L’impatto economico dell’intelligenza artificiale è quantificabile in cifre davvero significative. Secondo un report di McKinsey datato al 2023, la sola AI generativa ha il potenziale di produrre fino a 340 miliardi di dollari di valore annuo nel settore finanziario mondiale. Questo valore viene generato attraverso simulazioni di portafoglio avanzate, test di stress automatizzati e una rilevazione predittiva delle frodi sempre più accurata. «L’AI trasforma il calcolo del rischio e l’allocazione del capitale in processi “neuroeconomici”, capaci di apprendere pattern complessi e ottimizzare combinazioni di investimenti non lineari», tira le somme Paoletti.
A conferma di questa tendenza, l’AI Index Report del 2024 elaborato dall’università di Stanford evidenzia come i settori dei servizi finanziari, assicurativi e bancari siano in prima linea nell’adozione di soluzioni basate su AI generativa.
In questo contesto, la figura del CFO (alla lettera il Chief Financial Officer) subisce una metamorfosi: non è più un semplice analista, ma diventa un architetto di scenari probabilistici e un curatore di traiettorie economiche: «La previsione cessa di essere un esercizio di prudenza per diventare una forza attiva che modella i mercati in tempo reale, trasformando l’incertezza in una variabile gestibile attraverso l’occhio predittivo dell’algoritmo», chiarisce Paoletti.
Le previsioni finanziarie ai tempi dell’AI con il trading ad alta frequenza
L’introduzione dell’AI segna, in poche parole, la fine della previsione tradizionale. Se storicamente il forecasting serviva a fornire visibilità sull’incertezza per permettere una pianificazione strategica, oggi la previsione è diventata un meccanismo dinamico di intervento continuo. Come sottolineato dall’OECD nel Business and Finance Outlook del 2021, i sistemi di AI applicati al rischio agiscono come meccanismi di correzione automatica permanente: ogni deviazione prevista viene immediatamente compensata, alterando di fatto il comportamento intrinseco dei mercati.
Questa capacità dei sistemi di autoriprodursi dal punto di vista della conoscenza si manifesta chiaramente nel trading ad alta frequenza (HFT). In questo ambito, gli algoritmi eseguono transazioni in millisecondi basandosi su variazioni infinitesimali dei prezzi. Se da un lato queste tecnologie hanno contribuito a ridurre il costo implicito della transazione e il guadagno per i market maker e a migliorare la liquidità complessiva, dall’altro hanno aumentato la fragilità del sistema di fronte a shock imprevisti. Il paradosso risiede nel fatto che i dati non sono più solo un input da analizzare, ma diventano un output influenzato dalle stesse previsioni algoritmiche, creando cicli in cui stabilità e instabilità si rincorrono in una spirale autonoma.
La rivoluzione di Aladdin BlackRock con i pro e i contro: gli allarmi della Bank for International Settlements
Al centro di questa rivoluzione infrastrutturale troviamo Aladdin (acronimo di Asset, Liability, Debt and Derivative Investment Network), la piattaforma della società di investimento e gestione patrimoniale BlackRock che supervisiona asset per decine di trilioni di dollari. Aladdin non è un semplice strumento di monitoraggio, ma un agente cognitivo che analizza correlazioni, volatilità ed esposizioni, attivando contromisure in tempo reale. Attraverso la simulazione di milioni di scenari economici – che includono variabili geopolitiche, tassi di interesse e inflazione –, Aladdin permette una gestione del rischio senza precedenti, ma solleva al contempo interrogativi critici sulla centralizzazione decisionale.
«La dipendenza globale da un singolo sistema potrebbe amplificare il cosiddetto “effetto gregge” – dice Paoletti –. Se tutti gli attori di mercato reagiscono ai medesimi segnali e utilizzano gli stessi modelli predittivi, la stabilità diventa una costruzione artificiale fragile, esposta a shock sistemici come il panic sell o vendita massiccia e irrazionale di asset finanziari».
La Bank for International Settlements (BIS) ha lanciato l’allarme sulla crescente prociclicità dei mercati derivante da sistemi predittivi omogenei, che potrebbero amplificare le crisi anziché mitigarle. In risposta, negli Stati Uniti la Securities and Exchange Commission (SEC) ha proposto nel 2022 nuove regole per aumentare la trasparenza dei modelli di trading automatizzato, richiedendo la divulgazione dei parametri chiave degli algoritmi per prevenire fallimenti sistemici.
La nuova governance finanziaria con il monito del Fondo Monetario Internazionale
La sfida del risk management nel XXI secolo consiste nel progettare modelli che non siano solo accurati, ma intrinsecamente resilienti e capaci di gestire perturbazioni “fuori distribuzione”. Il Fondo Monetario Internazionale (FMI) ha evidenziato la necessità di una governance che imponga principi di diversità algoritmica e trasparenza. Non si tratta di limitare l’innovazione, ma di introdurre meccanismi di “freno cognitivo” capaci di interrompere l’automazione qualora si inneschino dinamiche destabilizzanti.
L’integrazione di modelli linguistici avanzati (LLM) sta ulteriormente potenziando la scoperta dei prezzi, permettendo l’analisi in tempo reale di dati non strutturati come contratti obbligazionari, social media e news. Tuttavia, come avvertiva nel 2006 il professore di diritto dell’università di Harvard Lawrence Lessig con il concetto di “Code is Law”, l’algoritmo sta diventando un ordinatore di comportamenti collettivi che sfugge alle legislazioni tradizionali: «La vera sfida per regolatori e investitori – tira le somme Paoletti – sarà convivere con l’imprevedibile, rinunciando all’illusione di un controllo totale e promuovendo un ecosistema finanziario basato su modelli eterogenei e ridondanti per prevenire il collasso coordinato del sistema».
