Vasyl Soloshchuk, CEO e Fondatore di INSART – Serie di Interviste

Vasyl Soloshchuk, CEO e Fondatore di INSART, è un imprenditore fintech con più di 25 anni di esperienza nello sviluppo software, nella leadership ingegneristica e negli investimenti di venture. Ha iniziato la sua carriera come sviluppatore e si è progressivamente spostato verso ruoli di leadership, scalando infine INSART in un attore internazionale focalizzato sulla tecnologia finanziaria. Durante la sua carriera, ha lavorato a stretto contatto con fondatori e team esecutivi per definire la strategia di prodotto e l’esecuzione, contribuendo anche all’ecosistema tecnologico più ampio attraverso iniziative come il Kharkiv IT Cluster e la partecipazione a sindacati di venture a supporto di startup emergenti.

INSART si presenta come un acceleratore fintech, combinando competenza ingegneristica con supporto strategico per aiutare le aziende a costruire e scalare prodotti finanziari in ogni fase di crescita. L’azienda supporta startup e imprese dalla prima ideazione e sviluppo MVP fino al product-market fit, go-to-market e al deployment su larga scala. Con un focus su aree come il banking digitale, i pagamenti, il lending e l’infrastruttura finanziaria, INSART agisce sia come partner tecnico sia come piattaforma di crescita, aiutando le aziende fintech ad accelerare i tempi di sviluppo e a navigare le complessità della scalabilità nei mercati regolamentati.

Hai iniziato la tua carriera come sviluppatore software; quali segnali iniziali ti hanno convinto che i servizi finanziari sarebbero diventati una delle industrie più guidate dalla tecnologia?

Ho iniziato come sviluppatore software freelance quando ero ancora all’università. Ho rapidamente messo insieme un team e abbiamo iniziato a prendere progetti tramite siti di freelance. Lo sviluppo software e la finanza mi interessavano molto allora. Stavo facendo sviluppo software. Imparando al contempo la finanza. Era un modo per combinare le mie competenze e i miei interessi.

Ciò che mi ha formato fin dall’inizio è stata la combinazione — costruire software, studiare finanza e pensare alla libertà finanziaria e all’imprenditorialità. Sono diventato piuttosto ossessionato dall’intersezione tra tecnologia e finanza perché credo fermamente che le persone possano essere libere solo quando sono finanziariamente libere.

È stato anche un momento molto cruciale nella mia vita.

Nel 2008, ero un tirocinante PhD presso l’IBM Watson Research Center a New York. Era esattamente durante la crisi finanziaria. Lavoravo su progetti di analisi dei dati mentre seguivo da vicino gli sviluppi dei mercati finanziari. Ero a New York, visitando la Borsa e parlando con persone di IBM che lavoravano con hedge fund e società di investimento. C’era un reale senso di confusione e frustrazione — le persone non capivano come andare avanti. Fu in quel momento che realizzai che l’industria finanziaria, così com’era, non era stabile. Doveva essere ridefinita. E per me divenne chiaro che la tecnologia sarebbe stata il motore di quel cambiamento.

Avevo la possibilità di restare in IBM. Ma ho scelto di fare qualcos’altro, ho deciso di fondare INSART. Il mio obiettivo era contribuire a creare tecnologia. Volevo rendere il sistema finanziario più forte e più aperto. Ora che ci penso, c’erano alcuni segnali che mi hanno spinto a fare quella scelta.

Prima, i servizi finanziari sono fondamentalmente sistemi informativi. Il denaro è dati, le transazioni sono cambiamenti di stato. Una volta compreso questo, diventa ovvio che il software non è una funzione di supporto — è il nucleo del business. Aziende come Stripe sono un buon esempio di questo, dove le API sono essenzialmente il prodotto.

Secondo, la regolamentazione stava diventando sempre più complessa. Ogni nuovo requisito aggiunge livelli di logica e reporting. Questo non può scalare solo con le persone. Richiede sistemi. Si può vedere chiaramente in aziende come Plaid, che hanno costruito infrastrutture per gestire quella complessità.

E terzo, la pressione sui margini costringe all’automazione. Le istituzioni finanziarie competono su velocità, costo e rischio. La tecnologia è l’unica leva che migliora tutti e tre. Col tempo, lavorando con le aziende fintech, abbiamo visto che i vincitori non erano quelli con le migliori idee, ma quelli con una migliore architettura e esecuzione. E questa è ancora la missione che seguiamo oggi in INSART — far progredire le imprese fintech che ridefiniscono la finanza e ampliano la libertà digitale.

Dove l’AI sta già fornendo valore misurabile oggi?

Il divario tra l’AI come narrazione e l’AI come sistema di produzione è ancora molto ampio.

Dove vediamo valore reale è in aree con dati solidi e cicli di feedback rapidi.

La rilevazione delle frodi è l’esempio più chiaro. Aziende come Feedzai e Stripe Radar utilizzano il machine learning per rilevare anomalie in tempo reale, e l’impatto è direttamente misurabile nella riduzione delle perdite per frode.

L’automazione operativa è un’altra area. Per esempio, aziende come UiPath aiutano le istituzioni finanziarie ad automatizzare processi ricchi di documenti, riducendo i costi e accelerando l’esecuzione.

La personalizzazione funziona bene anche. Wealthfront e piattaforme simili usano l’AI per personalizzare le strategie di investimento e migliorare il coinvolgimento degli utenti.

Un’area che sta emergendo molto rapidamente è l’intelligence aziendale generativa. Molte aziende hanno già dati, ma la leadership non può accedere rapidamente alle intuizioni. Stiamo costruendo sistemi in cui i dirigenti possono porre domande come “Perché le entrate sono diminuite questa settimana?” e ottenere risposte immediate attraverso i sistemi.

È qui che l’AI diventa molto pratica — migliora la velocità decisionale, non solo i processi.

Nel underwriting, nella rilevazione delle frodi e nella conformità — cosa funziona realmente?

La rilevazione delle frodi sta già funzionando su larga scala. Ha segnali chiari e feedback continuo. Aziende come Featurespace sono forti esempi di questo.

L’underwriting funziona parzialmente. Si comporta bene in certi segmenti, soprattutto quando si utilizzano dati alternativi. Per esempio, Upstart usa l’AI per le decisioni di credito, ma opera ancora entro i vincoli normativi.

La conformità normativa è l’area più complessa. Gran parte di ciò che viene presentato come AI è ancora automazione basata su regole. Una vera conformità potenziata dall’AI è più complessa, richiedendo comprensione contestuale piuttosto che semplici pattern. Aziende come ComplyAdvantage stanno andando in questa direzione, ma è ancora in evoluzione.

C’è anche un cambiamento più silenzioso ma importante nella reportistica interna e nel processo decisionale. Molte istituzioni si affidano ancora a dashboard statiche. L’AI sta iniziando a trasformarle in sistemi dinamici che consentono alla leadership di capire cosa sta accadendo in tempo reale e di agire più rapidamente.

Quanto dell’entusiasmo attuale per l’AI è hype rispetto a capacità reale?

L’AI è sia reale sia sovra-promossa allo stesso tempo.

Una parte fornisce valore reale in produzione.  Il resto è ancora guidato dalla narrazione, soprattutto nella raccolta fondi e nel posizionamento.

La differenza è semplice. Se l’AI migliora un KPI misurabile, è reale. Se migliora principalmente una presentazione, è hype.

Ad esempio, aggiungere etichette AI a una dashboard non è trasformativo. Ma se l’AI aiuta un CFO a capire istantaneamente i driver di fatturato e ad agire, è una reale opportunità.

Aziende come OpenAI e Anthropic stanno costruendo modelli di base potenti, ma la vera sfida è come applicarli ai sistemi aziendali.

Ecco perché ci concentriamo sull’intelligenza decisionale e sull’analisi aziendale generativa. Questa è una delle poche aree in cui il valore è immediato e l’adozione è naturale.

Perché così tanti progetti pilota di AI non arrivano alla produzione?

La maggior parte dei fallimenti è legata ai sistemi, non ai modelli. I problemi fondamentali sono dati frammentati, mancanza di infrastruttura di produzione e responsabilità poco chiara per i risultati.

Inoltre, l’AI viene sviluppata in isolamento, quindi i team creano modelli che non vengono integrati nei flussi di lavoro o nei sistemi di reportistica. Un buon esempio sono le banche che sperimentano modelli simili a quelli offerti da aziende come DataRobot ma non riescono a implementarli.

Se i dati che emergono da questo processo non arrivano ai decisori di livello C che possono usarli, l’intero progetto si ferma. I modelli AI funzionano solo quando fanno parte del modo in cui prendiamo decisioni, non quando li proviamo a parte.

Come le istituzioni superano le sfide dell’infrastruttura dati?

Non si tratta di AI, ma di architettura dei dati. Le istituzioni performanti unificano i loro dati, creano pipeline di elaborazione dati in tempo reale e impostano metriche coerenti. Aziende come Snowflake e Databricks sono davvero importanti in questo ambito perché aiutano a garantire che l’infrastruttura dati possa gestire grandi volumi di dati. E questa è la base per costruire sistemi decisionali solidi e reportistica.

Molte aziende usano dati incompleti, il che porta a risposte errate, e le persone non si fidano dei risultati. Il modo corretto è: prima, ottieni i dati; poi, costruisci l’infrastruttura per i dati; poi, crei i modelli; e infine, ottieni valore per il business dai dati, dai modelli e dall’infrastruttura che Snowflake e Databricks forniscono per i dati.

Come l’AI generativa sta cambiando le frodi e la loro rilevazione?

L’AI generativa sta cambiando sia gli approcci offensivi sia quelli difensivi. Il problema delle frodi sta peggiorando. Gli attacchi di frode stanno diventando davvero complessi. Le persone usano deepfake, identità false e email di phishing generate da computer. Queste cose stanno diventando molto popolari rapidamente. Aziende, come Sensity AI, stanno monitorando i rischi legati ai deepfake. Vogliono capire che tipo di problemi i deepfake possono causare.

Nel settore della sicurezza, le organizzazioni stanno passando a sistemi adattivi. Invece di regole statiche, si affidano all’analisi comportamentale e alla rilevazione in tempo reale. Darktrace è un esempio di questo approccio. Stiamo entrando in una fase in cui è essenzialmente una battaglia tra AI e AI. I sistemi statici basati su regole non sono più sufficienti.

Come le istituzioni bilanciano le decisioni di credito guidate dall’AI con la regolamentazione?

C’è una tensione tra efficienza e regolamentazioni. L’intelligenza artificiale aiuta con le previsioni, e le regolamentazioni richiedono trasparenza.

Le istituzioni implementano una combinazione di strategie e approcci. L’intelligenza artificiale genera previsioni. Poi aggiungono ulteriori livelli per spiegare le cose. Per esempio, Upstart collabora strettamente con i regolatori per garantire l’esplicabilità dei suoi modelli.

Il controllo umano sarà sempre al primo piano, soprattutto per decisioni ad alto rischio. Il futuro è per sistemi potenziati dall’AI che siano efficienti e auditabili.

Cosa separa le istituzioni che adottano con successo l’AI da quelle che faticano?

In breve, le istituzioni che hanno integrato e adattato con successo l’AI si distinguono dalle altre nella loro architettura.

Le istituzioni di successo sono cloud-native, modulari e guidate dai dati. Nubank e aziende simili sono buoni esempi, sono state costruite con un’architettura moderna fin dall’inizio. Non si può implementare intelligenza in un sistema che non è stato progettato per supportarla.

Guardando al futuro, l’AI automatizzerà i processi o rimodellerà i prodotti finanziari?

Da una prospettiva a breve termine, l’AI ridurrà i costi e migliorerà la gestione del rischio, e naturalmente automatizzerà il processo.  A lungo termine, trasformerà i prodotti finanziari.

Vedremo servizi finanziari più dinamici e personalizzati. 

Uno dei cambiamenti più notevoli avverrà nel modo in cui le decisioni vengono prese all’interno delle organizzazioni. Passeremo da report statici a sistemi interattivi, intelligenti e in tempo reale. In finanza, la velocità decisionale è un vantaggio competitivo, e l’AI cambierà fondamentalmente questo.

Grazie per la splendida intervista, i lettori che desiderano saperne di più su questo acceleratore fintech dovrebbero visitare INSART.