secondo esempio con Liberis con cui Google ha collaborato per costruire un agente IA di sottoscrizione chiamato Ada, che prende il nome da Ada Lovelace. La sottoscrizione spesso comporta grandi volumi di informazioni e passaggi ripetibili, che possono creare un pesante carico amministrativo. Secondo Google, Ada lavora insieme ai sottoscrittori, aiutandoli nel processo e riducendo i costi generali del 50%. Zhang inquadra il beneficio sia come efficienza che come concentrazione: l'IA si occupa di compiti più ripetitivi, mentre i sottoscrittori trascorrono più tempo su decisioni ad alto rischio basate sulla conoscenza.

Google conclude con un messaggio di scalabilità: mentre questi esempi si collocano nello spazio fintech di medio livello, lo stesso approccio può essere applicato a aziende molto più piccole. L'idea è che con il giusto supporto IA, i team non hanno bisogno di un enorme numero di dipendenti, "100 sottoscrittori", come dice Zhang, per fornire un servizio eccellente. Per le banche e le fintech che cercano di bilanciare costi ed esperienza del cliente, il punto di Google è semplice: utilizzare l'IA per rimuovere gli ostacoli per i clienti e ridurre il lavoro ripetitivo internamente, mantenendo il giudizio umano dove conta.