Come l’IA sta trasformando la gestione del rischio dei modelli nelle banche
Le banche si sono a lungo affidate a modelli diversi per supportare funzioni critiche come l’acquisizione dei clienti, la riscossione, la gestione dei crimini finanziari, in particolare il riciclaggio di denaro, e l’adeguatezza patrimoniale.
Con l’adozione continua di nuove tecnologie, che vanno dalle tecnologie di elaborazione avanzate alle tecniche di apprendimento automatico (ML), il ritmo di sviluppo e implementazione dei modelli è aumentato notevolmente. Questa rapida evoluzione ha portato a un aumento esponenziale della dimensione e della complessità degli inventari dei modelli, rendendo la gestione del rischio dei modelli, ovvero il potenziale di conseguenze avverse derivanti da modelli difettosi o mal utilizzati, una priorità essenziale per le istituzioni finanziarie.
Rischio dei modelli e supervisione normativa
Il rischio dei modelli è riconosciuto come uno dei principali rischi che le banche devono gestire, soggetto a una significativa supervisione normativa. Le linee guida normative, come l’SR 11-7 degli Stati Uniti e l’SS1/23 del Regno Unito, impongono una robusta gestione del rischio dei modelli (MRM), principalmente attraverso il framework delle tre linee di difesa. In questa struttura, la prima linea comprende lo sviluppo del modello; la seconda linea coinvolge la validazione e certificazione indipendente dei modelli; e la terza linea garantisce la supervisione verificando l’aderenza alle politiche e procedure sia nei processi di sviluppo che di validazione.
Opportunità offerte dall’IA
Seppur migliorare la MRM in tutte e tre le linee di difesa sia imperativo, non è un compito facile. Tuttavia, l’avvento dell’IA generativa (GenAI) e degli agenti IA offre un’opportunità per migliorare la MRM. Queste tecnologie possono aumentare la produttività migliorando l’efficacia di tutte le attività legate alla gestione del rischio dei modelli. Aiutano anche a ridurre gli errori e a rafforzare la conformità automatizzando compiti di routine, aumentando il giudizio umano e migliorando la trasparenza. In particolare, gli agenti IA consentono una conformità proattiva attraverso sistemi di auto-monitoraggio e una scansione continua per deviazioni, modifiche non documentate e violazioni delle politiche prima che i regolatori possano identificarle.
Integrazione dell’IA nella gestione del rischio dei modelli
Per realizzare il pieno potenziale di GenAI e degli agenti IA nella gestione del rischio dei modelli, le istituzioni finanziarie devono integrare queste tecnologie all’interno del framework delle tre linee di difesa. Devono incorporare GenAI e agenti IA in attività chiave all’interno dello sviluppo dei modelli, della validazione, dell’audit e della conformità proattiva. Questo approccio strutturato aiuta le istituzioni finanziarie a prioritizzare le aree ad alto impatto dove GenAI può fornire immediati guadagni in efficienza, garantendo al contempo che l’adozione dell’IA sia allineata alle aspettative di governance.
Potenziale trasformativo e rischi connessi
Il potenziale trasformativo di GenAI e degli agenti IA in tutte le funzioni del rischio dei modelli è indiscutibile. Tuttavia, la loro integrazione deve essere gestita con attenzione per evitare di introdurre nuovi rischi. La decisione basata sui modelli comporta rischi intrinseci poiché i risultati sono essenzialmente stime soggette a incertezze e assunzioni sottostanti. Questo affidamento può esporre le istituzioni finanziarie a sanzioni normative, perdite operative e danni reputazionali se i modelli non sono governati correttamente. Sebbene GenAI possa migliorare accuratezza, efficienza e supervisione, è fondamentale mantenere il giudizio umano per rivedere e convalidare gli output automatizzati.
Conclusione
Le banche devono adottare un approccio basato sui rischi, introducendo gradualmente GenAI nei processi di gestione dei modelli in linea con la loro materialità di rischio. L’operazionalizzazione di GenAI e degli agenti IA nelle funzioni del rischio dei modelli richiede una strategia di adozione graduale, iniziando da modelli a basso rischio e espandendo progressivamente a aree più rischiose una volta stabilite le misure di controllo necessarie. In un settore in rapida evoluzione, la domanda di modelli di rischio è destinata ad aumentare, portando con sé complessità e sottolineando la necessità di velocità e cicli di produzione dei modelli più brevi. Le istituzioni finanziarie devono modernizzare le loro fondamenta di MRM per adattarsi a agenti autonomi e cicli di aggiornamento più rapidi, per gestire portafogli di modelli in espansione con coerenza, velocità e fiducia.
