Nel mondo delle finanze, l’Intelligenza Artificiale (IA) sta diventando sempre più protagonista grazie all’impiego di modelli di apprendimento automatico. Questa espansione riguarda diversi settori, dalla gestione patrimoniale all’elaborazione dei pagamenti, fino alle criptovalute. Tuttavia, nonostante l’alta accuratezza raggiunta dai modelli di machine learning, spesso si pone il problema della loro scarsa spiegabilità. Inoltre, secondo le normative proposte, le applicazioni ad alto rischio basate sull’IA devono essere “affidabili” e rispettare un insieme di requisiti obbligatori, come la sostenibilità e l’equità.
Fino ad oggi non esistono metriche standardizzate in grado di garantire una valutazione complessiva dell’affidabilità delle applicazioni di IA nel settore finanziario. Per colmare questa lacuna, viene proposto un insieme di metodi statistici integrati, basati sullo strumento Lorenz Zonoid, che possono essere utilizzati per valutare e monitorare nel tempo se un’applicazione di IA è affidabile. In particolare, i metodi misureranno la sostenibilità (in termini di robustezza rispetto ai dati anomali), l’accuratezza (in termini di precisione predittiva), l’equità (in termini di pregiudizi predittivi tra diversi gruppi di popolazione) e la spiegabilità (in termini di comprensione e controllo umano).
Per dimostrare l’applicabilità di questa proposta, viene utilizzato un dataset facilmente scaricabile che riguarda i prezzi finanziari, al fine di rendere la proposta facilmente riproducibile.
