Ascolta la versione audio di questo articolo (generata da IA).
Esiste una convinzione che accompagna da anni il dibattito sull’innovazione finanziaria: più dati significano decisioni migliori.
È una convinzione comprensibile.
Ogni progresso tecnologico degli ultimi decenni ha ampliato la capacità di raccogliere informazioni, elaborarle in tempo reale e trasformarle in modelli previsionali sempre più sofisticati. L’intelligenza artificiale, il machine learning e i sistemi di analisi predittiva rappresentano oggi il punto più avanzato di questa evoluzione.
Eppure esiste un rischio culturale di cui si parla ancora troppo poco.
Confondere l’aumento della quantità delle informazioni con l’aumento della conoscenza.
Sono due concetti profondamente diversi.
Un dato non coincide con un’informazione.
Un’informazione non coincide con una comprensione.
Una comprensione non coincide con una decisione.
Tra ciascuno di questi passaggi esiste uno spazio invisibile che nessun algoritmo può colmare autonomamente: l’interpretazione.
È qui che si gioca una delle sfide più importanti del credito contemporaneo.
L’illusione dell’oggettività
La statistica possiede un fascino particolare.
Un numero sembra parlare da solo.
Una percentuale appare neutrale.
Un indice restituisce l’impressione di una realtà misurata con precisione matematica.
Ma ogni numero nasce da una scelta.
Qualcuno decide quali fenomeni osservare.
Qualcuno sceglie quali variabili considerare rilevanti.
Qualcuno stabilisce quale popolazione analizzare.
Qualcuno definisce il periodo temporale da confrontare.
Perfino il dato più rigoroso rappresenta già una selezione della realtà.
L’oggettività non consiste nell’assenza di interpretazione.
Consiste nella trasparenza del metodo con cui quella interpretazione viene costruita.
È una differenza sostanziale.
L’ecologia del dato
Ogni dato vive all’interno di un ecosistema.
Come un organismo biologico non può essere compreso fuori dal proprio ambiente naturale, anche un indicatore economico perde parte del proprio significato quando viene isolato dal contesto che lo ha generato.
Una probabilità di insolvenza non racconta soltanto una persona.
Racconta una popolazione.
Racconta un periodo storico.
Racconta un ciclo economico.
Racconta una determinata politica creditizia.
Racconta persino le scelte metodologiche del modello che l’ha prodotta.
Estrarre quel numero dal suo ecosistema significa impoverirne il significato.
Questa potrebbe essere definita ecologia del dato.
Non una nuova disciplina tecnica.
Piuttosto una diversa cultura dell’interpretazione.
Una cultura capace di ricordare che nessun indicatore possiede valore assoluto.
Ogni numero acquisisce significato soltanto attraverso le relazioni che lo collegano agli altri fenomeni.
La differenza tra prevedere e comprendere
L’intelligenza artificiale diventerà sempre più efficace nel prevedere.
Su questo esistono pochi dubbi.
I modelli saranno progressivamente migliori nell’identificare correlazioni, stimare probabilità e individuare anomalie.
Ma prevedere non significa comprendere.
Una previsione può risultare estremamente accurata senza spiegare realmente il motivo per cui un fenomeno si verifica.
È la differenza tra sapere che cosa probabilmente accadrà e comprendere perché potrebbe accadere.
Nel credito questa distinzione assume un valore strategico.
Una probabilità di default rappresenta una previsione.
Una politica del credito richiede invece anche una comprensione delle conseguenze economiche, sociali e territoriali delle decisioni che quella previsione produrrà.
È un livello diverso di responsabilità.
Il territorio come variabile invisibile
Esiste poi una dimensione che raramente compare nelle grandi banche dati.
La qualità delle relazioni.
Le trasformazioni economiche locali.
Le dinamiche sociali.
I cambiamenti culturali.
Le reti di fiducia.
Sono variabili difficili da trasformare in numeri.
Non per questo risultano irrilevanti.
Al contrario.
Molti dei segnali che anticipano le grandi trasformazioni economiche nascono proprio nei territori, quando ancora non sono diventati statisticamente evidenti.
Sono fenomeni che difficilmente emergono osservando esclusivamente i dati consolidati.
Richiedono presenza.
Ascolto.
Confronto.
Capacità di leggere ciò che ancora non compare nei report.
Dall’intelligenza artificiale all’intelligenza interpretativa
Il dibattito pubblico si concentra quasi esclusivamente sull’evoluzione dell’intelligenza artificiale.
Forse la vera sfida del prossimo decennio sarà un’altra.
Sviluppare quella che potrebbe essere definita intelligenza interpretativa.
La capacità di integrare modelli matematici, osservazione della realtà, conoscenza economica e comprensione dei comportamenti umani.
L’innovazione non consisterà nello scegliere tra uomo e algoritmo.
Consisterà nel comprendere quale domanda affidare all’uno e quale all’altro.
Gli algoritmi eccellono nell’analisi.
Le persone rimangono insostituibili nell’attribuzione di significato.
Il credito come responsabilità culturale
Ridurre il credito a un insieme di indicatori significa dimenticare la sua natura più profonda.
Ogni decisione creditizia produce conseguenze.
Influenza investimenti.
Condiziona opportunità.
Modifica traiettorie imprenditoriali.
Determina possibilità di crescita.
Per questo motivo interpretare correttamente un dato non rappresenta soltanto una competenza tecnica.
Diventa una responsabilità culturale.
Il futuro del credito non dipenderà esclusivamente dalla qualità dei modelli matematici.
Dipenderà dalla capacità di costruire una nuova cultura dell’interpretazione.
Una cultura nella quale il dato continui a rappresentare il punto di partenza, senza mai essere confuso con il punto di arrivo.
Perché la vera innovazione non nascerà dal possedere più numeri.
Nascerà dalla capacità di comprenderli meglio.
E, soprattutto, dalla consapevolezza che ogni decisione realmente intelligente inizia sempre con una domanda che nessun algoritmo può formulare da solo.
Stefano Giuntoli
