L’intelligenza artificiale e l’apprendimento automatico stanno guidando decisioni critiche che hanno un impatto sulle nostre vite e sulla struttura economica della nostra società. Queste complesse tecniche analitiche, alimentate da matematica sofisticata, potenza di calcolo e spesso grandi quantità di dati, sono implementate in una varietà di applicazioni critiche, dal prendere decisioni sanitarie alla valutazione delle domande di lavoro fino alla determinazione dell’idoneità e dei prezzi per assicurazioni e altri servizi finanziari. Il rischio che questi algoritmi facciano previsioni inaffidabili, ingiuste o escludenti è una preoccupazione fondamentale per una varietà di casi d’uso altamente sensibili. Inoltre, solleva interrogativi fondamentali sul fatto che siamo in grado di comprendere e gestire sufficientemente questi modelli nell’immediato e nel lungo termine. Tuttavia, l’intelligenza artificiale e l’apprendimento automatico, se attentamente supervisionati e implementati con dati rappresentativi, hanno anche il potenziale per aumentare l’accuratezza e l’equità rispetto ai modelli attuali, identificando relazioni di dati che i modelli attuali non sono in grado di rilevare. L’utilizzo di tecniche di intelligenza artificiale e di machine learning in modo da realizzare i vantaggi e mitigare i rischi dipende da come vengono scelte, implementate, governate e regolamentate. I servizi finanziari sono un caso di studio importante, sia per il ruolo svolto dal credito e da altri servizi finanziari nella creazione di ricchezza e nella mobilità economica, sia perché quel settore dispone già di quadri normativi e di governance relativamente solidi per la gestione dell’equità, dell’affidabilità e della trasparenza del modello. Ci sono tuttavia importanti domande sul fatto che tali framework debbano evolversi per calibrarsi sui potenziali benefici e rischi dell’adozione dell’IA e del ML.
approfondisci (e scarica il report) su Brookings: AI for good: Research insights from financial services
