In un recente rapporto della Banca dei regolamenti internazionali (BRI), le banche centrali di tutto il mondo sono state messe in guardia sui rischi intrinseci associati alla loro crescente dipendenza dagli strumenti di intelligenza artificiale (AI). Questo rapporto di nove pagine intitolato “L’intelligenza artificiale nelle banche centrali” fa luce sui casi d’uso e sulle potenziali insidie dell’integrazione di modelli linguistici di grandi dimensioni (LLM) nelle loro operazioni.
Le banche centrali, spesso considerate le prime ad adottare la tecnologia dell’intelligenza artificiale, si sono sempre più rivolte ai modelli di intelligenza artificiale per una varietà di scopi. Questi modelli di intelligenza artificiale sono stati determinanti nel trasformare la raccolta e l’elaborazione delle informazioni, rendendo quasi obsoleti molti sforzi umani tradizionali. I modelli di intelligenza artificiale vengono ora implementati per il campionamento, la pulizia e la corrispondenza dei dati, aiutando le banche centrali a semplificare le loro operazioni con comprovate tecniche di apprendimento automatico.
Un’applicazione significativa dell’intelligenza artificiale nelle banche centrali è nel prendere decisioni informate sulla politica monetaria. Utilizzando reti neurali e modelli di foreste casuali, le banche centrali ottengono l’accesso a dati in tempo reale per valutare le aspettative di inflazione e valutare l’efficacia delle loro politiche monetarie. Questi dati provengono non solo dai canali finanziari tradizionali ma anche dalla vasta gamma di informazioni disponibili sulle piattaforme dei social media.
Estrarre informazioni da vasti dati
Come evidenzia il rapporto, vagliare un enorme volume di dati può essere dispendioso in termini di tempo e impegnativo, rendendo i modelli di intelligenza artificiale preziosi per estrarre informazioni rilevanti in modo efficiente. Le banche centrali utilizzano modelli linguistici per riassumere resoconti finanziari complessi, tenere traccia delle tendenze economiche e interpretare interviste con leader aziendali ed esperti di mercato. Inoltre, questi modelli linguistici delle banche centrali (CB-LM) hanno dimostrato la capacità di prevedere le reazioni del mercato agli annunci di politica monetaria.
I sistemi di intelligenza artificiale hanno anche dimostrato la loro competenza nel supervisionare e supervisionare i sistemi di pagamento. Eccellono nell’identificazione delle transazioni finanziarie irregolari, un fattore critico nella lotta al riciclaggio di denaro e nella prevenzione degli attacchi informatici. La Banca Centrale del Brasile, ad esempio, ha recentemente introdotto ADAM, un modello di classificazione progettato per prevedere che i mutuatari potrebbero non onorare i loro prestiti, migliorando la loro capacità di mitigare i rischi finanziari.
Oltre alle applicazioni tradizionali, le banche centrali si stanno rivolgendo anche ai sistemi di intelligenza artificiale per prevedere il comportamento dei consumatori in risposta all’introduzione delle valute digitali delle banche centrali (CBDC) e ad altri sviluppi finanziari. Questi modelli predittivi forniscono preziose informazioni ai policy maker per anticipare le reazioni del mercato e adattarsi di conseguenza.
Sfide e rischi dell’integrazione dell’intelligenza artificiale
Sebbene i vantaggi dell’integrazione dell’intelligenza artificiale siano evidenti, il rapporto sottolinea le sfide e i rischi che le banche centrali devono affrontare. Una delle preoccupazioni principali è il potenziale di risultati distorti derivanti dai dati utilizzati per addestrare i modelli di intelligenza artificiale. Inoltre, i modelli di intelligenza artificiale generativa, sebbene potenti, richiedono una vigile supervisione umana per ridurre la probabilità di errori e imprecisioni.
Nel breve termine, le banche centrali dovranno investire nel dotare il proprio personale di nuove competenze in materia di intelligenza artificiale per integrare efficacemente i sistemi di intelligenza artificiale nei loro flussi di lavoro. Tuttavia, è probabile che incontreranno una dura concorrenza da parte delle società finanziarie private nel reclutamento di dipendenti con competenze avanzate in materia di intelligenza artificiale. La disparità salariale tra le istituzioni pubbliche e il settore privato intensifica ulteriormente questa concorrenza.