Se vi chiedessimo di dirci il nome di un settore economico e non, che ad oggi non fosse minimamente toccato dall’intelligenza artificiale, fareste fatica ad individuarlo. Che sia finanziario, di ricerca o sportivo, l’innovazione è spesso trascinata dall’artificial intelligence. Ma come possono big data e AI migliorare le prestazioni e rafforzare le competenze? Il contributo umano rimane indispensabile?
Ad aiutarci a rispondere a queste domande è stata M&G Investments, che il 16 settembre ha tenuto una conferenza in occasione del Salone del Risparmio 2021, primo grande evento ibrido di settore organizzato dopo i diversi mesi di restrizioni dovuti alla pandemia che hanno letteralmente cambiato la vita di tutti noi.
Il dibattito ha visto durante la prima parte la partecipazione di Manuel Roveri, professore associato presso il Politecnico di Milano, che ha illustrato le più recenti evoluzioni tecnologiche attraverso una serie di interessanti casi pratici e come ormai non possiamo aspettarci altro se non un’evoluzione che interesserà l’intero ecosistema di oggetti che oggi e domani si baseranno in maniera crescente sull’AI. Un’evoluzione che ci è familiare se pensiamo ad uno strumento ormai di uso quotidiano, il computer, che dagli anni ‘40 ha vissuto moltissime trasformazioni.
Per capire come questo fenomeno si traduce nell’ambito della consulenza e del risparmio gestito, Raffaele Levi, head of Business Model di Fideuram, ha raccontato l’esperienza della società. “Si assiste, infatti, ad un utilizzo sempre più diffuso dell’intelligenza artificiale da inquadrare sotto il concetto di intelligenza aumentata, per sottolineare il rivoluzionario contributo che può dare a favore del consulente finanziario e della sua relazione con il cliente. Nuovi strumenti aiutano quindi a incrementare la capacità di erogare servizi ancor più personalizzati e sicuri, strumenti di gestione del portafoglio e controllo del rischio più efficaci, e prodotti sempre più evoluti, soprattutto grazie alla possibilità di applicare sofisticate metodologie di machine learning ad una mole sorprendente di dati, basandosi non più solo su modelli teorici impostati dall’uomo, ma anche su algoritmi ‘inventati’ direttamente dalle macchine, in grado di individuare correlazioni tra miliardi di fenomeni e variabili in un modo cui nessuna mente umana potrebbe giungere”, afferma Levi.
Big data nello sport
Un contributo applicato al mondo sportivo, e in particolare a quello del calcio, ce l’ha offerto Gianluca Vialli, simbolo indiscusso di Euro 2020 che, insieme al match analyst Antonio Gagliardi, ha svelato i segreti dell’AI applicata al settore calcistico con un focus sulla Nazionale allenata da Roberto Mancini e neo campione d’Europa.
Partendo dalle definizioni racchiuse nel cuore della competizione, ovvero quelle di successo e talento, fondamentale è apprendere la pratica, e a questa aggiungerci il talento. Per Vialli, qualità e quantità della pratica sono fondamentali anche per raggiungere dei traguardi importanti dal punto di vista della leadership. “Un leader deve essere stato prima un follower, e deve averlo fatto al meglio. La leadership è un servizio e un ruolo abbinato al sacrificio, soprattutto psicologico. Il leader si preoccupa di lasciare qualcosa, di prendere decisioni, di avere il coraggio di agire e dare il massimo soprattutto nei momenti di maggiore difficoltà”, afferma Gianluca Vialli.
Per un leader è quindi importante dare degli obiettivi razionali e un percorso su come raggiungerli, avere una strategia da seguire. Sempre a livello calcistico, “la tattica senza strategia ha l’odore, appunto, della sconfitta”, afferma il campione.
Alcuni degli strumenti con cui oggi si analizzano le prestazioni in campo si basano sui big data, che vengono utilizzati per migliorare le performance. “I dati sono acquisiti tramite strumenti specializzati che permettono di analizzare i movimenti dei calciatori; poi si procede alla loro archiviazione e modellizzazione. Ci sono quindi molti analisti che lavorano dietro le quinte, ma che svolgono un lavoro ormai essenziale”, aggiunge.
Uno di questi analisti è Antonio Gagliardi, il quale ha rimarcato l’importanza dei dati che permettono di avere dei veri e propri tracking dei giocatori in campo. Secondo l’esperto, nel tempo l’analisi tecnica dei dati è diventata più sofisticata.
Un esempio pratico, e tattico, lo fornisce sulle caratteristiche che hanno le grandi squadre europee (es. Manchester City) quando attaccano lo spazio per segnare un goal, in particolare quali sono le zone del campo che permettono una maggiore percentuale di realizzazione dell’azione. Nella sottostante slide, l’analista racchiude una serie di assist data in un unico grafico, il quale ci dice come ad oggi ci sono sempre meno assist trasformati in goal derivanti dai classici cross laterali a vantaggio delle zone periferiche dell’area piccola, che godono di una maggiore quantità realizzativa.
Fonte: Antonio Gagliardi, match analyst Nazionale italiana di calcio.
“Sono nati anche degli indici da cui è possibile ricavare informazioni tattiche sulla partita. In questo modo, non solo riusciamo a comprendere meglio le prestazioni, andando al di là del semplice risultato, ma possiamo anche elaborare delle analisi predittive. C’è il timore che l’intelligenza artificiale possa sostituire il fattore umano dell’allenatore, ma in realtà va soltanto ad agevolare il suo lavoro rendendolo più preciso”, sostiene Gagliardi.
Effettivamente, l’esempio calcistico ci dice come tale sport sia caratterizzato da un basso punteggio medio, a differenza ad esempio del basket, ragion per cui si presentano delle situazioni in cui una squadra, seppur dominando il campo da gioco, perde nei 90 minuti contro una avversaria che ha solo prodotto un unico tiro in porta ma finalizzato in goal. Uno dei suddetti indici, che è stato implementato da Gagliardi e il suo team, è il cosiddetto Indice di Pericolosità, il quale aggrega tutti i dati necessari di ogni partita e definisce quanto una squadra sia ‘pericolosa’ in fase di attacco. Un indice che mostra la sua affidabilità in competizioni con un numero di partite giocate consistente (es. campionato di Serie A), nel quale il team con l’indice maggiore può perdere o pareggiare qualche partita ma a fine periodo (38 giornate) risulta comunque vincitrice della competizione.
Dati che beneficiano anche i reparti di scouting del settore, che si avvalgono di una panoramica delle caratteristiche incrociate offensive e difensive di un determinato comparto di giocatori, come ad esempio il centrocampo, evidenziato nel sottostante grafico. Si può infatti notare come nell’ambito dei centrocampisti delle principali leghe europee, le ascisse rappresentino la quantità di ultimi passaggi volti alla finalizzazione dell’azione, mentre le ordinate il numero di interventi difensivi avvenuti con successo. Tale analisi premia, ad esempio, un giocatore come Marco Verratti, che nonostante sia uno dei migliori in Europa dal punto di vista qualitativo (dato rappresentato dalle ascisse) risulta anche molto utile in fase di contenimento (ordinate).
Il machine learning negli investimenti
Infine, passando al settore degli investimenti, il gestore di M&G Gautam Samarth si è soffermato sulle modalità in cui l’intelligenza artificiale viene impiegata nella gestione della strategia M&G (Lux) Global Maxima: “Per tantissimo tempo nel mondo degli investimenti è stata utilizzata la programmazione classica, ma il machine learning è diverso e ha trasformato molto di più l’industria. Tale tecnologia viene incorporata nei nostri prodotti e gli algoritmi sono applicati ai nostri sistemi. Partiamo dai dati, ci occupiamo di costruire modelli, fare delle previsioni e infine selezionare i titoli per costruire il portafoglio. Abbiamo a che fare una mole enorme di dati che ci aiutano a valutare le società del nostro universo investibile. Ciò costituisce in effetti uno dei vantaggi chiave dell’adozione di un processo quantitativo: l’ampiezza della copertura del mercato che riusciamo ad ottenere. Un altro vantaggio di questo processo quantitativo è che ci permette di evitare errori comportamentali che possono influenzare le scelte dell’uomo”.
Eppure, così come affermato da Vialli, anche per Samarth e il suo team i soli processi basati sull’AI non sono sufficienti e tutto deve essere integrato col fattore umano, che subentra in quegli ‘angoli ciechi’ che tali processi non possono evitare del tutto, oppure in una comprensione davvero profonda dei dati, per esempio portando avanti anche considerazioni ESG. Insomma, all’AI non importa che tu sia un fund o un football manager, sarà la tua compagna di viaggio a prescindere. Questo è certo.
