Maturità nell'adozione dell'IA nel settore dei servizi finanziari

Le organizzazioni di servizi finanziari adottano l’IA un caso d’uso alla volta. I modelli di propensione dei potenziali clienti possono rientrare nell’acquisizione clienti, gli strumenti anti-churn nel lifecycle marketing e i contenuti per l’abilitazione dei consulenti nel wealth marketing. Ogni iniziativa avanza secondo i propri tempi, generando aree isolate di deployment difficili da collegare tra loro.

Il Frozen Middle descrive le organizzazioni in fase di sperimentazione o deployment che non hanno ancora definito il coordinamento necessario per scalare. Dati, apprendimenti e risultati rimangono confinati nelle singole funzioni, limitando la capacità dell’organizzazione di confrontare gli outcome, dimostrare il valore e replicare le applicazioni di successo nel banking, nell’assicurazione, nei pagamenti e nella gestione patrimoniale.

Per andare oltre questa fase occorre una ownership più chiara, un accesso condiviso ai dati di performance e diritti decisionali ben definiti tra marketing, tecnologia, risk e compliance. Servono anche flussi di lavoro che colleghino i segnali dei clienti tra canali e linee di business. Se si rinviano queste decisioni strutturali, i deployment isolati si moltiplicano, gli sforzi duplicati aumentano e i casi d’uso di successo diventano più difficili da scalare.

Le iniziative di IA nei servizi finanziari coprono il retail banking, l’assicurazione, la gestione patrimoniale, i pagamenti, il marketing, il risk, la compliance e la tecnologia. Quando la responsabilità si distribuisce tra questi gruppi, i team faticano a stabilire le priorità o a prendere decisioni vincolanti su risorse, accesso ai dati e deployment.

Un’iniziativa di lifecycle marketing può richiedere, ad esempio, dati comportamentali da una piattaforma di banking digitale, segnali dei relationship manager da un portale per consulenti e regole di personalizzazione determinate da requisiti di idoneità. In assenza di un responsabile con autorità trasversale sul progetto, i progressi dipendono dal raggiungimento di un accordo tra le funzioni, spesso attraverso revisioni sequenziali.

I responsabili part-time e i comitati possono coordinare le attività, ma i loro mandati si fermano spesso ai confini funzionali. Un CMO, un chief digital officer o un altro leader senior può garantire la responsabilità necessaria quando l’incarico include un titolo formale, un budget e autorità trasversale alle linee di business. Non si tratta di aggiungere un ulteriore livello di governance, bensì di designare un unico responsabile che possa definire le priorità, risolvere i conflitti e portare avanti le iniziative approvate.

Portare un caso d’uso di IA dalla proposta alla produzione richiede decisioni trasversali a team di tecnologia, sicurezza, rischio, legale e compliance. L’indagine ha monitorato le richieste attraverso la valutazione IT, la revisione della sicurezza, la valutazione delle integrazioni, l’approvazione del budget e il lancio. Nei servizi finanziari, la revisione della sicurezza registra la quota più alta di rifiuti.

Queste revisioni valutano il rischio del modello, le problematiche di protezione dei dati, la complessità delle integrazioni, gli obblighi normativi, le implicazioni in termini di costi e la disponibilità operativa. Ogni verifica è necessaria, ma il processo può perdere di vista il risultato aziendale che l’iniziativa mira a migliorare.

Un modello di prevenzione del churn o uno strumento di propensione al cross-sell può dipendere dai dati del banking digitale, dall’attività dei consulenti, dall’idoneità al prodotto e dal consenso del cliente. Se questi requisiti emergono solo durante il processo di revisione, i team devono riprogettare il caso d’uso o abbandonarlo. Le organizzazioni possono migliorare la conversione del funnel coinvolgendo esperti di sicurezza, compliance e rischio del modello già nella fase di ideazione. Risolvere i diritti sui dati e i requisiti di validazione consente ai team di valutare insieme la fattibilità e il valore per il cliente prima che una proposta raggiunga una fase formale di revisione.

Gli esperti marketing del settore finanziario adattano senza sosta campagne, pubblico e offerte in base all’evoluzione del comportamento dei clienti. Sebbene l’IA aumenti la necessità di test e ottimizzazioni, la maggior parte delle organizzazioni gestisce la collaborazione tra business e IT attraverso passaggi sequenziali.

Che il rapporto sia compartimentato, transazionale o consulenziale, lo schema è simile: i team di business presentano richieste e i team tecnologici vi rispondono. Questo approccio riflette i tradizionali cicli di pianificazione, governance e revisione, ma risulta meno adatto alle iniziative basate sull’IA, che richiedono ai team di affrontare e risolvere problemi di accesso ai dati, integrazione, sicurezza e misurazione durante la distribuzione.

Quando i team di business e IT instaurano una relazione collaborativa e integrata, lavorano in partnership per definire il caso d’uso. Obiettivi e risultati chiave condivisi attribuiscono ai team marketing e tecnologici una responsabilità congiunta per la distribuzione e i risultati aziendali. Quando il responsabile dell’acquisizione clienti e il referente IT della piattaforma dati cliente condividono un obiettivo di retention o conversione, il briefing, le decisioni di sviluppo e la misurazione procedono nella stessa direzione. In questo modo, i problemi si risolvono durante la distribuzione, senza rimbalzare tra code e processi di approvazione.

I leader del marketing hanno bisogno di prove concrete fin dalle prime fasi, per guidare le decisioni su finanziamenti e scalabilità. I Leader integrano la misurazione nel progetto di ogni caso d’uso dell’IA, anziché aggiungerla dopo il lancio. Tra i Leader, il 44% misura il Return on Investment (ROI) in modo esaustivo, rispetto al 14% delle organizzazioni di servizi finanziari. Ogni Leader misura le prestazioni dell’IA almeno a un certo livello.

Prima di implementare modelli di acquisizione, personalizzazione del ciclo di vita, targeting cross-sell o onboarding digitale, i Leader definiscono il risultato commerciale o per il cliente atteso. Le misure possono includere conversione, fidelizzazione, quota di portafoglio, coinvolgimento guidato dai consulenti, efficienza dei costi e tempi di ritorno del valore. Marketing, tecnologia, finanza e responsabili di canale si allineano sull’approccio di attribuzione e stabiliscono una baseline prima che i cambiamenti nel comportamento dei clienti influenzino le misurazioni delle prestazioni.

Il timing è fondamentale. Una volta che una campagna, un’offerta, una modifica al prodotto o un cambiamento di mercato incide sull’attività dei clienti, la baseline originale diventa difficile da ricostruire. La misurazione fin dal primo giorno offre ai Leader una base più solida per confrontare i casi d’uso, migliorare le prestazioni e determinare quali implementazioni meritano ulteriori finanziamenti. Fornisce inoltre ai leader del marketing prove concrete per le discussioni sul budget, aiutando le iniziative a progredire da implementazioni isolate a un’adozione consolidata nelle diverse aree di business.

Le iniziative di marketing basate sull’IA dipendono da piattaforme dati cliente, portali per consulenti, sistemi di onboarding digitale, ambienti di analisi e altri sistemi tecnologici. I passaggi sequenziali generano attrito ogni volta che dati, supporto, verifiche di sicurezza o attività di misurazione devono transitare tra team diversi. Molte organizzazioni di servizi finanziari operano ancora a silos o in modo transazionale, e un’ulteriore quota lavora con un modello consulenziale, in cui l’IT fornisce indicazioni senza condividere la responsabilità dei risultati.

Tra i 342 Leader, le relazioni collaborative e integrate rappresentano la norma. I team di business, marketing, tecnologia, risk e compliance partecipano alla definizione di ogni caso d’uso, affrontando insieme fattibilità, controlli e valore per il cliente. Questo approccio sostituisce la logica della richiesta completata e trasferita da una funzione all’altra con brief condivisi e priorità concordate.

La responsabilità condivisa si estende lungo tutto il percorso, dalla consegna alla misurazione. Quando il responsabile dell’acquisizione clienti e il proprietario IT della piattaforma dati cliente condividono lo stesso obiettivo di conversione, le decisioni di sviluppo e le metriche di performance si allineano nella stessa direzione. I Leader costruiscono questa partnership attraverso obiettivi e risultati chiave condivisi, all’interno delle linee di reporting esistenti, eliminando la necessità di riorganizzazioni strutturali.

I team di marketing dei servizi finanziari operano in contesti di governance e conformità molto esigenti. Le campagne possono essere sottoposte a revisioni legali, di rischio, di idoneità, sulla privacy e sulle promozioni regionali. Quando un’iniziativa di IA non raggiunge gli obiettivi, i team rischiano di subire pressioni per rispettare le scadenze o evitare controlli. Un modello di churn difettoso o un consiglio di cross-sell inappropriato potrebbe così essere trattato come un problema isolato, anziché come segnale che l’organizzazione dovrebbe approfondire.

I Leader reagiscono in modo diverso. Analizzano cosa è successo, perché è accaduto e cosa deve cambiare prima del successivo deployment. Nel settore dei servizi finanziari, il 29% delle organizzazioni mostra pattern di fallimento distruttivi, caratterizzati dall’attribuzione di colpe o dalla ripetizione degli stessi errori. Tra i Leader, questa percentuale è inferiore all'1%. Questa differenza trasforma le performance insufficienti da una minaccia alla reputazione in una fonte di apprendimento operativo.

Una cultura dell’apprendimento si manifesta con chiarezza durante le revisioni operative periodiche. I senior leader dedicano tempo a discutere i risultati negativi, supportano i team che sollevano preoccupazioni e condividono le lezioni apprese nel banking, nelle assicurazioni, nei pagamenti e nella gestione patrimoniale. Questo approccio impedisce che una funzione ripeta gli errori di un’altra e aiuta i team a rafforzare modelli, controlli e flussi di lavoro prima di un’implementazione più ampia.