L’intelligenza artificiale si sta spostando da progetti pilota a sistemi core business all’interno delle grandi aziende. Un esempio viene da JPMorgan Chase, dove i crescenti investimenti nell’intelligenza artificiale stanno contribuendo a spingere il budget tecnologico della banca verso circa 19,8 miliardi di dollari nel 2026.
Il piano di spesa riflette uno spostamento più ampio tra le grandi imprese. L’intelligenza artificiale non è più trattata come un piccolo progetto di ricerca. Le aziende, invece, lo stanno incorporando in aree quali l’analisi dei rischi, il rilevamento delle frodi e il servizio clienti.
Per i leader aziendali che osservano come l’adozione dell’intelligenza artificiale sta cambiando le strategie tecnologiche aziendali, i numeri di JPMorgan evidenziano una tendenza più ampia: l’intelligenza artificiale sta diventando parte dei sistemi quotidiani che gestiscono le principali organizzazioni.
Il budget tecnologico di JPMorgan e l’aumento degli investimenti nell’intelligenza artificiale
La spesa tecnologica è in aumento da anni in tutto il settore bancario. Il budget di JPMorgan si distingue per le sue dimensioni.
I rapporti di Business Insider, che citano briefing aziendali e discussioni con gli investitori, affermano che la banca prevede che la spesa tecnologica raggiungerà circa 19,8 miliardi di dollari nel 2026, continuando un costante aumento degli investimenti tecnologici. La spesa copre aree quali l’infrastruttura cloud, la sicurezza informatica, i sistemi di dati e gli strumenti di intelligenza artificiale.
Parte dell’aumento del budget comprende circa 1,2 miliardi di dollari in ulteriori investimenti tecnologici, alcuni dei quali supporteranno il lavoro relativo all’intelligenza artificiale.
Le grandi banche spesso trattano la spesa tecnologica come un investimento a lungo termine piuttosto che come un costo a breve termine. Molti di questi sistemi richiedono anni per essere costruiti, soprattutto quando dipendono da grandi piattaforme dati e da infrastrutture informatiche sicure.
Poiché i sistemi di intelligenza artificiale richiedono pipeline di dati affidabili e potenza di calcolo, molte aziende stanno scoprendo che l’adozione dell’intelligenza artificiale spesso porta a aggiornamenti più ampi in tutto il loro stack tecnologico.
Il machine learning sta già influenzando i risultati
I dirigenti affermano che l’intelligenza artificiale sta già influenzando le prestazioni aziendali all’interno della banca. Durante le discussioni con gli investitori, il direttore finanziario di JPMorgan, Jeremy Barnum, ha affermato che l’analisi basata sull’apprendimento automatico sta contribuendo ai ricavi e ai miglioramenti operativi in diverse parti dell’azienda.
Reuters, riportando i briefing finanziari di JPMorgan, ha osservato che la banca sta utilizzando modelli di dati e sistemi di apprendimento automatico per migliorare l’analisi e il processo decisionale in diverse aree del business.
Questi modelli possono elaborare grandi volumi di dati finanziari e identificare modelli difficili da rilevare per gli esseri umani. In settori come quello bancario, dove le aziende gestiscono ogni giorno enormi flussi di dati, questi miglioramenti possono influenzare i risultati delle operazioni di negoziazione, prestito e clienti.
Anche piccoli miglioramenti nei modelli di previsione possono influenzare la performance finanziaria se applicati a milioni di transazioni o segnali di mercato.
Dove l’intelligenza artificiale appare all’interno della banca
Gli strumenti di apprendimento automatico ora supportano un’ampia gamma di attività in JPMorgan.
Nei mercati finanziari, i modelli analizzano i dati di trading e aiutano a identificare i modelli nei movimenti dei prezzi. Queste informazioni possono aiutare i trader a valutare il rischio o identificare le opportunità nei mercati in rapido movimento.
Il prestito è un’altra area in cui i sistemi di intelligenza artificiale svolgono un ruolo. I modelli di apprendimento automatico possono esaminare la storia finanziaria, le tendenze del mercato e le informazioni sui clienti per aiutare a valutare il rischio di credito. Questi sistemi assistono gli analisti evidenziando modelli nei dati.
Il rilevamento delle frodi rimane uno degli usi più comuni dell’intelligenza artificiale nel settore bancario. Le reti di pagamento elaborano ogni giorno enormi volumi di transazioni, rendendo difficile il monitoraggio manuale delle attività. I sistemi di apprendimento automatico possono scansionare le transazioni quasi in tempo reale e segnalare comportamenti insoliti che potrebbero indicare una frode.
Anche alcune operazioni interne si affidano all’intelligenza artificiale. Gli strumenti possono rivedere contratti, riassumere rapporti di ricerca o aiutare i dipendenti a cercare grandi sistemi di dati interni. I sistemi di intelligenza artificiale generativa stanno iniziando a fornire assistenza in compiti come la stesura di rapporti o la preparazione di documentazione interna.
Questi sistemi raramente si presentano direttamente ai clienti, ma supportano molte decisioni che avvengono dietro le quinte.
Perché le banche hanno adottato precocemente l’intelligenza artificiale
Gli istituti finanziari hanno diverse caratteristiche che li rendono adatti all’apprendimento automatico.
Innanzitutto, le banche generano grandi set di dati strutturati. La cronologia delle transazioni, i record di mercato e i dati di pagamento forniscono informazioni dettagliate che i modelli di apprendimento automatico possono analizzare.
In secondo luogo, molte attività bancarie dipendono dalle previsioni. Il credit scoring, il rilevamento delle frodi e l’analisi di mercato richiedono tutti una stima dei risultati basata su dati passati.
L’apprendimento automatico funziona bene in ambienti in cui la previsione gioca un ruolo centrale.
In terzo luogo, i miglioramenti nell’accuratezza del modello possono produrre risultati finanziari misurabili. Un modello che migliora leggermente l’individuazione delle frodi o le decisioni sui prestiti può incidere su grandi volumi di transazioni.
Questi fattori spiegano perché le banche hanno investito molto nella scienza e nell’analisi dei dati molto prima del recente aumento di interesse per l’intelligenza artificiale generativa.
L’investimento nell’intelligenza artificiale di JPMorgan segnala un cambiamento aziendale più ampio
I piani di spesa di JPMorgan riflettono anche il modo in cui gli investimenti nell’intelligenza artificiale stanno diventando parte dei budget tecnologici aziendali più ampi.
In molte organizzazioni, i sistemi di intelligenza artificiale si basano su moderne piattaforme dati, ambienti cloud sicuri e grandi risorse informatiche. Man mano che le aziende costruiscono queste basi, l’intelligenza artificiale diventa più facile da implementare nei dipartimenti.
Per molte aziende, l’adozione dell’intelligenza artificiale inizia con attività mirate come il rilevamento delle frodi, l’analisi dei documenti o l’automazione dell’assistenza clienti. Una volta che i sistemi si dimostrano utili, le aziende li espandono in altre aree dell’organizzazione.
Questo processo può richiedere diversi anni, e questo è uno dei motivi per cui la spesa aziendale per l’intelligenza artificiale spesso si affianca a investimenti più ampi nell’infrastruttura dati.
Lezioni per leader aziendali
L’esempio di JPMorgan suggerisce che i progetti di intelligenza artificiale di maggior successo spesso iniziano con chiari problemi aziendali piuttosto che con un’ampia sperimentazione.
Le banche applicano spesso il machine learning ad aree in cui la previsione e l’analisi dei dati svolgono già un ruolo centrale. L’individuazione delle frodi e la modellizzazione del credito sono punti di partenza comuni perché i benefici sono più facili da misurare.
Un’altra lezione è che l’adozione dell’IA richiede investimenti sostenuti. La creazione di modelli affidabili dipende da una forte governance dei dati, da risorse informatiche e da team qualificati.
Per le grandi organizzazioni, questo sforzo sta diventando parte della normale pianificazione tecnologica piuttosto che un progetto di innovazione separato.
Mentre le aziende continuano ad espandere le proprie capacità di intelligenza artificiale, i budget tecnologici come quello di JPMorgan possono offrire un’anteprima di come la spesa aziendale potrebbe evolversi nei prossimi anni.
Vedi anche: JPMorgan Chase considera la spesa per l’intelligenza artificiale come un’infrastruttura principale
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? GuardareFiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx ed è situato in concomitanza con altri importanti eventi tecnologici, clicca Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
