Le Banche Centrali Avvertite dei Rischi nell'Adottare Strumenti di IA

In un recente rapporto della Banca dei Regolamenti Internazionali (BIS), le banche centrali di tutto il mondo sono state avvertite dei rischi intrinseci associati alla loro crescente dipendenza dagli strumenti di intelligenza artificiale (IA). Questo rapporto di nove pagine intitolato "Artificial Intelligence in Central Banking" illumina i casi d'uso e le potenziali trappole dell'integrazione di modelli linguistici di grandi dimensioni (LLM) nelle loro operazioni.

Le banche centrali, spesso considerate primi adottatori della tecnologia IA, si sono sempre più rivolte ai modelli di IA per una varietà di scopi. Questi modelli di IA sono stati fondamentali nel trasformare la raccolta e l'elaborazione delle informazioni, rendendo molti sforzi umani tradizionali quasi obsoleti. I modelli di IA sono ora utilizzati per il campionamento dei dati, la pulizia e la corrispondenza, aiutando le banche centrali a razionalizzare le loro operazioni con tecniche di machine learning comprovate.

Una significativa applicazione dell'IA nel settore bancario centrale è nel prendere decisioni informate sulla politica monetaria. Utilizzando reti neurali e modelli random forest, le banche centrali hanno accesso a dati in tempo reale per valutare le aspettative di inflazione e valutare l'efficacia delle loro politiche monetarie. Questi dati sono ottenuti non solo dai tradizionali canali finanziari, ma anche dall'ampia gamma di informazioni disponibili sulle piattaforme di social media.

Estrarre informazioni da grandi volumi di dati

Come evidenzia il rapporto, setacciare un enorme volume di dati può essere lungo e difficile, rendendo i modelli di IA preziosi nell'estrazione efficiente di informazioni rilevanti. Le banche centrali impiegano modelli linguistici per riassumere complessi rapporti finanziari, monitorare le tendenze economiche e interpretare interviste con leader aziendali ed esperti di mercato. Inoltre, questi modelli linguistici delle banche centrali (CB-LMs) hanno dimostrato la capacità di prevedere le reazioni del mercato agli annunci di politica monetaria.

I sistemi di IA hanno anche dimostrato la loro competenza nella supervisione e nel controllo dei sistemi di pagamento. Eccellono nell'identificare transazioni finanziarie irregolari, un fattore critico per combattere il riciclaggio di denaro e prevenire gli attacchi informatici. La Banca Centrale del Brasile, ad esempio, ha recentemente introdotto ADAM, un modello di classificazione progettato per prevedere i mutuatari che potrebbero andare in default sui loro prestiti, migliorando la loro capacità di mitigare i rischi finanziari.

Oltre alle applicazioni tradizionali, le banche centrali si stanno anche rivolgendo ai sistemi di IA per prevedere il comportamento dei consumatori in risposta all'introduzione di valute digitali delle banche centrali (CBDC) e ad altri sviluppi finanziari. Questi modelli predittivi forniscono preziose informazioni ai responsabili delle politiche per anticipare le reazioni del mercato e adattarsi di conseguenza.

Sfide e rischi dell'integrazione dell'IA

Sebbene i benefici dell'integrazione dell'IA siano evidenti, il rapporto sottolinea le sfide e i rischi che le banche centrali devono affrontare. Una delle principali preoccupazioni è il potenziale di output distorti derivanti dai dati utilizzati per addestrare i modelli di IA. Inoltre, i modelli di IA generativa, sebbene potenti, richiedono una vigile supervisione umana per ridurre la probabilità di errori e imprecisioni.

Nel breve termine, le banche centrali dovranno investire nell'equipaggiamento del proprio personale con nuove competenze nell'ambito dell'IA per integrare efficacemente i sistemi di IA nei propri flussi di lavoro. Tuttavia, è probabile che si scontrino con una forte concorrenza da parte delle imprese finanziarie private nella reclutamento di dipendenti con competenze avanzate in IA. Il divario salariale tra le istituzioni pubbliche e il settore privato intensifica ulteriormente questa competizione.