Jay Venkateswaran, Responsabile Unità di Business, Banking & Financial Services presso WNS – Serie di Interviste

Jay Venkateswaran, Responsabile Unità di Business per Banking and Financial Services, supervisiona strategia, crescita e performance finanziarie. Prima di entrare in WNS, è stato Consulting Partner presso AT Kearney. Come partner affidabile di Business Transformation and Services, WNS combina in modo unico l’expertise di settore con un ecosistema digitale unificato che integra Analytics, Hyperautomation e AI per creare differenziazione di mercato per i clienti.

L’AI generativa sta trasformando rapidamente il settore bancario e dei servizi finanziari.  Come vedi evolvere il suo impatto nei prossimi cinque anni?

Nel settore bancario, vedo l’AI generativa (Gen AI) svolgere un ruolo fondamentale nel migliorare l’esperienza del cliente, aumentare l’efficienza operativa e rafforzare la gestione del rischio. Nel back‑office, l’automazione guidata dall’AI snellirà attività come la reportistica normativa, i controlli di conformità e l’elaborazione dei documenti, riducendo significativamente i costi operativi. Inoltre, l’AI perfezionerà le valutazioni del rischio creditizio e la rilevazione delle frodi grazie a insight sui dati in tempo reale e all’analisi predittiva.

Una delle trasformazioni più significative sarà l’iper‑personalizzazione, che consentirà alle istituzioni finanziarie di offrire prodotti e servizi altamente personalizzati in base ai comportamenti, alle preferenze e alle esigenze individuali dei clienti. Con il progresso delle capacità dell’AI, le banche integreranno sempre più chatbot e assistenti virtuali alimentati dall’AI per migliorare le interazioni con i clienti, rendendole più intuitive e reattive. In definitiva, il settore bancario e dei servizi finanziari evolverà in un ecosistema altamente intelligente e guidato dai dati, dove gli insight generati dall’AI permettono decisioni più intelligenti, portando a un’esperienza bancaria fluida e più personalizzata.

Certo, non dimentichiamo che meno di due anni dopo che la Gen AI è diventata mainstream, è emersa una scoperta altrettanto—se non più—trasformativa: l’Agentic AI. Questa innovazione può potenzialmente guidare un cambiamento di paradigma nel settore bancario sostituendo chatbot statici e automazioni isolate con agenti AI autonomi e decisionali, capaci di adattarsi, apprendere ed eseguire compiti con un’intelligenza quasi umana.

Molte istituzioni finanziarie sono ancora nelle fasi iniziali di adozione dell’AI.  È troppo tardi per i ritardatari per recuperare, o vedi strategie valide per colmare il divario?

Non è troppo tardi per le istituzioni finanziarie per adottare l’AI, ma è fondamentale un approccio strategico. I ritardatari dovrebbero integrare l’AI nei loro piani strategici, concentrandosi su casi d’uso ad alto impatto che offrano valore immediato.

Un primo passo consigliato è identificare opportunità “quick‑win” — come chatbot per il servizio clienti alimentati dall’AI, automazione dell’elaborazione dei documenti e rilevazione delle frodi — dove l’adozione dell’AI può migliorare rapidamente l’efficienza e la soddisfazione del cliente.

Inoltre, invece di sviluppare modelli AI internamente, operazione che può richiedere molte risorse e tempo, le istituzioni finanziarie possono accelerare il deployment dell’AI attraverso partnership con fornitori specializzati di AI. Queste collaborazioni consentono alle banche di sfruttare modelli AI pre‑costruiti e soluzioni AI basate sul cloud, riducendo i tempi e i costi di implementazione.

Un’altra strategia chiave è sfruttare piattaforme AI low‑code e no‑code. Queste piattaforme consentono alle istituzioni finanziarie di distribuire soluzioni AI rapidamente senza una vasta competenza tecnica. Ad esempio, i moduli di Intelligent Data Processing (IDP) basati sull’AI possono estrarre, categorizzare e analizzare dati da fonti non strutturate come PDF ed e‑mail, migliorando l’efficienza operativa.

Adottando queste strategie mirate, i ritardatari possono colmare efficacemente il divario AI garantendo al contempo conformità e scalabilità.

Quali sono le principali sfide che le banche affrontano nell’implementare soluzioni AI e come possono superarle?

When implementing AI solutions, banks face three primary challenges: Qualità dei dati, integrazione dei sistemi legacy e conformità normativa.

1. Qualità e Disponibilità dei Dati: I modelli AI richiedono set di dati di alta qualità, strutturati e diversificati per l’addestramento. Tuttavia, molte banche hanno difficoltà con fonti dati frammentate, mancanza di governance e formati di dati incoerenti. Per superare ciò, le istituzioni finanziarie dovrebbero investire in solidi framework di governance dei dati, centralizzare i repository dei dati e utilizzare strumenti di pulizia e arricchimento dei dati guidati dall’AI.
2. Integrazione dei Sistemi Legacy: Molte banche operano ancora su infrastrutture IT legacy non ottimizzate per l’implementazione dell’AI. L’adozione di architetture di integrazione basate su Application Programming Interface (API) può colmare il divario tra soluzioni AI e sistemi legacy, consentendo un flusso di dati senza interruzioni e l’automazione dei processi senza una revisione completa del sistema.
3. Preoccupazioni Regolamentari e di Conformità: Il panorama normativo in evoluzione richiede che i modelli AI siano trasparenti, spiegabili e auditabili. Per affrontare ciò, le banche dovrebbero implementare framework di governance AI, collaborare con le autorità di regolamentazione e adottare soluzioni AI affidabili che privilegiano trasparenza, mitigazione dei bias e allineamento alla conformità.

Affrontando proattivamente queste sfide, le banche possono creare una solida base per l’adozione dell’AI e garantire il successo a lungo termine.

Perché è fondamentale per le banche sperimentare casi d’uso AI prima di un’implementazione su larga scala?

Sperimentare casi d’uso AI è essenziale per le banche per garantire fattibilità operativa, conformità normativa e adozione da parte degli utenti prima di impegnarsi in un’implementazione su larga scala.

1. Prontezza Operativa: Le soluzioni guidate dall’AI possono alterare significativamente i flussi di lavoro, richiedendo una re‑immaginazione dei processi piuttosto che un semplice re‑engineering. La sperimentazione consente alle banche di valutare l’impatto sui processi esistenti e apportare le necessarie modifiche prima di un’implementazione diffusa.
2. Accettazione da Parte degli Utenti & Formazione: I sistemi basati sull’AI richiedono allineamento con le aspettative degli utenti finali. Progetti pilota su piccola scala aiutano le banche a valutare l’accettazione da parte degli utenti e a perfezionare i modelli AI basandosi sul feedback reale, garantendo un’adozione più fluida e fiducia nelle decisioni guidate dall’AI.
3. Validazione del ROI: Le banche devono misurare l’impatto finanziario e operativo dell’AI prima di effettuare investimenti su larga scala. Sperimentare casi d’uso AI — come miglioramenti nell’acquisizione dei clienti, risparmi sui costi operativi e miglioramenti nella prevenzione delle frodi — fornisce insight tangibili sul ROI, consentendo decisioni di investimento basate sui dati.

Adottando un approccio iterativo di test‑and‑learn, le banche possono mitigare i rischi, perfezionare le loro strategie AI e garantire che l’adozione dell’AI sia allineata agli obiettivi di business.

Come dovrebbero le istituzioni finanziarie affrontare la preparazione e il deployment dell’AI per massimizzare il ROI?

Per ottenere il massimo ROI dal deployment dell’AI, le banche devono adottare un approccio strategico e cross‑funzionale che allinei le iniziative AI con gli obiettivi di business.

1. Allineamento Strategico: L’AI dovrebbe essere integrata negli obiettivi strategici più ampi dell’istituzione finanziaria, come riduzione dei costi, efficienza dei processi, acquisizione clienti e miglioramento della gestione del rischio.
2. Collaborazione Cross‑funzionale: L’implementazione dell’AI non dovrebbe essere isolata nei team IT. Al contrario, la collaborazione cross‑funzionale che coinvolge risk, compliance, operations, customer service e le unità di business è cruciale per garantire che le soluzioni AI rispondano alle esigenze dell’intera organizzazione.
3. Upskilling della Forza Lavoro & Change Management: Le banche dovrebbero investire in programmi di formazione per dotare i dipendenti di competenze legate all’AI. Una transizione fluida verso operazioni guidate dall’AI richiede programmi di apprendimento strutturati, formazione pratica e sfruttamento di talenti AI esterni tramite partnership.
4. Infrastruttura AI Scalabile: Le istituzioni finanziarie dovrebbero distribuire piattaforme AI scalabili che consentano miglioramenti iterativi e integrazione senza soluzione di continuità con i sistemi bancari esistenti.

Prioritizzando questi elementi, le banche possono garantire che l’adozione dell’AI generi risultati di business significativi, migliori l’esperienza dei clienti e fornisca ritorni finanziari misurabili.

Le frodi nei pagamenti digitali sono una preoccupazione crescente. Come può l’AI generativa aiutare le istituzioni finanziarie a combattere l’aumento delle frodi e migliorare la sicurezza?

L’adozione crescente dei pagamenti digitali ha portato a tattiche di frode più sofisticate. La Gen AI offre capacità migliorate di rilevazione delle frodi analizzando enormi set di dati in tempo reale e identificando pattern di transazioni anomali che i tradizionali sistemi basati su regole potrebbero non rilevare.

Gen AI can:

1. Rilevare le frodi con maggiore precisione apprendendo continuamente dai dati delle transazioni, riducendo i falsi positivi e migliorando i tassi di prevenzione delle frodi.
2. Identificare anomalie comportamentali a livello di singolo cliente, segnalando attività sospette basate su trend storici.
3. Migliorare l’intelligence sulle minacce scansionando report di settore, bollettini di sicurezza e database di incidenti globali per prevedere le tendenze emergenti di frode e adattarsi di conseguenza.

Sfruttando queste capacità guidate dall’AI, le istituzioni finanziarie possono rafforzare significativamente le loro misure di prevenzione delle frodi, ottimizzare le indagini condotte da esseri umani e garantire transazioni digitali più sicure.

WNS ha co‑creato soluzioni per diversi clienti per affrontare gli aspetti di rilevazione e indagine delle frodi sfruttando analytics e AI. Queste soluzioni utilizzano una combinazione di

Modellazione predittiva per la rilevazione e classificazione delle frodi.

• IDP per la digitalizzazione dei documenti
• Soluzioni basate su Deep Learning per rilevare documenti manomessi

Le esigenze di conformità stanno diventando più complesse nei mercati globali. Come può l’AI assistere le banche nel soddisfare gli standard normativi in modo più efficiente?

La conformità normativa è stata una sfida dinamica ed in evoluzione negli ultimi decenni a causa dei continui cambiamenti nelle regolamentazioni globali. Ciò ha reso imperativo per le banche investire in persone, processi e tecnologia per garantire l’aderenza a mandati di conformità sempre più complessi. L’AI è emersa come uno strumento potente per semplificare la conformità normativa, in particolare nel monitorare le modifiche normative e valutarne l’impatto sulle operazioni bancarie. Sfruttando l’AI, le istituzioni finanziarie possono ricevere aggiornamenti in tempo reale sulle modifiche normative, consentendo di pianificare e implementare proattivamente misure di conformità.

Inoltre, le soluzioni guidate dall’AI possono organizzare e gestire sistematicamente le pubblicazioni normative, riducendo lo sforzo manuale necessario per monitorare e interpretare tali cambiamenti. La Gen (Gen AI) potenzia ulteriormente le capacità di conformità analizzando le nuove normative rispetto alle versioni precedenti, consentendo alle istituzioni di valutare rapidamente il loro impatto su politiche e procedure interne. Questa capacità rafforza le valutazioni di rischio e di controllo, rendendo i processi di conformità più efficaci ed efficienti. Inoltre, la Gen AI può essere fondamentale nella creazione di contenuti formativi strutturati, assicurando che il personale rimanga ben informato sui cambiamenti normativi. Le capacità di monitoraggio continuo e auditing guidate dall’AI riducono significativamente i rischi di conformità, fornendo alle istituzioni un approccio proattivo alla gestione normativa e minimizzando sorprese nei quadri complessivi di rischio e conformità.

Nel campo della conformità, WNS è stata in prima linea nella costruzione di soluzioni che sfruttano AI & Gen AI negli ultimi anni, includendo:

• Soluzione Gen AI per lo screening dei media avversi
• Soluzione AI & Gen AI per le indagini AML
• Soluzione AI per il KYC avanzato

Quali sono alcuni dei casi d’uso AI più promettenti nel banking oggi, oltre alla rilevazione delle frodi e alla conformità?

L’AI è in continua evoluzione, con data scientist e professionisti AI che sviluppano soluzioni innovative per affrontare una vasta gamma di imperativi di business nel settore bancario. Oltre alla rilevazione delle frodi e alla conformità, l’AI sta guidando una trasformazione significativa nell’esperienza cliente, nell’efficienza operativa e nei processi decisionali.

Uno dei casi d’uso più importanti è rappresentato da chatbot alimentati dall’AI e assistenza in tempo reale basata su Gen AI, che stanno rivoluzionando il servizio clienti fornendo interazioni personalizzate, istantanee ed efficienti. Questo cambiamento migliora la soddisfazione del cliente e semplifica la risoluzione dei problemi.

Dal punto di vista operativo, l’AI sta affrontando sfide di lunga data nei processi di riconciliazione, che tipicamente coinvolgono più dipartimenti all’interno delle istituzioni finanziarie. Gli algoritmi guidati dall’AI possono automatizzare l’abbinamento delle transazioni non corrispondenti analizzando pattern e trend storici, riducendo significativamente la necessità di intervento manuale.

Un’altra applicazione critica è l’elaborazione dei pagamenti, in particolare la gestione dei depositi in entrata dove dettagli di pagamento incompleti o ambigui richiedono l’intervento umano. I modelli di propensione guidati dall’AI possono generare punteggi di probabilità, aiutando le istituzioni a identificare rapidamente e con precisione le controparti corrette, ottimizzando così gli sforzi di elaborazione manuale.

Questi sono solo alcuni esempi di come WNS abbia supportato attivamente le principali istituzioni finanziarie nell’utilizzare l’AI per aumentare l’efficienza, migliorare l’esperienza cliente e rafforzare la resilienza operativa.

Il talento AI è molto richiesto in tutti i settori. Cosa possono fare le banche per attrarre e trattenere i migliori professionisti AI?

L’adozione crescente dell’AI in tutti i settori ha portato a un aumento della domanda di talenti AI, in particolare data scientist ed esperti di machine learning. Attrarre e trattenere i migliori professionisti AI richiede un approccio strategico incentrato sulla fornitura di opportunità significative e sulla promozione di un ambiente innovativo.

Una delle principali motivazioni per i professionisti AI è l’accesso a dati di alta qualità che consentono loro di sperimentare, innovare e sviluppare soluzioni di impatto. Le organizzazioni che offrono ecosistemi di dati strutturati e ben organizzati creano un ambiente in cui gli esperti AI possono prosperare. Al contrario, la mancanza di opportunità per creare un impatto significativo sul business è una delle ragioni principali per cui i professionisti AI lasciano le organizzazioni.

Per attrarre i migliori talenti, le banche devono stabilire solide partnership con le principali università e scuole di ingegneria, offrendo tirocini focalizzati sull’AI, collaborazioni di ricerca e percorsi di reclutamento diretto. Questo approccio consente alle istituzioni finanziarie di coinvolgere i professionisti AI fin dall’inizio della loro carriera e di fornire una chiara traiettoria di crescita all’interno dell’organizzazione.

Inoltre, promuovere una cultura guidata dall’AI all’interno delle banche — dove i professionisti AI possono lavorare insieme a esperti di dominio per risolvere sfide reali — migliora la soddisfazione lavorativa e la fidelizzazione. WNS ha implementato con successo un modello simile in collaborazione con le principali università in India, garantendo un flusso costante di talenti AI qualificati pronti a contribuire al settore dei servizi finanziari.

Come vedi evolvere il ruolo dei professionisti bancari con l’integrazione dell’AI? I dipendenti dovrebbero preoccuparsi della perdita di posti di lavoro?

Il dibattito sull’AI che sostituisce i lavori umani è stato diffuso per anni. Sebbene l’AI automatizzi compiti di routine, il suo vero impatto risiede nell’ampliare le capacità umane e migliorare la qualità del lavoro svolto dai professionisti bancari.

Man mano che i compiti ripetitivi e basati su regole vengono gestiti sempre più dall’AI e dalla Robotic Process Automation (RPA), i professionisti bancari si stanno spostando verso ruoli che richiedono livelli più elevati di giudizio, pensiero critico e decisione. Questo cambiamento si è sviluppato nell’ultimo decennio, con i pagamenti digitali che hanno progressivamente sostituito le transazioni tradizionali basate su assegni. Sebbene questa transizione abbia ridotto il traffico in filiali e sportelli ATM, ha allo stesso tempo portato il personale di filiale a ricoprire ruoli più complessi, come la gestione delle eccezioni di pagamento, la consulenza sugli investimenti e l’indagine sulle frodi.

Nel back‑office, l’AI ha semplificato gli sforzi operativi digitalizzando dati non strutturati da PDF e documenti scansionati, precedentemente trattati manualmente. L’intervento umano ora si concentra principalmente sulla gestione delle eccezioni e su compiti investigativi complessi, migliorando così efficienza e precisione.

Piuttosto che causare la perdita di posti di lavoro, la trasformazione guidata dall’AI ha portato a un upskilling del talento, garantendo che i professionisti sviluppino nuove competenze in linea con le esigenze del settore. Questo cambiamento beneficia infine il settore dei servizi finanziari promuovendo una forza lavoro dotata di avanzate capacità analitiche e di problem solving.

Ci sono best practice che hai osservato per promuovere una cultura AI‑first all’interno delle organizzazioni bancarie?

WNS è stata in prima linea nel promuovere una cultura AI‑first attraverso i suoi diversi impegni bancari, guidando la trasformazione guidata dall’AI con un approccio strutturato e collaborativo. Diverse best practice contribuiscono a inserire con successo l’AI nelle organizzazioni bancarie:

1. Modello di Co‑creazione: Le banche devono integrare esperti di dominio e data scientist nei team operativi per garantire che le soluzioni AI siano allineate alle sfide bancarie reali. In WNS, questo approccio ha permesso l’identificazione e l’esecuzione di opportunità di iper‑automazione, assicurando un miglioramento continuo.
2. Team di Trasformazione Integrati: Gli sforzi di trasformazione AI non dovrebbero essere isolati nei dipartimenti IT o di innovazione. Invece, integrare i team di trasformazione nelle operazioni core garantisce un focus continuo sull’identificazione di efficienze guidate dall’AI e sulla scalabilità delle soluzioni in tutta l’organizzazione.
3. Consapevolezza Culturale e Adozione: Le organizzazioni devono investire in programmi di alfabetizzazione AI per educare i dipendenti sui benefici dell’AI, i casi d’uso e il potenziale di potenziare i loro ruoli. Una forza lavoro ben informata sarà più propensa ad adottare soluzioni AI e a contribuire al loro successo.
4. Incentivare l’Innovazione: Incoraggiare i dipendenti a proporre idee guidate dall’AI e premiare le implementazioni di successo favorisce una cultura di miglioramento continuo e coinvolgimento. Competizioni, hackathon e programmi di riconoscimento possono aiutare a promuovere l’adozione dell’AI a tutti i livelli organizzativi.

Adottando queste best practice, le banche possono garantire un’integrazione AI senza soluzione di continuità, massimizzare l’efficienza operativa e costruire una forza lavoro pronta per il futuro dei servizi finanziari.

Grazie per la splendida intervista, i lettori che desiderano saperne di più dovrebbero visitare WNS.