Governance e vincoli all’adozione dell’Intelligenza Artificiale nel settore finanziario italiano Il Report OCSE
Governance e vincoli all’adozione dell’Intelligenza Artificiale nel settore finanziario italiano Il Report OCSE. Il quadro della governance, per quanto riguarda l’utilizzo dell’Intelligenza Artificiale nel settore finanziario italiano, non appare uniforme secondo il Report OCSE. Tra i framework, controlli o processi adottati, il documento segnala AI strategy, guidelines, principles e codes of conduct; framework di cyber-security e operational risk; framework di model governance basati su human oversight; data governance riferita a privacy, stewardship e ownership; accountability framework; policy sull’uso di strumenti liberamente disponibili online; e, nel 16% dei casi, framework espliciti di AI governance. Poiché i rispondenti potevano scegliere più opzioni, il documento rileva che molte imprese combinano approcci differenti a seconda dell’area coinvolta.
Tra i soggetti che non dispongono di un framework specifico, in alcuni casi sono considerati sufficienti controlli non specificamente riferiti all’AI, come policy IT e codici di condotta. In altri casi, gli assetti di governance sono definiti a livello di gruppo invece che a livello della singola società; in altri ancora, le misure sono ancora in fase di sviluppo o valutazione. Le strutture variano tra istituzioni: i gruppi più grandi possono adottare sistemi di monitoraggio globali con una combinazione di governance centralizzata e locale, così da presidiare le verifiche lungo il ciclo di sviluppo dei modelli AI.
Tra i rispondenti che utilizzano l’AI, il 52% dichiara di avere team data science dedicati allo sviluppo o al deployment dell’AI. Nella maggior parte dei casi, questi team operano a livello di gruppo, pari al 25% dei rispondenti; il 15% li mantiene solo a livello di singola impresa; l’8% li possiede a entrambi i livelli. I team AI sono di norma composti da uno a cinque dipendenti. Alcune imprese adottano una struttura federata, nella quale un team AI centrale assegna risorse a team più piccoli per casi d’uso specifici. Le ragioni indicate per non creare team dedicati includono vincoli organizzativi legati a dimensioni e budget, dipendenza da fornitori esterni e attività di esplorazione ancora collocate a livello di gruppo.
I vincoli percepiti alla diffusione dell’AI nei mercati finanziari italiani sono legati ad incertezza regolatoria e possibile disallineamento tra regole; le regole su protezione dei dati e proprietà intellettuale vengono indicate da una quota significativa di rispondenti come barriere importanti. Sono citate anche regole relative a operatività, terze parti, governance, fairness e market conduct. L’assenza di orientamenti di vigilanza appare un vincolo rilevante. Molte imprese riferiscono difficoltà nel definire cosa debba essere qualificato come modello AI, con conseguente incertezza sulle obbligazioni collegate a tale qualificazione. Il documento richiama inoltre preoccupazioni relative a possibili conflitti con regole settoriali esistenti, interventi regolatori ex post e mancanza di allineamento tra giurisdizioni. Secondo i rispondenti, l’AI Act potrà incidere sul modo in cui le imprese struttureranno l’adozione dell’AI, anche perché potrebbe sovrapporsi al quadro regolatorio esistente, ad esempio CRR e DORA. Ciò richiede alle imprese di riesaminare e integrare le considerazioni sull’AI nelle strutture già esistenti, aumentando costi e complessità della compliance.
Accanto ai vincoli regolatori, si evidenziano anche vincoli non regolatori, e in particolare vincoli organizzativi, culturali e di competenze. Un quarto dei rispondenti fa riferimento a difficoltà di talent acquisition, cioè alla difficoltà di reclutare profili necessari per sviluppare e implementare strumenti AI. Il 16% segnala la mancanza di casi d’uso nella propria linea di business. Si menzionano inoltre limiti interni relativi a competenze AI, strategie di integrazione poco chiare, resistenza organizzativa al cambiamento e priorità interne concorrenti che riducono le risorse disponibili per i progetti AI. Per gli operatori dei mercati finanziari, i vincoli organizzativi e di competenze possono risultare particolarmente rilevanti perché questo ambito richiede una combinazione di conoscenze sostanziali di mercato e competenze tecniche in AI. Definire casi d’uso interni, ad esempio nel settlement o nel post-trade processing, può essere difficile anche a causa del numero ancora limitato di casi d’uso disponibili a livello globale. In sede qualitativa, gli operatori hanno indicato carenze di competenze tecniche e analitiche, necessità di formazione, trasformazione culturale e difficoltà di collaborazione tra IT, compliance e risk.
I vincoli collegati ai dati comprendono le difficoltà di accesso a dati di qualità e la gestione dei dati nei processi interni. Un terzo dei rispondenti indica la qualità dei dati come vincolo all’adozione dell’AI; sono frequentemente menzionati anche l’accesso ai dati e l’assenza di processi adeguati di data management. Tra i vincoli non regolatori più rilevanti, le imprese citano soprattutto accuratezza e coerenza dei dati, indicate dal 22% dei rispondenti come grande vincolo. Sono inoltre segnalati problemi di accesso ai dati, gestione dei dataset, formati dei dati e carenze nei processi interni di data management.
