Peter Plochan, Consulente Principale di Gestione del Rischio EMEA presso SAS – Serie di Interviste

Peter Plochan è il Consulente Principale di Gestione del Rischio EMEA presso SAS che aiuta le istituzioni finanziarie a gestire le loro sfide relative a normative finanziarie e di rischio, gestione del rischio aziendale, governance del rischio, analisi del rischio prospettica, stress testing, gestione del rischio di modello, modellazione del rischio e gestione del rischio legato ai cambiamenti climatici.

Peter ha una formazione finanziaria (laurea magistrale in Banca) ed è certificato Financial Risk Manager (FRM) con oltre 19 anni di esperienza nella gestione del rischio nel settore finanziario. Ha assistito varie istituzioni bancarie e assicurative in implementazioni di gestione del rischio su larga scala, lavorando sia internamente che esternamente come consulente di gestione del rischio (PwC). Dal suo ingresso in SAS nel 2014, Peter svolge il ruolo di esperto globale di dominio, sfruttando le ultime tendenze in analisi del rischio e tecnologia con la sua profonda esperienza in gestione del rischio e finanza.

Hai lavorato presso importanti istituzioni finanziarie e società di consulenza, tra cui PwC, ABN AMRO, Atradius e ora SAS, con una vasta esperienza nella regolamentazione bancaria, nella gestione del rischio aziendale e nello stress testing finanziario. Guardando indietro nella tua carriera, quali debolezze strutturali nell’approccio delle banche al rischio geopolitico sono rimaste sorprendentemente irrisolte?

Stavo ospitando un recente webinar con specialisti del rischio geopolitico. Un chief risk officer di una banca ha riassunto bene la sfida in corso osservando: “Una gestione del rischio lenta è una cattiva gestione del rischio.” Di fronte a shock geopolitici, le banche spesso hanno bisogno di una risposta improvvisa e rapida.

L’economia mondiale è sempre più interconnessa. E questo significa che la velocità di qualsiasi contagio da uno shock geopolitico sta aumentando.

Naturalmente, gli shock geopolitici sono vari, dai cambiamenti nei prezzi del petrolio alle guerre commerciali e alle tariffe, fino a guerre armate, tra gli altri.

Le banche e le istituzioni di servizi finanziari non possono permettersi di attendere troppo a lungo per valutare l’impatto di tali shock sui loro bilanci. La velocità è ancora sovrana.

Negli ultimi 10 anni, il settore dei servizi finanziari ha migliorato la sua capacità di eseguire calcoli di rischio più rapidamente che mai. Tuttavia lo stress testing rimane una delle attività più intensive in termini di calcolo e di processo nelle istituzioni finanziarie.

Le banche devono creare un inventario dei loro prestiti e attività, quindi valutare quali parti del loro bilancio sono suscettibili a shock specifici. Un fattore chiave del successo in questo sforzo è quanto siano dettagliati e completi gli inventari che le banche creano, e quanto siano approfondite le loro analisi e valutazioni del rischio.

Ad esempio, le banche devono considerare non solo gli shock geopolitici stessi, ma anche i loro effetti indiretti, che a volte sono meno evidenti e si sviluppano più lentamente rispetto agli shock stessi. Cosa provoca un picco del prezzo del petrolio non solo alla pompa di benzina ma in tutta la catena di approvvigionamento? E in che modo un aumento dei prezzi del petrolio può influenzare non solo la benzina, il diesel e altri costi di trasporto, ma anche i costi e i prezzi di fertilizzanti, plastica e persino farmaci prodotti in un determinato paese o regione?

In molti casi, le banche non hanno una comprensione approfondita degli effetti potenziali degli shock geopolitici sui loro clienti e sulle catene di approvvigionamento dei clienti, il che rende più difficile la gestione del rischio geopolitico.

Attraverso la gestione del rischio geopolitico, le banche cercano di comprendere meglio e valutare l’impatto degli shock sui loro clienti e sui prestiti dei clienti, che costituiscono la maggior parte dei bilanci delle banche. La gestione del rischio geopolitico per le banche cerca di rispondere a una domanda che appare semplice in superficie ma è complicata in profondità: cosa significherà questo shock per ogni cliente bancario e per la sua capacità di rimborsare i prestiti?

Come per la gestione del rischio climatico (che ha molte analogie con la gestione del rischio geopolitico), ogni banca deve approfondire molto più di quanto faccia normalmente. Raccogliendo e analizzando i dati giusti e applicando metodologie come lo stress testing, una banca può comprendere meglio l’esposizione dei propri clienti a uno shock e il rischio del proprio bilancio.

Considerando tutta la gestione del rischio – per rischio geopolitico, rischio climatico, rischio di credito, rischio di liquidità ecc. – come molto più di un esercizio di conformità, le banche possono scoprire insight che possono guidare la pianificazione aziendale centrale.

Utilizzando gli insight analitici derivanti da un solido programma di gestione del rischio (incluso lo stress testing), la banca può prendere decisioni aziendali migliori per mitigare i rischi geopolitici e altri rischi e rafforzare la sua resilienza operativa.

Per i lettori non familiari con il termine, cos’è esattamente lo “stress testing” nel settore bancario e perché è diventato sempre più importante nell’attuale contesto geopolitico ed economico?

Lo stress testing è una forma di analisi di scenario. Utilizzando simulazioni prospettiche, una banca o altra società di servizi finanziari può esaminare una situazione economica (ad esempio, inflazione in calo, tasse o costi dell’elettricità in aumento) o un cambiamento e valutarne l’impatto sugli indicatori finanziari e di rischio della banca e sulle sue performance.

Lo stress testing è una delle attività più complesse e intensive dal punto di vista computazionale in un’istituzione finanziaria, richiedendo numerosi calcoli complessi. Per rispondere a domande chiave “what-if” e comprendere meglio gli effetti di rischi geopolitici, climatici e altri, le banche devono raccogliere dati sui loro clienti, tendenze economiche (da fonti pubbliche e private) e la loro sensibilità ai rischi specifici che vogliono valutare. Successivamente devono analizzare questi dati per scoprire potenziali impatti sui loro portafogli di prestiti e bilanci.

Lo stress testing geopolitico si concentra sulla determinazione della performance futura di una banca basata sugli effetti di shock come guerre, restrizioni commerciali, tariffe e sanzioni, tra gli altri. Lo stress testing geopolitico condivide molte delle stesse caratteristiche dello stress testing climatico, che si concentra sugli effetti di shock climatici (ad esempio, inondazioni o temperature in costante aumento).

Lo stress testing è uno strumento chiave di gestione del rischio e un motore decisionale. Poiché nessuna banca ha una sfera di cristallo, non sa quale scenario o shock si verificherà successivamente. Tuttavia le banche possono eseguire analisi what-if basate su scenari possibili per determinare rischi e possibilità future – anche opportunità – per i loro clienti e per le proprie operazioni e utilizzare i risultati per iniziare a prepararsi di conseguenza.

Il rischio geopolitico è in aumento, con shock che arrivano più velocemente che mai e spesso si sovrappongono. Poiché gli eventi geopolitici influenzano simultaneamente mercati, commercio e catene di approvvigionamento, lo stress testing aiuta le banche a simulare scenari futuri in anticipo e a preparare risposte potenziali.

Come ha osservato un altro CRO in un recente panel, “Insight senza azione ha valore zero.” Applicando gli insight analitici, lo stress testing supporta decisioni aziendali migliori. Il risultato? Le banche possono intraprendere azioni informate per affrontare gli shock geopolitici affinando la loro strategia aziendale.

Gli shock geopolitici di oggi spesso si verificano simultaneamente in commercio, energia, materie prime, minacce informatiche e catene di approvvigionamento. I modelli di rischio bancario tradizionali sono ancora in grado di gestire questo tipo di rischio sistemico interconnesso?

Parzialmente.

Quando pensiamo alla modellazione del rischio bancario tradizionale e alla sua capacità di gestire rischi interconnessi e sistemici, ci sono due livelli in cui le banche valutano l’impatto di shock geopolitici sui loro portafogli.

Il primo livello è a livello macroeconomico. Se, ad esempio, si verifica uno shock del prezzo del petrolio, una banca cercherà di comprendere l’impatto a livello generale sull’economia regionale o locale in cui si trova un cliente.

Quindi, se il cliente di una banca è un importante produttore con sede in Texas, l’economia di quello stato potrebbe effettivamente migliorare durante uno shock del petrolio, poiché produce petrolio. La modellazione del rischio macroeconomico della banca potrebbe indicare che le aziende in Texas hanno maggiori probabilità di prosperare man mano che la disoccupazione diminuisce e il volume degli affari aumenta localmente, per esempio. D’altra parte, la maggior parte delle altre economie sarà colpita negativamente, il che influirebbe negativamente sulle attività commerciali di tutte le aziende texane.

Oggi, a livello macroeconomico, la maggior parte delle banche ha una solida base in termini di modellazione. Nei loro stress testing, possono tradurre gli shock geopolitici in indicatori macroeconomici (a livello di stato, paese o regione).

Usando il nostro esempio, una banca avrà in atto un modello che prevede cosa accadrà al settore manifatturiero in Texas in termini di probabilità di default se il PIL dello stato aumenta di una percentuale specifica.

Quindi i modelli di rischio bancario sono già attrezzati per analizzare gli impatti macroeconomici degli shock geopolitici sui clienti della banca (e sui mutuatari).

Ma il secondo livello rimane una sfida.

A livello micro, una banca deve approfondire per valutare la sensibilità di un cliente specifico a uno shock geopolitico particolare e il rischio di default di quel cliente di conseguenza.

Cosa farà una diminuzione del 50% nella produzione di fertilizzanti a un produttore di automobili? Non molto, almeno non direttamente (anche se questo produttore quasi certamente sentirà gli effetti dell’alta inflazione risultante). Ma se il cliente è un produttore agricolo, potrebbe significare un forte calo dei ricavi.

A livello micro, le banche hanno bisogno di granularità e specificità dei dati nel loro stress testing e nella modellazione del rischio. Devono approfondire i settori aziendali, le regioni e le controparti individuali nei loro portafogli, e capire quali clienti sono sensibili a quali tipi di rischi geopolitici. In definitiva le banche hanno bisogno di insight su come uno shock specifico influenzerà ogni cliente e la sua capacità di rimborsare i prestiti, oltre a supportare decisioni su se concedere prestiti, modificare i termini o persino scegliere di non concedere credito.

Ciò che rende la modellazione micro particolarmente impegnativa è che spesso non è possibile generalizzare su un’intera industria o regione. Uno dei clienti agricoli della banca potrebbe essere un produttore ecologico che non utilizza fertilizzanti. Pertanto fare assunzioni basate sull’industria o sul settore di un cliente potrebbe portare a informazioni e decisioni errate.

Poiché le banche tipicamente non dispongono di dati granulari sulle operazioni di un cliente, devono bilanciare il costo e lo sforzo nella raccolta di questi dati dettagliati – ad esempio tramite sondaggi e questionari – con i benefici che ottengono avendo maggiore granularità nei loro modelli.

A volte questi dati sono difficili da ottenere. Un cliente bancario potrebbe non sapere, ad esempio, se il suo fertilizzante attraversa lo Stretto di Hormuz.

Più granulari sono i dati che una banca raccoglie, più potenziali insight può derivare. Ma più si approfondisce, più costoso diventa in termini di tempo e sforzo raccogliere queste informazioni.

Per superare questa sfida, le banche spesso adottano un approccio Pareto – la vecchia regola 80/20 è ancora valida. Le banche spesso hanno l’80% della loro esposizione o rischio all’interno del 20% del loro portafoglio o dei clienti. Quindi possono concentrarsi sulle loro principali esposioni e cercare di semplificare il resto. La semplificazione includerebbe l’esecuzione di analisi a livello (sub)regione e/o (sub)settore anziché a livello di cliente individuale.

Come per lo stress testing climatico, avere dati limitati o assenti non è una scusa per trascurare queste valutazioni del rischio.

Il messaggio chiave delle linee guida della Banca Centrale Europea sul rischio climatico si applica anche al rischio geopolitico. L’ECB ha riconosciuto che le banche spesso non hanno tutti i dati necessari per eseguire lo stress testing climatico. E che le banche che intraprendono azioni basate su dati limitati introdurranno sfide ed errori. Ma l’ECB ha osservato che non fare nulla è un rischio ancora più elevato. Pertanto le banche devono agire, anche con dati limitati. La stessa logica vale per l’analisi del rischio geopolitico.

Come stanno iniziando le banche a utilizzare l’intelligenza artificiale e i grandi modelli linguistici per monitorare gli sviluppi geopolitici in tempo reale e trasformarli in valutazioni del rischio azionabili?

Le banche stanno iniziando a utilizzare agenti AI per analizzare dati non strutturati, un caso d’uso tipico per l’AI.

Ad esempio, le banche possono applicare agenti AI ai portali di notizie, cercando testi predefiniti che potrebbero indicare l’arrivo di uno shock geopolitico, e far scattare allarmi all’interno dell’istituzione.

E come discusso in precedenza, le banche vogliono comprendere meglio i loro clienti chiave e dove le loro operazioni e catene di approvvigionamento sono distribuite geograficamente. Alcune banche stanno distribuendo agenti AI per esaminare le comunicazioni dei clienti e altre informazioni pubbliche per capire dove si trovano le fabbriche e i fornitori chiave di un’azienda. Quando si verifica uno shock in una certa regione, la banca può comprendere meglio il suo impatto su quel cliente.

Le banche con centinaia di aziende nel loro portafoglio devono eseguire queste analisi su larga scala. Gli agenti AI possono aiutare ad automatizzare parti dei calcoli dello stress testing. Quindi, se certi eventi geopolitici superano soglie predefinite impostate dalla banca, l’agente può preparare scenari macroeconomici ed eseguire automaticamente un calcolo di stress testing.

E in un altro esempio, l’AI e i grandi modelli linguistici (LLM) possono aiutare a spiegare i risultati dello stress test agli utenti aziendali e ai dirigenti senior. Sulla base di playbook predefiniti, gli agenti AI possono persino suggerire alcune azioni correttive.

Quindi l’AI è già utilizzata per diverse parti del processo di stress testing, anche se siamo nelle fasi iniziali.

Molte istituzioni finanziarie affrontano già vincoli di personale e risorse all’interno dei team di rischio e conformità. Dove l’AI sta attualmente fornendo il più grande vantaggio operativo?

Per i team di rischio e conformità bancari, l’AI aiuta ad automatizzare la raccolta dei dati, la generazione di scenari, l’esecuzione dei calcoli e l’interpretazione. Questo offre a questi team più tempo per interpretare i risultati dell’analisi dei modelli e consigliare la leadership sulla strategia di rischio.

L’AI tradizionale, generativa e agentica supporta anche molte attività nello stress testing geopolitico. Questo include la raccolta di dati e l’analisi della sensibilità dei clienti (e delle loro operazioni, catene di approvvigionamento, ecc.) e dei portafogli bancari agli shock geopolitici. Come osservato in precedenza, i LLM e gli agenti AI possono anche aiutare a spiegare i risultati degli stress test alla leadership per supportare decisioni migliori.

Vale la pena menzionare che l’uso dell’AI e dei modelli analitici per le decisioni introduce rischi aggiuntivi, poiché il modello potrebbe essere errato o non sufficientemente accurato.

Le banche hanno gestito il rischio di modello per più di un decennio. E come dicono molti gestori del rischio di modello, “Tutti i modelli sono sbagliati, ma alcuni sono utili.”

Poiché i modelli sono una semplificazione di uno stato futuro, per definizione non sono completamente accurati. Le banche e le organizzazioni di servizi finanziari devono essere consapevoli e gestire il rischio di modello mentre implementano modelli potenziati dall’AI per lo stress testing e la gestione del rischio.

La governance dell’AI è fondamentale per le banche e le società di servizi finanziari. Aiuta a proteggere e gestire i dati sensibili e a rispettare le normative garantendo al contempo trasparenza e gestione del rischio.

La governance è particolarmente importante per i modelli di intelligenza artificiale e apprendimento automatico (ML), che possono fornire previsioni accurate ma possono anche rispondere in modo inappropriato a situazioni impreviste, portando a decisioni errate. I modelli AI e ML necessitano di un monitoraggio frequente delle prestazioni e di una revisione dei dati. La supervisione tramite la governance dell’AI e la gestione del rischio di modello garantisce trasparenza, consentendo alla banca di spiegare chiaramente – a regolatori e alla direzione senior – sia il funzionamento dei propri modelli AI sia le decisioni che ne derivano.

Hai trascorso anni a lavorare su rischi climatici e quadri di sostenibilità per istituzioni finanziarie. Vedi lo stress testing del rischio geopolitico diventare altrettanto importante strategicamente quanto l’analisi del rischio climatico?

Sì. La gestione del rischio geopolitico diventerà sempre più una pratica quotidiana per le banche e le società di servizi finanziari. Sempre più, questi rischi saranno integrati nei tradizionali modelli di credito e di rischio di mercato man mano che diventano una parte standard degli sforzi complessivi di gestione del rischio nel settore bancario e dei servizi finanziari.

Il rischio climatico ha spinto le banche a modernizzare i loro quadri di stress testing, a causa della sua complessità e del potenziale impatto massiccio sulla performance finanziaria.

Allo stesso modo, il rischio geopolitico – e la velocità e frequenza di eventi e shock – può influenzare notevolmente i risultati finanziari delle banche. Mettere pressione sulle banche per valutare (tramite lo stress testing), mitigare e contabilizzare tale rischio.

Entrambi sono e continueranno a essere strategicamente importanti, mentre le banche affrontano shock geopolitici come il conflitto in Iran e le sue ripercussioni, così come gli effetti continui legati al clima, come le previsioni di El Niño “Super” o “Godzilla” per quest’anno.

Molte organizzazioni vedono ancora lo stress testing principalmente come un requisito normativo piuttosto che come uno strumento strategico. Quali opportunità le banche stanno perdendo adottando questo approccio?

È miope per una banca concentrare lo stress testing principalmente sul raggiungimento della conformità normativa. Sebbene aderire alle normative sia cruciale, lo stress testing può aiutare le organizzazioni di servizi finanziari a fare molto più della semplice conformità.

Adottando un approccio più strategico allo stress testing, le banche possono condurre analisi what-if che valutano scenari possibili e l’impatto di risposte alternative sia agli shock geopolitici sia al cambiamento climatico.

I risultati di queste analisi what-if possono aiutare una banca a scegliere il percorso ottimale, riconoscere nuove opportunità di business, adeguare la sua strategia di credito e trovare un vantaggio competitivo attraverso gli sforzi di gestione del rischio.

I dati e i modelli sono già disponibili. È un’opportunità persa non sfruttarli pienamente.

Naturalmente, l’efficienza, la flessibilità e la maturità dei processi e dei sistemi di stress testing di una banca determineranno ciò che la banca può raggiungere. E se lo stress testing è una semplice risposta alla conformità normativa o un motore di supporto decisionale più completo.

Come mi ha detto quel CRO, “Insight senza azione ha valore zero.”

Il recente rapporto, Metodologie di Stress Testing Climatico: Pratiche Attuali, Sfide e Il Cammino Futuro, confronta le pratiche attuali; identifica lacune nella modellazione, nella governance e nelle infrastrutture; e offre consigli pratici per integrare lo stress testing climatico nei quadri di rischio fondamentali. Il rapporto, dell’United Nations Environment Programme Finance Initiative (UNEP FI) e SAS, si basa su contributi di 21 banche globali.

Man mano che le istituzioni finanziarie si affidano sempre più a sistemi basati sull’AI e alla modellazione automatizzata, sei preoccupato per l’emergere di nuove forme di rischio di modello all’interno dell’infrastruttura bancaria stessa?

Come osservato in precedenza, la gestione del rischio di modello è stata un processo centrale nelle banche per più di 10 anni. E l’adozione accelerata dell’AI e dei modelli analitici introduce rischi aggiuntivi, poiché potrebbero essere imprecisi.

Recentemente ho moderato una discussione di panel virtuale con i responsabili della gestione del rischio di modello (MRM). Una delle conclusioni chiave, confermata sia dagli esperti sia dal pubblico globale, è stata che i rischi dell’AI sono significativamente più alti rispetto ai rischi dei modelli classici.

Le banche e le società di servizi finanziari devono adottare una governance completa dell’AI per proteggere e gestire i dati sensibili, rispettare le normative e garantire trasparenza e una gestione efficace del rischio.

Quali fattori di rischio geopolitico ritieni siano attualmente più sottovalutati dal settore finanziario: conflitto cyber, frammentazione commerciale, pressione del debito sovrano, interruzione energetica, instabilità della catena di approvvigionamento o altro?

Tutti questi sono fattori di rischio che possono emergere da eventi geopolitici. E direi che quello che causa più problemi alle banche è l’interruzione della catena di approvvigionamento.

Questo si collega alla nostra discussione precedente sui fattori macro e microeconomici.

Se, ad esempio, c’è uno shock del prezzo del petrolio, una banca può analizzare i numeri macro e vedere la volatilità di mercato risultante e la pressione sul credito e sulla liquidità.

Ma è più difficile per le banche valutare l’impatto sul loro portafoglio perché la maggior parte delle banche non dispone di informazioni granulari a livello di cliente micro su come tale shock influisca su ogni cliente e sulle loro operazioni.

Per le banche, si riduce all’uso dello stress testing per determinare meglio come gli eventi geopolitici e il cambiamento climatico influenzino il loro portafoglio di prestiti e la capacità di ogni cliente di rimborsarli.

Naturalmente, più spesso di quanto non accada, questi fattori di rischio non si verificano in isolamento, ma piuttosto in combinazione. Quindi non è che le banche sottovalutino qualcuno di essi. Attraverso il potente strumento dello stress testing, le banche possono valutare meglio l’impatto di molteplici fattori e driver sulle loro operazioni e sull’esposizione complessiva al rischio.

Guardando ai prossimi cinque anni, come vedi lo stress testing potenziato dall’AI cambiare il modo in cui le banche allocano il capitale, valutano il rischio e si preparano alle future crisi?

Nei prossimi cinque anni, l’AI aiuterà le banche a formare una visione molto migliore degli scenari futuri. E lo stress testing guidato dall’AI sarà meno un esercizio periodico e più una capacità continua.

Le banche eseguiranno più scenari, più frequentemente, e li utilizzeranno per informare le decisioni aziendali.

Poiché le società di servizi finanziari che possono agire rapidamente su insight potenziati dall’AI avranno un chiaro vantaggio competitivo, soprattutto nelle crisi geopolitiche in rapida evoluzione.

Le banche e i loro team tecnologici e partner devono rimanere impegnati a creare processi che costruiscano maggiore fiducia nei calcoli guidati dall’AI.

Quindi, quando una banca utilizza uno strumento di AI generativa con il suo sistema di Asset & Liability Management (ALM), ad esempio, può fidarsi dei risultati e non preoccuparsi eccessivamente delle “allucinazioni”.

Oppure, quando esegue uno stress test di rischio geopolitico o climatico, la banca può avere ancora più fiducia nei risultati dell’analisi e nelle decisioni aziendali che ne derivano.

Grazie per la grande intervista. I lettori che desiderano saperne di più sul lavoro e sul pensiero di Peter Plochan possono visitare PeterPlochan.com o esplorare le soluzioni di gestione del rischio, analisi e AI offerte da SAS.