Tra qualche mese, la tua banca potrebbe sapere che stai acquistando una casa prima di presentare una richiesta di mutuo.
Potrebbe consigliare un’assicurazione sulla casa nel momento in cui si completa l’acquisto, segnalare i primi segnali di stress finanziario prima di perdere il rimborso del prestito e individuare transazioni sospette entro pochi secondi dal verificarsi di una frode.
Questo è il futuro verso cui le aziende tecnologiche e le società finanziarie stanno costruendo sempre più, man mano che l’intelligenza artificiale (AI) passa da progetti pilota sperimentali a operazioni bancarie e assicurative fondamentali.
In Kenya, le banche, gli assicuratori, i fornitori di denaro mobile e le aziende fintech generano già grandi quantità di dati dei clienti, inclusi dettagli di depositi, prelievi e trasferimenti di fondi, abitudini di spesa, tendenze di budget e registrazioni audio delle chiamate al servizio clienti.
Queste aziende lavorano sempre per creare strumenti che le aiutino ad analizzare i pool di dati per ottenere informazioni preziose. Negli ultimi dieci anni, le banche e le Sacco hanno investito molto nei canali digitali, spostando i clienti dagli sportelli bancari tradizionali alle app mobili e alle piattaforme online.
Ma mentre gran parte del dibattito pubblico sull’intelligenza artificiale si è concentrato sull’aumento di efficienza e sull’automazione del lavoro, i dirigenti del settore bancario e assicurativo vedono un premio maggiore nell’intelligence dei dati.
Aziende IT globali come Salesforce, NTT Data, Oracle e Microsoft hanno creato strumenti che utilizzano l’intelligenza artificiale, i dati e l’automazione per ridurre i costi, comprendere meglio i clienti, vendere più prodotti e migliorare il processo decisionale.
“Il vero valore è quando guardiamo effettivamente ai profitti. Come utilizziamo l’intelligenza artificiale per il cross-sell e l’up-sell dei prodotti?” Lauren Wortmann, amministratore delegato dei servizi applicativi di NTT Data per il Medio Oriente e l’Africa, ha detto al Business Daily. “Come utilizziamo l’intelligenza artificiale per identificare le inefficienze nel ciclo di vita delle entrate e ottimizzarle?”
Il cross-selling si riferisce all’incoraggiare un cliente esistente ad acquistare prodotti correlati alla sua selezione iniziale, mentre l’up-selling lo incoraggia ad acquistare una versione più costosa dell’articolo che sta già considerando.
Il concetto viene spesso descritto come la “next best action”: utilizza i dati dei clienti e l’analisi predittiva per identificare ciò di cui è più probabile che un cliente abbia bisogno in seguito.
Se un cliente inizia a mostrare segnali associati all’acquisto di una casa, ad esempio, i sistemi di intelligenza artificiale potrebbero consigliare un mutuo, una copertura assicurativa e altri prodotti correlati. Lo stesso principio potrebbe applicarsi ai risparmi, agli investimenti, ai prestiti e alle assicurazioni.
L’ecosistema finanziario altamente interconnesso del Kenya rende tali opportunità attraenti per queste aziende tecnologiche.
I consumatori spostano regolarmente denaro tra banche, piattaforme di denaro mobile, uomini d’affari, assicuratori e applicazioni fintech, creando una complessa rete di interazioni con i clienti.
“Stai accompagnando un cliente attraverso un viaggio connesso che non guarda solo a un singolo ecosistema bancario, ma guarda anche ai partner all’interno di quell’ecosistema, come il denaro mobile”, ha affermato Wortmann.
Anche la capacità di costruire una visione unica del cliente sta attirando l’attenzione poiché gli istituti di credito cercano nuovi modi per gestire il crescente rischio di credito.
Nick Christodoulou, vicepresidente africano di Salesforce, sostiene che la maggior parte degli istituti finanziari dispone già di grandi volumi di informazioni sui clienti ma fatica a utilizzarle.
“La mia banca mi conosce meglio di quanto io conosca me stesso perché ho così tanti punti di contatto diversi con la mia banca e con qualsiasi tipo di organizzazione correlata che si collega alla mia banca”, ha affermato.
“Ciò che manca è la nostra capacità di creare una visione del cliente e di avvicinarci a quel cliente, comprendere il processo di pensiero di quel cliente, ma anche avere abbastanza analisi predittive per effettivamente quasi anticipare la mossa del cliente.”
Le banche keniane ritengono che tale capacità predittiva potrebbe eventualmente aiutarle a identificare i segnali di difficoltà finanziaria prima che i mutuatari vadano in default, migliorando le decisioni sui prestiti e riducendo le perdite.
Oltre ai prestiti, l’intelligenza artificiale viene sempre più utilizzata per combattere le frodi. Le banche stanno sperimentando sistemi in grado di analizzare attività sospette su più piattaforme, automatizzare le indagini e accelerare le risposte quando i clienti segnalano fondi rubati.
Secondo un sondaggio del 2025 condotto dalla Banca Centrale del Kenya (CBK), le banche utilizzano modelli di rilevamento delle anomalie per identificare attività di rete insolite, automatizzare la classificazione delle minacce e accelerare la risposta agli incidenti.
“Le tre principali applicazioni di AI e ML da parte delle istituzioni che hanno adottato l’AI sono state la valutazione del rischio di credito al 65%, la sicurezza informatica al 54% e il servizio clienti al 43%. Seguono l’e-KYC (conosci il tuo cliente) al 41% e la gestione del rischio di frode al 40%,” ha affermato la CBK.
Ma tra le preoccupazioni di massicce perdite di posti di lavoro a causa della maggiore automazione, i dirigenti insistono sul fatto che è più probabile che la tecnologia aumenti i dipendenti piuttosto che sostituirli a titolo definitivo.
Gli agenti del servizio clienti, i gestori dei rapporti, gli assicuratori e gli addetti al trattamento dei sinistri sono sempre più dotati di strumenti di intelligenza artificiale che espongono informazioni, consigliano azioni e automatizzano le attività ripetitive.
“Quello che vedo è più produttività e capacità degli esseri umani di creare esperienze migliori, prendere decisioni migliori e avere più dati e informazioni per guidare un’organizzazione”, ha affermato Wortmann.
A parte l’entusiasmo del settore, le società finanziarie locali sono caute e dedicano molto tempo alla definizione di quadri di governance sulla privacy dei dati, sulla sicurezza e sull’uso responsabile dell’intelligenza artificiale prima di implementare la tecnologia su larga scala.
Gli esperti affermano che le autorità di regolamentazione svolgeranno un ruolo importante nel definire tali confini man mano che l’automazione si espande attraverso l’onboarding dei clienti, l’elaborazione dei sinistri, la gestione delle frodi, le decisioni sui prestiti e le raccomandazioni personalizzate sui prodotti.
