Il machine learning che si appoggia alla grande quantità di dati che le istituzioni finanziarie possono registrare e gestire consente di individuare modelli di comportamento e regolarità di interazione con gli strumenti digitali che possono radicalmente migliorare la sicurezza delle transazioni online e la personalizzazione del servizio per i clienti individuali, oltre che facilitare il finanziamento dei clienti aziendali. Le opportunità sono importanti: riduzione dei costi delle transazioni, maggiore facilità nell’individuazione dei tentativi di frode, prodotti ritagliati sulle esigenze di ciascuno, e così via. Ma le conseguenze di questo genere di innovazioni non possono essere interpretate senza tener conto della complessità del contesto. Il sistema finanziario ha prodotto negli ultimi trent’anni una quantità di innovazioni senza precedenti, esplorando le frontiere aperte dalla globalizazzione, dalla digitalizzazione e dalla deregolamentazione, di volta in volta equilibrata o eccessiva: dai derivati alle contrattazioni algoritmiche, dalla personalizzazione dei servizi all’internazionalizzazione dei movimenti di capitale, dal finanziamento alle startup al condizionamento delle politiche economiche degli stati: le ricchezze gigantesche che la finanza ha contribuito a creare sono pari soltanto alle controversie che ha alimentato e alle crisi che ha generato. Al centro del dibattito è sempre il ruolo della finanza: c’è chi la vede come il miglior sistema per allocare le risorse e c’è chi la vede come una gigantesca organizzazione per lo sfruttamento delle rendite di posizione. Forse il crinale della discordia è nella concentrazione sul breve o sul lungo termine che alternativamente gli esponenti della finanza dimostrano. La finanza al servizio dell’economia reale non può che puntare al lungo termine, mentre la finanza autoreferenziale si accontenta di chiudersi in un orizzonte nel quale il trimestre è il massimo di prospettiva che ci si può concedere. Ma le grandi innovazioni tecnologiche che stanno accelerando il processo in corso, come appunto il machine learning e il data mining, nel contesto della digitalizzazione della vita quotidiana di miliardi di persone, che può rendere obsolete molte competenze professionali e generare domanda di nuove competenze creative e complesse, richiedono una finanza lungimirante. Più grandi sono le innovazioni, più è lunga la durata delle loro conseguenze.
