Come l’AI e il Machine Learning stanno trasformando il settore dei pagamenti

Secondo il rapporto World Payments Report, sviluppato da Capgemini e BNP Paribas, si stima una crescita del volume dei pagamenti online del’11% all'anno tra il 2015 e il 2020. Queste cifre, dimostrano come un domani, per poter sostenere al meglio questa crescita, sarà sempre più necessario ridurre la presenza di processi manuali ed aumentare l’efficienza generale di tutto il sistema dei pagamenti.

Quale soluzione può essere adottata per rispondere a queste esigenze? Molti addetti ai lavori suggeriscono l’intelligenza artificiale. 

Ma a cosa ci riferiamo quando parliamo di intelligenza artificiale?

Parliamo un po' di AI

AI. Questo acronimo sta per Artificial Intelligence, in italiano Intelligenza Artificiale. Con essa si intende la capacità di una macchina computazionale, composta da un hardware e da un relativo software, di replicare comportamenti umani quali l’apprendimento e la gestione dei problemi. 

Fino a non più di 20 anni fa, l’idea di avere una macchina in grado di compiere dei comportamenti umani era totalmente utopistica. Vivendo ormai in una realtà in cui la tecnologia è presente in quasi ogni aspetto della nostra vita quotidiana, anche l’AI si è ben inserita in tale contesto. 

Tra i diversi casi di applicazione dell’intelligenza artificiale nella vita di tutti i giorni possiamo menzionare: gli assistenti virtuali (come Siri o Alexa), le auto a guida autonoma (Tesla), la domotica, i chatbot (sistemi di messaggistica istantanea automatizzata per esigenze di customer care), i videogiochi (personaggi che evolvono a seconda dei comportamenti del giocatore) e i sistemi di raccomandazioni di grandi portali come Netflix, Spotify e Youtube (i loro algoritmi ci consigliano costantemente quali contenuti possono essere più affini ai nostri interessi). 

L’impatto dell’AI è tale per cui secondo Sundar Pichai, CEO di Google, stiamo passando da una società mobile-first ad una società AI first. 

Questa rivoluzione dell’AI tocca anche i servizi finanziari a cui spesso ci rivolgiamo: dal mondo del trading online a quello della gestione del risparmio; dal ramo assicurativo al mondo dei pagamenti, l’AI sta avendo un ruolo fondamentale nell'evoluzione tecnologica di questi servizi finanziari. 

Ma come funziona l’AI? Grazie ad un processo di learning by doing! Qui riprendiamo un concetto molto legato all’AI, il Machine Learning. Con essa si intende la capacità di una macchina di eseguire azioni e imitare i processi cognitivi e di ragionamento del nostro organo intellettivo: il cervello. Grazie ai dati di cui viene nutrita questa macchina, l’algoritmo che la governa permette ad essa di creare modelli cognitivi che le permettono di analizzare in maniera proattiva e trarne conclusioni/emettere risultati realtime. 

Dunque il funzionamento di queste macchine è pari a quello del nostro cervello umano: ricevere dati, codificarli e compiere delle azioni in risposta a questi dati. Una cosa bisogna ricordare: per far funzionare al meglio il nostro cervello, è necessario che i dati che gli vengono forniti siano della maggiore qualità possibile. Stessa cosa vale per i computer: maggiore è la qualità dei dati forniti, maggiore è la qualità degli output di questa macchina.

Che tipo di relazione c’è tra AI e il mondo dei pagamenti?

Tra le diverse industry, la finanziaria è quella in grado di generare il maggior numero di Big Data (McKinsey), che risultano avere un valore assoluto altissimo. 

Fonte: Beyond the buzz: Harnessing machine learning in payments

Strumenti di analisi avanzata come il Machine Learning (ML) raggiungono la massima efficacia quando hanno a che fare con una grande quantità di dati: il ML è in grado di tracciare il comportamento dei consumatori, revisionare l’algoritmo qualora ci siano dei nuovi dati a disposizione. Inoltre, è in grado di rivelare dati anomali e trattarli come tali: questo comporta una maggiore qualità dell’output.

Nel caso delle realtà finanziarie che processano pagamenti, sia in store che online, esse detengono una miriade di dati relativi ai consumatori, grazie ai quali è possibile fare delle analisi sui comportamenti ed interessi dei consumatori: provenienza dei consumatori, età del consumatore, carrello medio, frequenza di acquisto, churn rate...tutto nei limiti della cara GDPR.

Alla luce di questa analisi, in quali ambiti AI & ML possono portare un valore aggiunto al settore dei pagamenti?

• Individuare frodi online: soprattutto nel caso di transazioni con carte di pagamento, i sistemi di intelligenza artificiale permettono di difendere sia i consumatori che i commercianti dalle frodi, sia nell’in store che online. Da un lato tali software sono in grado di gestire in maniera sicura i dati delle carte dei consumatori, salvaguardando i consumatori da rischi di clonazione; allo stesso tempo analizzando i dati di tali carte, possono determinare se una carta di pagamento è stata associata in passato a transazioni fraudolente, bloccando nuove transazioni sul nascere, ed evitando al commerciante di subire una frode. 
• Dati di vendita: grazie ai dati raccolti a seguito di ogni transazione effettuata all'interno del sistema, il machine learning è in grado di dividere consumatori abituali e non in determinate categorie, secondo i propri profili e/o interessi. Così facendo si possono generare interessanti opportunità di cross-selling o di up-selling. Realtà come Amazon, sfruttano i dati che passano per gli acquisti effettuati sul proprio eCommerce (o che passano su eCommerce altrui ma individuabili grazie al proprio sistema di pagamento Amazon Pay) per poter capire quali prodotti sono i più richiesti sul mercato e qualora siano facilmente replicabili, decide di produrli a sua volta tramite la propria linea di prodotti Amazon Basics, creando nuove opportunità di business per il gigante di Seattle.
• Fidelizzazione del cliente: tramite l’AI è possibile monitorare e prevedere il tasso di abbandono del carrello da parte di un cliente online. Tramite questi dati è possibile porre in essere strategie che possano migliorare l’esperienza di acquisto del cliente all'interno del sito eCommerce. 
• Recupero crediti: tramite la verifica dell’operatività di un conto corrente, è possibile stabilire la capacità o meno di un debitore di ripagare i suoi debiti nei confronti dell’istituto finanziario con il quale ha aperto una posizione creditizia
• Smart speakers: diverse sono le richieste che possiamo fare ad uno smart speaker come Alexa: annotarci la lista della spesa, accendere la nostra stazione radio preferita oppure leggerci un libro. In un domani non troppo lontano potremo essere in grado di effettuare acquisti online semplicemente grazie alla nostra voce: “Alexa, puoi comprare una confezione di detersivo della *****?”. (Ad oggi esistono già le prime interazioni tra Smart speaker e il fintech, con il voice assisted banking, di cui si è già parlato in un articolo qui su Fintastico. 
• Chatbot: oltre a garantire un’assistenza al cliente più efficiente, i chatbot possono offrire una migliore esperienza d’acquisto; infatti sarà possibile sfruttare l’interazione tra cliente e chatbot per far fronte ai limiti della dimensione del display e dell’operatività del browser mobile quando si acquista via mobile (oggi in Italia il 33% degli utenti acquista via mobile. Fonte: Osservatorio Digital Innovation, 2018) 
• Facial recognition technology: oggi con le tecnologie biometriche come il FaceID è possibile sbloccare il proprio telefono con il proprio volto. Domani si potranno effettuare pagamenti nei negozi, autorizzando il pagamento con il proprio volto. Anzi no, in Cina è possibile farlo già oggi! Come si può vedere da questo video di Alipay, il gigante tecnologico cinese ha colto appieno le potenzialità dell’AI, sviluppando un software per convalidare pagamenti al ristorante tramite il riconoscimento facciale. 

I campi di applicazione dell’AI e del Machine learning sono i più vari e disparati e non c’è un limite al loro tasso di crescita. A determinare la buona riuscita o meno di questi progetti, sarà la capacità di queste aziende di non danneggiare in alcun modo i consumatori e di non abusare in maniera fraudolenta dei loro dati. Infatti, il rischio che le Big Tech e/o le grandi società finanziarie possano approfittare di questa enorme mole di dati, perseguendo scopi di lucro e non solo, è dietro l’angolo.