Diversificare oltre gli Usa: le scelte dei gestori
di Marco Capponi
Se c’è una notevole cautela nell’uso dell’intelligenza artificiale nelle società di consulenza finanziaria da parte dei gestori e dei singoli consulenti, negli uffici studi, che devono sostenere l’attività delle reti di vendita e dei money manager, l’uso dell’Ai è generalizzato. Del resto, per chi deve capire i futuri trend dei mercati o dei singoli settori, uno strumento che esamina milioni di dati e di variabili in pochi secondi è semplicemente prezioso. Ma, detto ciò, non tutte le strutture usano l’intelligenza artificiale allo stesso modo: c’è chi semplicemente lo considera un ausilio per comprendere il futuro dei listini e chi lo utilizza per scoprire nicchie dei listini che con i mezzi umani sarebbe molto difficile evidenziare. E qualcuno lo considera anche uno strumento di marketing di grande forza. Su questa base Fondi&Sicav ha sentito alcuni dei più importanti team di analisi italiani per scoprire quale aiuto reale si può avere dall’Ai. Hanno risposto Elena Beccaria, responsabile ufficio analisi per la consulenza di Banca Patrimoni Sella & C., Thomas CCandolo,a capo dell’ufficio studi di Copernico Sim , Jacopo Ceccatelli, responsabile del centro studi di Banca Finint “The Lighthouse”, Davide Elli, condirettore generale e responsabile dell’Investment center di FideuramIspb e Simone Ercolino , responsabile market e business intelligence di Banca Mediolanum. Il vostro team di analisti utilizza l’intelligenza artificiale? Quanto è importante e quanto influisce nei vostri report? Elena Beccaria (Banca Patrimoni Sella & C.): «Nel nostro team l’intelligenza artificiale è diventata parte del la voro quotidiano. La utilizziamo come uno strumento trasversale che ci consente di operare con maggiore efficienza, riducendo il tempo dedicato ai processi più operativi, e ci permette di concentrarci sulle analisi e sulle valutazioni che richiedono competenza specialistica. L’Ai non sostituisce il giudizio dei professionisti, ma contribuisce a migliorare la qualità e la tempestività dei processi interni, rendendo più fluidi e rapidi molti passaggi del nostro lavoro. In questo modo, possiamo dedicare più spazio all’approfondimento, all’elaborazione di insight a maggiore valore aggiunto e alle valutazioni strategiche che richiedono un’interpretazione umana, valorizzando al massimo l’esperienza dei nostri specialisti». Thomas Candolo (Copernico Sim): «Attualmente, come Sim, non utilizziamo l’intelligenza artificiale per finalità operative o per generare automaticamente decisioni di investimento. Il nostro approccio rimane fondato su un processo di analisi tradizionale, verificabile e pienamente presidiato dal team, in cui le valutazioni, l’interpretazione dei dati e le conclusioni restano responsabilità degli analisti. Detto ciò, l’Ai è una tecnologia che seguiamo con grande attenzione, perché può rappresentare un supporto utile soprattutto sul piano dell’efficienza: può velocizzare la lettura e l’organizzazione di grandi volumi di informazioni, aiutare a sintetizzare documenti complessi e facilitare la strutturazione di contenuti informativi, riducendo i tempi necessari per la fase preliminare di ricerca. L’impatto sui nostri report, quindi, non è la sostituzione dell’analisi umana, ma la capacità di renderla più rapida e ordinata nella parte di raccolta e rielaborazione delle informazioni. Per quanto riguarda l’individuazione di trend non toglibili con analisi umane, a oggi non abbiamo evidenze tali da attribuire all’Ai un expertise autonoma e affidabile di generare segnali di mercato “nuovi”: il valore aggiunto è piuttosto ampliare la copertura informativa e migliorare la produttività, fermo restando che l’analisi finale richiede sempre competenza, esperienza e
controllo qualitativo». Jacopo Ceccatelli (Banca Finint): «L’intelligenza artificiale sta assumendo un ruolo sempre più rilevante nell’attività dell’ufficio studi, prevalentemente nella fase di raccolta dati e di impostazione generale dei contenuti. Meno rimarchevole, almeno per il momento, nel nostro modello è il ruolo ricoperto dall’intelligenza artificiale nella redazione delle sezioni più complesse dei contenuti di ricerca: i report di approfondimento e le analisi. Per queste sezioni, riteniamo che le capacità elaborative dei nostri analisti con esperienza possano ancora dare contributi di qualità superiore, soprattutto in termini di originalità e capacità di individuare risposte e soluzioni Davide Elli (Fideuram): «L’intelligenza artificiale è integrata a supporto trasversa le dei team macro, degli strategist e delle analisi sulle asset class. Il contributo principale sta nella capacità di gestire e filtrare un volume informativo in continua crescita, accelerando così l’attività di analisi, di sintesi e di classificazione delle fonti, ad esempio durante le reporting season, nella lettura e nell’analisi di documentazione societaria, nel sintetizzare il materiale di ricerca. Viene così resa più efficiente l’elaborazione di report a supporto delle scelte di investimento e di gestione. L’Ai può aiutare a intercettare segnali deboli e/o pattern nei dati che meritano approfondimenti. Nella fase finale il giudizio e la decisione rimangono in capo ai nostri professionisti». Simone Ercolino (Banca Mediolanum):
«Abbiamo sempre usato strumenti simili all’Ai per monitorare in maniera automatica le notizie che venivano pubblicate sul web o l’andamento sul web di parole chiave che avevamo precedentemente individuato. Picchi di conversa zione online aprivano l’interesse su trend futuri. Chiaramente, negli ultimi due anni, c’è stata una forte accelerazione nell’utilizzo dell’Ai. Ovviamente è importante, ma bisogna sempre avere chiaro il livello di supporto che ci può offrire. L’ufficio studi di un’azienda analizza i dati e le informazioni di un fenomeno con un atteggiamento terzo, per evitare di essere condizionato da bias o preconcetti e studia quindi le implicazioni per l’azienda stessa, la sua fabbrica prodotti, la sua rete di consulenti, il mercato in linea generale. Occorre quindi fare una distinzione tra situation awareness e strategic intelligence. La prima fotografa in maniera scienti fica e fattuale ciò che succede, la seconda studia le sue implicazioni per i soggetti coinvolti. Nella fase di fotografia scienti fica l’Ai dà un supporto importante. Per mette di analizzare una grande quantità di dati, con una capacità di sintesi estrema, ci aiuta nella revisione del materiale, nella stesura dei report, indicandoci gli elementi sui quali focalizzarci. L’Ai, quindi, offre un’organizzazione della rappresentazione dei dati che può essere automatizzata. Discorso diverso se dalla fotografia scientifica, situation awareness, passiamo all’interpretazione delle possibili implicazioni sul modello, alla strategic intelligence: in questa seconda fase l’Ai perde di efficacia. Analizzare il ventaglio delle possibili implicazioni sulla banca richiede riflessioni in gran parte scientifiche, perché frutto di ragionamenti più accademici, ma necessita di una profonda conoscenza dell’azienda e dell’industria che si stratifica negli anni e nelle diverse occasioni di contatto con tutte le anime della banca. Questa stratificazione di informazioni è la conoscenza comune a tutto il team di analisti, è la con dizione di base che permette di interpretare in maniera corretta le implicazioni sul modello. L’ufficio studi è una struttura predittiva, di analisi del mercato che ha una doppia valenza: da un lato fornisce ai banker materiale, paper, presentazioni, analisi che possono essere declinati per l’organizzazione di un evento con i clienti o per arricchire la propria narrativa commerciale, dall’altro lato dialoga con il top management della banca per capire qual è il modello di business più adeguato e in linea con i bisogni dei clienti e dei banker». Ci sono campi o settori nei quali le risposte sono più efficaci? Elena Beccaria (Banca Patrimo ni Sella & C.): «L’universo dei fondi è diventato sempre più ampio, articolato e dinamico. Le opportunità di investimento si sono moltiplicate e, con esse,
la necessità di confrontare strumenti diversi, interpretare contesti di mercato complessi e cogliere rapidamente le implicazioni per i clienti. In un ambiente così articolato, l’intelligenza artificiale rappresenta un alleato prezioso: aiuta ad accelerare la lettura dei dati disponibili, a mantenere una visione chiara e aggiornata dei diversi fattori rilevanti e a supportare il team nell’individuare gli aspetti su cui concentrare l’attenzione. Ciò ci consente di essere più efficaci e tempestivi nella risposta alle esigenze dei colleghi e della rete». Thomas Candolo ( Copernico Sim): «In generale, l’efficacia dell’intelligenza artificiale tende a essere maggiore nei contesti in cui l’informazione è abbondante e prevalentemente testuale, e dove il lavoro consiste nel sintetizzare e organizzare contenuti complessi. In questi casi, può essere particolarmente utile come strumento di supporto, ad esempio nell’analisi macroeconomica e nel commento ai principali dati, nella lettura di comunicazioni societarie o nella raccolta di elementi utili a costruire un quadro settoriale. Al contrario, l’uso dell’Ai richiede maggiore cautela quando si entra in ambiti dove è necessario che la precisione numerica sia assoluta o dove l’output rischia di essere poco preciso, sia per ragioni di affidabilità, sia per esigenze di compliance e controllo del rischio». Jacopo Ceccatelli (Banca Finint): «L’intelligenza artificiale, a nostro pare re, è estremamente utile per identificare con precisione correlazioni complesse e legami tra sottostanti finanziari anche molto differenti e apparentemente distanti. In questo senso, la potenza di calcolo disponibile è uno strumento molto utile per ottenere indicazioni anche in ottica predittiva. Il più delle volte, però, è la combinazione degli output derivanti dall’applicazione dagli algoritmi Ai con la sintesi effettuata dai nostri esperti che permette di raggiungere i risultati più interessanti in termini di capacità analiti ca. Certamente l’utilità e la produttività degli algoritmi Ai ha un legame di forte proporzionalità con la dimensione e la liquidità dei mercati o dei sottostanti finanziari. Da questo punto di vista, mercati Fx, grandi listini azionari e “big cap” sono decisamente favoriti rispetto, per esempio, al molto più frammentato mercato obbligazionario». Davide Elli (Fideuram): «Oggi l’u so dell’Ai risulta particolarmente efficace nelle attività data-intensive: in tal senso è un utilizzo trasversale alle differenti asset class, come analisi di documentazione societaria, in particolare sull’equity, news e dati di mercato, monitoraggio di indicatori e supporto a scenari macro e tematici (in modo particolare sul credito e l’obbligazionario), aggregazione tematica sul multi-asset. In generale, dove la complessità e la quantità di informazioni sono elevate, l’Ai migliora velocità, copertura e qualità del processo, rimanendo sempre human-in-the-loop». Simone Ercolino (Banca Mediolanum): «Diciamo che ci sono state occa sioni in cui l’Ai ci ha facilitati nell’aggregare delle informazioni o nel trovare dei possibili trend. Sicuramente in tutti i sistemi chiusi, quelli con meno variabili casuali. Il sistema chiuso può essere una partita di scacchi, per cui a una mossa corrispondono diverse reazioni dell’avversario, ma le alternative sono un numero finito. In questa combinazione di mosse i computer sono bravissimi, battono l’essere umano. Nel nostro campo, un sistema chiuso è quello in cui si analizzano dati dove i pattern sono più frequenti o facilmente individuabili, con un numero finito di dati certi da cui trarre un responso. In questo sistema l’Ai garantisce una maggiore efficacia. Discorso diverso quando il contesto si apre, come quello di una banca, che ha una sua storia, un mercato di riferimento, prodotti suoi, un andamento caratteristico e sue dinamiche: tutti questi elementi vanno interpretati con la prospettiva della coscienza di sé come istituzione, la stratificazione di conoscenza di cui si parlava poco fa». Avete costruito algoritmi proprietari per sfruttare al meglio questo tipo di tecnologia? Elena Beccaria (Banca Patrimoni Sella & C.): «Per rendere tutto ciò ancora più immediato, abbiamo sviluppato internamente un agente utilizzato all’interno del nostro ufficio e dedicato proprio al supporto nell’analisi dei fondi. È uno
strumento pensato per operare accanto ai nostri fund selector, professionisti con una lunga esperienza e una profonda conoscenza dei mercati. L’agente non prende decisioni e non propone scelte autonome, ma è stato costruito per affiancarci nel lavoro, aiutandoci a tenere insieme in modo più agevole tutti i fattori che contribuiscono alla valutazione di fondi ed Etf. Funziona come un assistente specializzato, calibrato sulle nostre esigenze e sulle logiche della selezione dei fondi, è capace di velocizzare i passaggi preliminari e di lasciare spazio a ciò che davvero conta: l’interpretazione, la comparazione e il giudizio professionale. Il nostro approccio, pur rimanendo fortemente umano e radicato nelle competenze dei nostri specialisti, viene integrato da questi nuovi strumenti, che permettono di rendere ancora più competitivi anche processi già rodati ed efficienti. L’intelligenza artificiale agisce come un vero acceleratore e amplificatore: ci consente di lavorare con maggiore rapidità, precisione e chiarezza, affiancandosi ai professionisti e operando a loro supporto. Il suo contributo è prezioso proprio perché non introduce complessità o rumore, ma aiuta a ridurre il rischio legato a passaggi ripetitivi o potenzialmente soggetti a errore. Il nostro obiettivo è continuare a fornire strumenti moderni e integrarli nei nostri processi per potenziare la qualità delle analisi e permettere di rispondere con ancora maggiore continuità e accuratezza alle esigenze dei nostri clienti per fornire un servizio sempre migliore e completo». Thomas Candolo ( Copernico Sim): «No, non abbiamo costruito algoritmi proprietari basati sull’intelligenza artificiale per sfruttare questa tecno logia in ottica di operatività o gestione automatizzata degli investimenti. La nostra impostazione rimane coerente con un modello in cui l’analisi e le decisioni sono guidate da professionisti e supportate da fonti ufficiali e strumenti consolidati, con processi trasparenti e verificabili. L’Ai può avere un ruolo crescente come tecnologia di supporto al lavoro dell’Ufficio studi, ma sempre all’interno di un framework in cui la supervisione e la responsabilità restano saldamente in capo al team di analisti». Jacopo Ceccatelli (Banca Finint): «Nell’attività di ufficio studi, come già accennato, l’utilizzo di Ai è soprattutto legato alla raccolta di dati e informazioni e al monitoraggio di correlazioni e legami tra i vari sottostanti. Su queste due abbiamo sviluppato metodologie proprietarie per ottimizzare e sfruttare al meglio le potenzialità degli algoritmi di intelligenza artificiale». Davide Elli (Fideuram): «Quanto alla tecnologia, operiamo con un approccio strutturato: utilizziamo piattaforme di mercato come Aladdin, Bloomberg, integrando componenti e strumenti di Ai (ad esempio, Copilot) in specifiche fasi operative e di analisi». Simone Ercolino (Banca Mediolanum): «Da un’analisi massiva dei dati, sia interni, sia esterni, attraverso l’utilizzo anche pioneristico di strumenti Ai-based, abbiamo sviluppato alcuni algoritmi proprietari, nostri, predittivi, che ci permettono di fare delle proiezioni sulle reazioni dei clienti in determinate condizioni. L’interpretazione del comportamento degli investitori ci permette di anticipare e quindi gestire al meglio i loro bisogni futuri, con un evidente vantaggio competitivo. Ci basiamo sull’applicazione di modelli, frutto dell’analisi di reazioni osservate all’esterno, che ci permettono di confrontare le decisioni dei nostri clienti con nuclei simili in contesti simili. Anche in questo campo, per tanto, l’utilizzo delle opportunità offerte dall’artificial intelligence già costituisce, e sempre di più sarà, un elemento centrale della nostra attività di analisi».
THOMAS CANDOLO capo dell’Ufficio studi Copernico Sim «L’Ai è una tecnologia che seguiamo
con grande attenzione, perché può rappresentare un supporto utile soprattutto sul piano dell’efficienza: può velocizzare la lettura e l’organizzazione di grandi volumi di informazioni, aiutare a sintetizzare documenti complessi e facilitare la strutturazione di contenuti informativi, riducendo i tempi necessari per la fase preliminare di ricerca. L’impatto sui nostri report, quindi, non è la sostituzione dell’analisi umana, ma la capacità di renderla più rapida»
JACOPO CECCATELLI responsabile del Centro studi Banca Finint “The Lighthouse”
«L’intelligenza artificiale sta assumendo un ruolo sempre più rilevante nell’attività dell’ufficio studi, prevalentemente nella fase di raccolta dati e di impostazione generale dei contenuti. Meno rilevante, almeno per il momento, nel nostro modello è il ruolo ricoperto dall’intelligenza artificiale nella redazione delle sezioni più complesse dei contenuti di ricerca: i report di approfondimento e le analisi»
DAVIDE ELLI condirettore generale e responsabile dell’Investment center Fideuram – Ispb
«L’intelligenza artificiale è integrata a supporto trasversale dei team macro, degli strategist e delle analisi sulle asset class. Il contributo principale sta nella capacità di gestire e filtrare un volume informativo in continua crescita, accelerando così l’attività di analisi, di sintesi e di classificazione delle fonti, ad esempio durante le reporting season, nella lettura e nell’analisi di documentazione societaria, nel sintetizzare il materiale di ricerca»
ELENA BECCARIA responsabile ufficio analisi per la consulenza Banca Patrimoni Sella & C
«L’universo dei fondi è diventato sempre più ampio, articolato e dinamico. Le opportunità di investimento si sono moltiplicate e, con esse, la necessità di confrontare strumenti diversi, interpretare contesti di mercato complessi e cogliere rapidamente le implicazioni per i clienti. In un ambiente così articolato, l’intelligenza artificiale rappresenta un alleato prezioso»
SIMONE ERCOLINO responsabile market e business intelligence Banca Mediolanum «Abbiamo sviluppato alcuni algoritmi proprietari, nostri, predittivi, che ci permettono di fare delle proiezioni sulle reazioni dei clienti in determinate condizioni. L’interpretazione del comportamento dei nostri clienti, ci permette di anticipare e quindi gestire al meglio i loro bisogni futuri, con un evidente vantaggio competitivo»
