AI nel Financial Advising
L'adozione dei modelli linguistici nella consulenza finanziaria mostra una netta demarcazione tra l'uso di un LLM come strumento che incorpora il giudizio professionale di una struttura esperta e l'affidamento diretto a chatbot generici da parte di consulenti o investitori retail.1
Il modello PWL Capital: database di strategie + trascrizioni
In PWL Capital, Ben Felix e il suo team hanno costruito un database testuale di oltre 100 strategie di financial e tax planning: ogni voce è un paragrafo strutturato che descrive una specifica strategia, a quale tipologia di cliente si applica, in quale momento ha senso attivarla, cosa comporta e come spiegarla al cliente.1
Gli strumenti AI vengono usati per analizzare la trascrizione dei meeting con i clienti e suggerire al consulente umano quali strategie fiscali o di pianificazione presenti nel database siano rilevanti per quel caso specifico. Questo approccio permette di applicare in modo sistematico ed efficiente il pensiero dei migliori financial planner dell'azienda su tutta la base clienti, senza mai delegare all'LLM la decisione finale. Un ulteriore utilizzo interno consiste nel dare in pasto a Claude paper accademici (come lo studio sulla cross-section of household preferences impiegato nel Decumulo e Spending Flessibile) per tradurre le variabili dal gergo accademico all'inglese corrente e generare rapidamente modelli interattivi con cui esplorare i dati.1
Perché non chiedere direttamente a un LLM generico
PWL evita di usare gli LLM ponendo domande aperte del tipo "cosa devo fare per questo cliente?" per tre ragioni:1
- Errori sottili e difficili da individuare: i modelli attuali forniscono spesso informazioni inesatte i cui errori sono sfumati (nuanced) e difficili da riconoscere se non si possiede già una solida competenza di dominio.1
- Incoerenza tra modelli: test sui consigli finanziari degli LLM mostrano che chiedendo "come dovrei costruire il mio portafoglio diversificato?" a 5 LLM diversi si ottengono 5 portafogli diversi.1
- Il consulente umano resta la source of truth: i clienti interrogano regolarmente Gemini o Claude e portano le risposte ai consulenti PWL chiedendo "è vero quello che mi ha detto Gemini/Claude?", confermando il bisogno di una verifica umana qualificata.1
Il moat del giudizio professionale embedded
Di fronte alle iniziative di OpenAI e Anthropic, che lanciano versioni dei propri LLM pre-caricate con dati e connettività a tool finanziari, Felix osserva che la consulenza finanziaria resta un ambito che richiede opinione e giudizio professionale.1
Se uno strumento generico pensato per l'intera industria porta tutti i consulenti allo stesso livello base, non offre alcun vantaggio distintivo. Il vantaggio competitivo (moat) consiste nell'incorporare (embed) il giudizio professionale e le convinzioni dei migliori planner della propria azienda dentro lo strumento proprietario, alzando la qualità della consulenza umana faccia a faccia. Secondo Felix, le società di consulenza che non adotteranno sistemi simili resteranno indietro, perché chi li utilizza potrà offrire un servizio migliore a un costo inferiore — senza per questo ridurre il personale (in PWL non si registra alcun rallentamento nelle assunzioni).1
Il paradosso regolamentare: consigli personalizzati senza licenza
Nel confronto con Mr. RIP emerge una forte asimmetria normativa tra esseri umani e intelligenza artificiale:1
- Le regole per gli umani (Italia/Europa): in Europa e in Italia è vietato (e costituisce reato) fornire a una persona raccomandazioni personalizzate e specifiche ("tu, persona X, dovresti comprare o vendere questo specifico prodotto"). È lecito parlare in modo specifico ma non personalizzato (discutere pubblicamente di un ETF) oppure in modo personalizzato ma non specifico ("forse dovresti esporti di più all'azionario"). Anche in Canada i regolatori stanno iniziando solo di recente a definire linee guida per i content creator finanziari online.1
- Il comportamento degli LLM: ChatGPT, Claude o Gemini rispondono senza esitazione a un utente specifico indicandogli quali singoli prodotti acquistare — un comportamento che porterebbe un umano in tribunale (per quanto Mr. RIP noti provocatoriamente che l'output di un LLM resti comunque meno pericoloso del 99% dei consulenti bancari italiani in conflitto di interessi).1
- La posizione di Felix: non essendo un policy thinker né un regolatore, Felix dichiara di non avere una soluzione o un'opinione forte su dove debbano arrivare i confini della regolamentazione sugli LLM, pur riconoscendo che la discrepanza e la variabilità dei portafogli suggeriti dai modelli costituiscono un problema aperto molto interessante.1
Vedi anche: Ben Felix, Decumulo e Spending Flessibile, LLM come strumento