BPER Banca | Ai Stories. Progetto Early Warning

Il progetto di cui parliamo oggi riguarda lo sviluppo di un modello di early warning, pensato per intercettare le prime fasi di difficoltà di pagamento dei clienti affidati. Questo modello risulta infatti cruciale per individuare tempestivamente i segnali di difficoltà e attivare le azioni correttive necessarie.
All'inizio del progetto, la soluzione di intelligenza artificiale utilizzata da BPER era ancora in fase embrionale. Questo ha comportato il superamento di numerosi problemi nuovi e inediti, richiedendo soluzioni innovative e creative per affrontare le sfide emerse.
Alessia Bellini, è responsabile dell'ufficio modelli creditizi di Bper Banca, ha presentato il progetto relativo allo sviluppo di un nuovo modello di early warning.
Paolo Santilli lavora nell'ufficio delle Risk Management Applications di BPER Banca. Si occupa dell'industrializzazione degli use case di intelligenza artificiale, portando avanti la progettazione e l'implementazione di soluzioni innovative per migliorare la gestione del rischio.
Ivan Gabriel Espinosa Marin, invece, è un senior data scientist dell'ufficio Big Data Analytics. Ivan si occupa di progettazione e sviluppo dei modelli di intelligenza artificiale all'interno di BPER Banca. La sua esperienza è fondamentale per la realizzazione di modelli avanzati e precisi.
Una delle principali sfide affrontate durante lo sviluppo del modello è stata garantire la spiegabilità del sistema (la richiesta di rendere il più comprensibile possibile il funzionamento di un sistema IA, e ancor di più il suo eventuale malfunzionamento, ovvero poter rintracciare le condizioni che lo portano a produrre risultati dubbi o palesemente errati).
È fondamentale infatti ridurre al minimo il numero di variabili in ingresso per mantenere l'interpretabilità del modello, senza compromettere le sue prestazioni. Questo equilibrio è stato raggiunto grazie a un'attenta ottimizzazione e validazione.
Tra le novità introdotte dal nuovo modello di early warning, spicca l'uso avanzato delle tecniche di intelligenza artificiale per analizzare i dati di movimentazione dei conti correnti. Questo approccio ha permesso di elaborare una quantità significativamente maggiore di informazioni rispetto al passato, migliorando notevolmente le capacità di previsione del modello e permettendo l'attivazione tempestiva di azioni correttive.
Conclusioni
Alessia, Paolo e Ivan ci mostrano che l'intelligenza artificiale non è solo una tendenza futura, ma una realtà presente che sta trasformando il modo in cui gestiamo i rischi e miglioriamo le nostre capacità predittive.