Come l'intelligenza artificiale sta sconvolgendo la finanza

Sintesi

Tecnologia generica è un termine che gli economisti riservano alle tecnologie che stimolano la crescita economica prolungata e i progressi della società, rivoluzionando allo stesso modo le operazioni delle famiglie e delle società. Un esempio di tecnologia generica è l'elettricità. L'elettricità ha generato una moltitudine di prodotti e settori, inclusi frigoriferi, lavatrici, treni e, naturalmente, computer. L'avvento dell'elettricità ha trasformato radicalmente il mondo.

Un recente articolo dell'Harvard Business Review indica l'intelligenza artificiale (AI) come la più importante tecnologia generica della nostra era . Conosciamo la potenza dell'IA. Si manifesta sotto forma di un robot che sconfigge un giocatore di scacchi di fama mondiale. Un'auto che può parcheggiare parallelamente. Dispositivi che rispondono con il tempo di domani quando lo chiediamo. Ma gran parte del nostro contatto e comprensione dell'IA ruota attorno a prodotti che influenzano la nostra vita quotidiana di consumatori. A livello organizzativo, c'è una domanda più ampia su come l'IA interromperà i settori e, in particolare, come i servizi finanziari sfrutteranno l'IA.

Il seguente articolo definirà l'intelligenza artificiale, la sfera delle sue tecnologie correlate, le dimensioni dell'industria dell'intelligenza artificiale in generale e le applicazioni dell'intelligenza artificiale nella finanza. Questo pezzo non intende fornire un giudizio normativo sullo sviluppo dell'IA; piuttosto, si concentrerà su come l'IA sta sconvolgendo la finanza.

Intelligenza artificiale: cos'è l'IA?

L'intelligenza artificiale è un'area dell'informatica focalizzata sulla creazione di macchine intelligenti che funzionano come gli esseri umani. I computer con intelligenza artificiale sono progettati per svolgere funzioni umane tra cui l'apprendimento, il processo decisionale, la pianificazione e il riconoscimento vocale.

L'intelligenza artificiale consente alle macchine di migliorare continuamente le proprie prestazioni senza che gli esseri umani forniscano istruzioni prescrittive su come farlo. Questo è significativo per un paio di ragioni. In primo luogo, gli esseri umani sanno più di quanto siamo in grado di dire. Cioè, gli esseri umani possono essere in grado di riconoscere una faccia o eseguire una strategia intelligente in una partita a scacchi. Tuttavia, prima della tecnologia avanzata di intelligenza artificiale, l'incapacità degli esseri umani di articolare le nostre conoscenze significava che non potevamo automatizzare molte attività. In secondo luogo, la tecnologia AI è sovrumana in esecuzione, operando più rapidamente e spesso con maggiore precisione rispetto agli umani.

Tecnologie di intelligenza artificiale

L'intelligenza artificiale comprende una moltitudine di capacità e tecnologie. La società di consulenza PWC ribadisce che l'IA “non è un'area tematica monolitica. Comprende una serie di cose che si aggiungono alla nostra nozione di cosa significhi essere "intelligenti". Di seguito sono elencate alcune delle aree più popolari dell'IA:

• L' apprendimento automatico è un metodo di analisi dei dati che automatizza la creazione di modelli analitici. Utilizzando algoritmi che apprendono in modo iterativo dai dati, l'apprendimento automatico consente ai computer di trovare informazioni nascoste senza essere programmati in modo esplicito su dove cercare.
• Il deep learning è un sottoinsieme del machine learning. Ha facilitato il riconoscimento degli oggetti nelle immagini, l'etichettatura dei video e il riconoscimento delle attività e sta facendo progressi nella percezione (inclusi audio e voce). Ad esempio, l'applicazione di deep learning di Facebook DeepFace è stata addestrata per riconoscere le persone nelle foto. Molti fanno il confronto tra la tecnologia di deep learning e la biologia, ma gli esperti generalmente concordano sul fatto che, sebbene sia ispirato dal cervello umano, non è necessariamente modellato su di esso.
• L'elaborazione del linguaggio naturale è la capacità di un programma per computer di comprendere il linguaggio umano in tempo reale. La ricerca e lo sviluppo si sta orientando verso sistemi capaci di interagire con le persone attraverso il dialogo, non solo di reagire a richieste stilizzate.
• Internet of Things (IoT) è dedicato all'idea che un'ampia gamma di dispositivi, inclusi elettrodomestici, veicoli ed edifici possono essere interconnessi. Ad esempio, se la sveglia suona alle 7:00, potrebbe avvisare automaticamente la tua macchina del caffè di iniziare a preparare il caffè per te. Anche le tecnologie indossabili che fungono da sensori quando indossate fanno parte di questa tendenza più ampia.

Naturalmente, questo elenco non è completo. Vedi sotto per una più ampia gamma di argomenti e tecnologie di intelligenza artificiale.

Dimensioni del mercato dell'intelligenza artificiale

Il summenzionato articolo della Harvard Business Review prevede che "Gli effetti dell'IA saranno amplificati nel prossimo decennio, man mano che produzione, vendita al dettaglio, trasporti, finanza, assistenza sanitaria, legge, pubblicità, assicurazioni, intrattenimento, istruzione e praticamente ogni altro settore trasformeranno il loro processi core e modelli di business per sfruttare l'apprendimento automatico. Il collo di bottiglia è nella gestione, nell'implementazione e nell'immaginazione aziendale".

Si prevede che l'adozione diffusa dell'IA in tutti i settori produrrà ricavi globali di $ 12,5 miliardi nel 2017 e $ 47 miliardi nel 2020 con un tasso di crescita annuale composto (CAGR) del 55,1% dal 2016 al 2020. Nello specifico, i settori che investiranno di più in le tecnologie sono banche e vendita al dettaglio, seguite da assistenza sanitaria e manifatturiera. Complessivamente, questi quattro settori comprenderanno oltre la metà dei ricavi globali dell'IA nel 2016, con i settori bancario e retail ciascuno con quasi 1,5 miliardi di dollari.

In tutti i settori, i maggiori investimenti nell'IA nel 2017 riguarderanno aree quali agenti automatizzati del servizio clienti, intelligence automatizzata sulle minacce e analisi delle frodi (vedi grafico sotto). Secondo Jessica Goepfert, direttrice del programma presso la società di ricerche di mercato IDC, “Le opportunità a breve termine per i sistemi cognitivi sono in settori come quello bancario, dei titoli, degli investimenti e della produzione. In questi segmenti troviamo una grande quantità di dati non strutturati, il desiderio di sfruttare le intuizioni di queste informazioni e un'apertura alle tecnologie innovative". La prossima sezione di questo articolo approfondirà i vari casi d'uso dell'intelligenza artificiale nel settore dei servizi finanziari.

Applicazioni presenti e future dell'intelligenza artificiale in finanza

L'intelligenza artificiale nel settore finanziario potrebbe favorire l'efficienza operativa in aree che vanno dalla gestione del rischio e dal trading alla sottoscrizione e ai sinistri. Mentre alcune applicazioni sono più rilevanti per settori specifici all'interno dei servizi finanziari, altre possono essere sfruttate su tutta la linea.

Intelligenza artificiale in finanza: gestione del rischio

L'intelligenza artificiale si è dimostrata estremamente preziosa quando si tratta di sicurezza e rilevamento delle frodi. I metodi tradizionali di rilevamento delle frodi includono computer che analizzano dati strutturati rispetto a una serie di regole. Ad esempio, una determinata società di pagamenti potrebbe fissare una soglia per i bonifici a $ 15.000 in modo che qualsiasi transazione superiore a tale importo venga segnalata per ulteriori indagini. Tuttavia, questo tipo di analisi produce molti falsi positivi e richiede molti sforzi aggiuntivi. Forse ancora più significativamente, i truffatori della criminalità informatica cambiano spesso le loro tattiche. Pertanto, i sistemi più efficaci devono diventare continuamente più intelligenti.

Con algoritmi di apprendimento avanzati, come quelli del deep learning, è possibile aggiungere nuove funzionalità al sistema per l'adeguamento dinamico. Secondo Samir Hans, consulente principale di Deloitte Transactions and Business Analytics LLP, "Con l'analisi cognitiva, i modelli di rilevamento delle frodi possono diventare più solidi e accurati. Se un sistema cognitivo elimina qualcosa che determina come potenziale frode e un essere umano determina che non è una frode a causa di X, Y e Z, il computer impara da quelle intuizioni umane e la prossima volta non invierà un rilevamento simile a modo tuo . Il computer sta diventando sempre più intelligente".

Il successo di PayPal con l'intelligenza artificiale e il rilevamento delle frodi

Prendi ad esempio il gigante dei pagamenti PayPal e i suoi protocolli avanzati di frode. Grazie alle sue dimensioni e visibilità, PayPal "ha un obiettivo enorme sulla schiena". Ha elaborato $ 235 miliardi nel 2015 da quattro milioni di transazioni dei suoi 170 milioni di clienti. Tuttavia, PayPal è stato in grado di aumentare la sicurezza sfruttando la tecnologia di deep learning. In effetti, la frode di PayPal è relativamente bassa allo 0,32% delle entrate, una cifra di gran lunga migliore della media dell'1,32% che vedono i commercianti.

In passato, PayPal utilizzava modelli semplici e lineari. Oggi, i suoi algoritmi estraggono i dati dalla cronologia degli acquisti di un cliente ed esaminano i modelli di probabili frodi archiviati nei suoi database in crescita. Mentre un modello lineare può consumare 20-30 variabili, la tecnologia di deep learning può comandare migliaia di punti dati. Queste funzionalità avanzate aiutano PayPal a distinguere le transazioni innocenti da quelle sospette. Secondo Hui Wang, Senior Director di Global Risk Sciences di PayPal, "Ciò che ci piace dell'apprendimento automatico più moderno e avanzato è la sua capacità di consumare molti più dati, gestire livelli e livelli di astrazione ed essere in grado di" vedere "le cose [...] ] anche gli esseri umani potrebbero non essere in grado di vedere”.

Intelligenza Artificiale in Finanza: Trading

Transizione dai modelli costruiti dall'uomo alla vera IA

Per anni, le società di gestione degli investimenti si sono affidate ai computer per effettuare operazioni. Circa 1.360 hedge fund, che rappresentano il 9% di tutti i fondi, si basano su grandi modelli statistici costruiti da data scientist spesso titolari di dottorati di ricerca in matematica (altrimenti noti come "quants"). Tuttavia, questi modelli utilizzano solo dati storici, sono spesso statici, richiedono l'intervento umano e non funzionano altrettanto bene quando il mercato cambia. Di conseguenza, i fondi stanno migrando sempre più verso veri modelli di intelligenza artificiale in grado non solo di analizzare grandi volumi di dati, ma anche di continuare a migliorarsi.

Queste nuove tecnologie utilizzano tecniche complesse tra cui l'apprendimento profondo, una forma di apprendimento automatico chiamata reti bayesiane e il calcolo evolutivo, che si ispira alla genetica. I software di trading AI possono assorbire enormi volumi di dati per conoscere il mondo e fare previsioni sul mercato finanziario. Per comprendere le tendenze globali, possono consumare di tutto, da libri, tweet, notizie, dati finanziari, numeri di guadagni e politica monetaria internazionale a sketch di Saturday Night Live.

Per essere chiari, quanto sopra è distinto dal trading ad alta frequenza (HFT), che consente ai trader di eseguire milioni di ordini e scansionare più mercati in pochi secondi, rispondendo alle opportunità in modi che gli esseri umani semplicemente non possono. Le piattaforme basate sull'intelligenza artificiale discusse sopra stanno cercando i migliori scambi a lungo termine e le macchine, non gli esseri umani, stanno dettando la strategia.

Alcuni di questi sistemi di trading AI sono sviluppati da startup. Ad esempio, Aidiya, con sede a Hong Kong, è un hedge fund completamente autonomo che effettua tutte le sue operazioni di borsa utilizzando l'intelligenza artificiale (AI). "Se moriamo tutti", afferma il co-fondatore Ben Goertzel, "continuerebbe a fare trading". Anche le istituzioni tradizionali sono interessate alla tecnologia di trading AI. Nel 2014, Goldman Sachs ha guidato il round di finanziamento della serie A e ha iniziato a installare una piattaforma di trading AI chiamata Kensho. Per il round di serie B di Kensho, oltre a S&P Global, hanno partecipato anche le sei banche più grandi di Wall Street (Goldman Sachs, JPMorgan Chase, Bank of America Merrill Lynch, Morgan Stanley, Citigroup e Wells Fargo).

Confronto delle prestazioni di trading

Un recente studio condotto dalla società di ricerca sugli investimenti Eurekahedge ha monitorato la performance di 23 hedge fund che utilizzano l'IA dal 2010 al 2016, scoprendo che hanno sovraperformato quelli gestiti da quants più tradizionali e hedge fund generalizzati.

Implicazioni per i trader e Quants

Sarà interessante osservare come l'IA avrà un impatto sul mercato del lavoro commerciale. I suoi effetti sono già evidenti in alcuni importanti istituti bancari. Nel 2000, il banco di negoziazione di azioni in contanti negli Stati Uniti di Goldman Sach nella sua sede di New York impiegava 600 trader che acquistavano e vendevano azioni. Oggi ha due trader azionari, con le macchine che fanno il resto. Daniel Nadler, CEO di Kensho, dichiara: "Tra 10 anni, Goldman Sachs sarà notevolmente inferiore per numero di dipendenti rispetto a oggi". E per quanto riguarda i quant, potrebbero scoprire che le loro competenze sono meno richieste dalle società di gestione degli investimenti.

Attualmente, circa un terzo dei laureati dei migliori programmi aziendali alimenta la finanza. Dove si trasferirebbero alcuni dei migliori talenti della nazione? Mark Minevich, consulente senior del Council on Competitiveness degli Stati Uniti, ritiene che "alcune di queste persone intelligenti si sposteranno in startup tecnologiche o aiuteranno a sviluppare più piattaforme di intelligenza artificiale, automobili a guida autonoma o tecnologia energetica […] New York potrebbe competere con Silicon Valle nella tecnologia."

Intelligenza Artificiale in Finanza: Robo-Advisory

Che cos'è un Robo-Advisor e come funziona?

I robo-advisor sono piattaforme digitali che forniscono servizi di pianificazione finanziaria automatizzati e basati su algoritmi con una supervisione umana minima. Mentre i gestori finanziari umani hanno utilizzato l'allocazione automatizzata del portafoglio dall'inizio degli anni 2000, gli investitori hanno dovuto assumere consulenti per trarre vantaggio dalla tecnologia. Oggi i robo-advisor consentono ai clienti l'accesso diretto al servizio. A differenza delle loro controparti umane, i robo-advisor monitorano i mercati senza sosta e sono disponibili 24 ore su 24, 7 giorni su 7. I robo-advisor possono anche offrire agli investitori fino al 70% di risparmio sui costi e in genere richiedono un minimo o un minimo per partecipare.

Oggi, i robo-advisor possono aiutare con le attività più ripetitive come l'apertura di account e il trasferimento di asset. Il processo prevede tipicamente che i clienti rispondano a semplici questionari sulla propensione al rischio o sui fattori di liquidità, che i robo-advisor traducono poi in una logica di investimento. La maggior parte degli attuali robo-advisor mira ad allocare i propri clienti a portafogli di ETF gestiti in base alle loro preferenze. Si prevede che le capacità in futuro si evolveranno in offerte più avanzate come il trasferimento automatico delle risorse e una copertura ampliata su classi di attività alternative come il settore immobiliare.

Il robo-advisory può avere un impatto importante sui settori della finanza personale e della gestione patrimoniale. Mentre gli attuali asset under management (AUM) dei robo-advisor rappresentano solo $ 10 miliardi dei $ 4 trilioni del settore della gestione patrimoniale (meno dell'1% di tutti gli asset gestiti), uno studio di Business Insider stima che questa cifra salirà al 10% entro il 2020 Ciò equivale a circa $ 8 trilioni di AUM.

Adozione da parte del settore di Robo-Advice

Gli attori del settore hanno adottato vari approcci alla robo-advisory. Le società di gestione patrimoniale più piccole stanno aggiungendo componenti algoritmici per automatizzare la gestione degli investimenti, ridurre costi/commissioni e competere con i robo-advisor. D'altra parte, società di investimento affermate stanno acquistando robo-advisor esistenti, come l'acquisizione di Jemstep da parte di Invesco, o creando le proprie soluzioni di robo-advisor, come FidelityGo e Intelligent Advisory di Schwab.

Robo-advisor vs. consulenti finanziari: gli esseri umani saranno sostituiti?

Il consenso generale tra gli esperti è che gli esseri umani rimarranno indispensabili. Il tocco umano rimarrà fondamentale, poiché i consulenti dovranno comunque rassicurare i clienti durante periodi finanziari difficili e convincerli con soluzioni utili. Uno studio condotto dalla società di consulenza Accenture ha rivelato che il 77% dei clienti di gestione patrimoniale si fida dei propri consulenti finanziari, mentre l'81% indica che l'interazione faccia a faccia è importante. Per i clienti con decisioni di investimento complesse, sta prendendo piede il modello di consulenza ibrida, che accoppia servizi informatici con consulenti umani.

Mentre i consulenti finanziari rimarranno al centro, i robo-advisor possono causare cambiamenti nelle loro responsabilità lavorative. Con l'intelligenza artificiale che gestisce attività ripetitive, i gestori degli investimenti potrebbero assumersi le responsabilità di un data scientist o di un ingegnere, come la manutenzione del sistema. Gli esseri umani possono anche concentrarsi maggiormente sulla costruzione della relazione con il cliente e sulla spiegazione delle decisioni prese dalla macchina.

Intelligenza artificiale in finanza: assicurazioni e reclami

L'assicurazione si basa sull'equilibrio del rischio tra i gruppi di persone; gli assicuratori raggruppano persone simili e alcune persone richiederanno pagamenti mentre altre no. Il settore è costruito attorno alla valutazione del rischio; le compagnie di assicurazione non sono estranee all'analisi dei dati. Tuttavia, l'IA può espandere la quantità di dati analizzati e le modalità di utilizzo, ottenendo prezzi più accurati e altre efficienze operative.

Le startup sono in prima linea nel portare avanti il ​​settore. Secondo Henrik Naujoks, partner di Bain & Co, “Le start-up stanno mostrando cosa è possibile e cosa si può fare. Molti dirigenti in carica lo stanno esaminando: non lo capiscono davvero, ma vogliono essere coinvolti". Anche gli investitori hanno colto questa tendenza (vedi sotto). Nel 2016, l'IA è stato uno dei temi più popolari per gli investimenti in tecnologia assicurativa.

Intelligenza artificiale e sottoscrizione

Un rapporto PWC prevede che l'IA automatizzerà una notevole quantità di sottoscrizioni entro il 2020, specialmente nei mercati maturi in cui i dati sono disponibili. Attualmente, un assicuratore, con l'aiuto di software per computer e modelli attuariali, valuta il rischio e le esposizioni dei potenziali clienti, quanta copertura dovrebbero ricevere e quanto dovrebbero essere addebitati per questo. A breve termine, l'IA può aiutare ad automatizzare grandi volumi di sottoscrizione di assicurazioni auto, casa, commerciali, sulla vita e di gruppo. In futuro, l'IA migliorerà la modellazione, mettendo in evidenza considerazioni chiave per i decisori umani che altrimenti sarebbero passate inosservate. Si prevede inoltre che l'IA avanzata consentirà una sottoscrizione personalizzata da parte dell'azienda o dell'individuo, tenendo conto di comportamenti e circostanze unici.

Una migliore sottoscrizione può sfruttare non solo l'apprendimento automatico per il data mining, ma anche la tecnologia indossabile e gli analizzatori facciali di deep learning. Ad esempio, Lapetus, una startup, vuole utilizzare i selfie per prevedere con precisione l'aspettativa di vita. Nel modello proposto, i clienti invieranno via e-mail i loro autoritratti, che i computer eseguiranno quindi la scansione e l'analisi, analizzando migliaia di regioni del viso. L'analisi prenderebbe in considerazione tutto, dai dati demografici di base alla velocità con cui la persona invecchierà, il suo indice di massa corporea e se fuma. Inoltre, la tecnologia indossabile potrebbe rendere il processo di sottoscrizione più collaborativo. Invece di fare affidamento su lunghi controlli medici e complicati processi contrattuali, i dispositivi indossabili possono fornire informazioni in tempo reale sulla salute e sul comportamento degli assicurati. Chiaramente, l'apprendimento automatico in finanza è già in evoluzione.

Questi tipi di analisi del rischio sfumate e in tempo reale consentiranno non solo una determinazione del prezzo più accurata per i clienti, ma anche un'individuazione precoce dei rischi per la salute e un'opportunità per le compagnie assicurative di investire nella prevenzione. Invece di pagare alla fine i costosi trattamenti per il paziente, le compagnie assicurative possono cercare in modo proattivo di ridurre la probabilità di danni e i costi associati.

In uno studio di Oxford del 2013 che ha analizzato oltre 700 professioni per determinare quali erano più suscettibili all'informatizzazione, gli assicuratori sono stati inclusi tra i primi cinque più suscettibili. Anche se l'IA non sostituisce completamente un sottoscrittore, l'automazione dell'IA può alterare le responsabilità di un sottoscrittore. L'intelligenza artificiale può liberare tempo per un assicuratore per un maggiore valore aggiunto, come la valutazione e il prezzo dei rischi nei mercati emergenti meno ricchi di dati, fornendo una maggiore gestione del rischio e feedback sullo sviluppo del prodotto.

Intelligenza artificiale e reclami assicurativi

I reclami assicurativi sono richieste formali di pagamento inviate alle compagnie di assicurazione. Le compagnie di assicurazione quindi riesaminano la richiesta di validità e pagano all'assicurato una volta approvata. Ecco come l'intelligenza artificiale può migliorare il processo:

Migliore accuratezza dei dati dei clienti. Il processo di reclamo è abbastanza manuale: gli agenti umani registrano manualmente le informazioni sui clienti e i dettagli dell'incidente. Secondo un rapporto di Experian, la qualità dei dati può risentirne: i dati incompleti rappresentano il 55% degli errori di dati, mentre gli errori di battitura costituiscono il 32%. L'IA può migliorare la precisione riducendo l'input manuale. Inoltre, i processi di sinistro spesso richiedono agli agenti assicurativi di abbinare le informazioni sui clienti a numerosi database. L'IA può essere utilizzata per farlo in modo più efficiente.

Consigli di pagamento più rapidi. Secondo uno studio sulla soddisfazione dei reclami immobiliari di JD Power & Associates, i tempi lenti del ciclo dei reclami sono uno dei maggiori fattori che contribuiscono all'insoddisfazione dei clienti. L'intelligenza artificiale può aiutare a ridurre i tempi di consegna convalidando prima la politica, quindi determinando i reclami e se automatizzare il pagamento. Questo perché l'IA ha la capacità di analizzare non solo dati strutturati, ma anche dati non strutturati come moduli e certificati scritti a mano.

Intelligenza artificiale in finanza: banca conversazionale e servizio clienti

Le banche stanno facendo grandi scommesse con i loro assistenti virtuali rivolti ai clienti, noti come chatbot. Mentre le prime versioni dei chatbot saranno in grado di rispondere solo a domande di base sui limiti di spesa e sulle transazioni recenti, le versioni future dovrebbero diventare assistenti virtuali a servizio completo in grado di effettuare pagamenti e tenere traccia dei budget per i consumatori. Il coinvolgimento con i clienti può tradursi in significativi risparmi sui costi, ma anche le interazioni umane sono indubbiamente più complesse del semplice scricchiolio dei numeri. I critici sottolineano la mancanza di empatia e comprensione dei chatbot, di cui gli esseri umani potrebbero aver bisogno quando devono affrontare decisioni e situazioni finanziarie difficili. Per questa tecnologia, la tecnologia AI dell'elaborazione del linguaggio naturale sarà essenziale per elaborare e rispondere alle preoccupazioni e ai desideri personalizzati dei clienti.

Nell'ottobre 2016, sia Bank of America che MasterCard hanno presentato i loro chatbot, rispettivamente Erica e Kai. Ciò consentirà ai clienti di porre domande sui propri account, avviare transazioni e ricevere consigli tramite Facebook Messenger della torre Echo di Amazon.

Capital One ha anche lanciato il proprio chatbot, chiamato "Eno", che è l'anagramma di "One". Eno consente ai clienti di chattare con la banca utilizzando un linguaggio testuale per pagare le bollette e recuperare le informazioni sull'account. Anche Barclays sta entrando in azione. Nel descrivere il nuovo chatbot di Bank of America, Michelle Moore, capo del digital banking di Bank of America, ha dichiarato: “Cosa sarà il settore bancario tra due, tre o quattro anni? Sarà questo".

Pensieri di separazione

Il pieno impatto dell'intelligenza artificiale nei servizi finanziari è da vedere. Alcuni futuristi hanno affermato che il mondo si sta rapidamente avvicinando a un punto di svolta, coniato "singolarità", in cui l'intelligenza artificiale supererà l'intelligenza umana. Famosi tecnologi e scienziati, tra cui Bill Gates e Stephen Hawking, hanno messo in guardia su questo punto. Elon Musk ha anche notoriamente esortato: "L'IA è un rischio esistenziale fondamentale per la civiltà umana e non credo che le persone lo apprezzino appieno".

Poiché l'IA continua a proliferare nelle nostre vite personali e professionali, molti problemi continueranno a emergere. Questi includono la possibilità di errori, un sentimento generale di sfiducia nei confronti delle macchine e preoccupazioni per la sostituzione del lavoro. Sarebbe un errore ignorare queste paure. Tuttavia, la società è già su un percorso accelerato verso un mondo guidato dall'intelligenza artificiale. In questo nuovo mondo, potrebbe essere molto produttivo concentrarsi su come le macchine e gli esseri umani possono coesistere al meglio. Sarà importante che i responsabili politici rimangano cauti, consentendo lo sviluppo di nuove tecnologie monitorando e riducendo al minimo le loro conseguenze negative. Sviluppatori e progettisti dovrebbero anche migliorare la capacità degli esseri umani di comprendere i sistemi di intelligenza artificiale per creare fiducia e aumentare la soddisfazione con le applicazioni di intelligenza artificiale. Ognuno avrà un ruolo da svolgere.

Come ha affermato Haruhiko Kuroda, Governatore della Banca del Giappone in una conferenza del 2017 sull'intelligenza artificiale e sui servizi finanziari, "È essenziale per noi considerare in modo costruttivo i modi desiderabili in cui gli esseri umani e l'IA si integrano, piuttosto che confrontarsi, l'uno con l'altro. Ad esempio, il giudizio umano non è completamente esente dai paradigmi esistenti, e quindi è talvolta negligente nei confronti dei cambiamenti. A questo proposito, l'IA potrebbe aggiustare il nostro bias analizzando in modo neutrale e trovando nuove correlazioni tra una miriade di dati [sic]. Nel frattempo, gli esseri umani potrebbero compensare la debolezza dell'IA con la loro intuizione, buon senso e immaginazione".