Come le borse globali scommettono sull'intelligenza artificiale

Quando si pensa all'intelligenza artificiale in finanza, di solito si immaginano hedge fund che gestiscono sistemi di trading "a scatola nera", ma alcuni degli esperimenti più importanti sull'IA si stanno svolgendo a un livello più profondo, all'interno delle borse valori di tutto il mondo. Da New York a Londra, da Mumbai a Singapore, le borse stanno implementando l'IA per monitorare i mercati, ottimizzare le infrastrutture di trading, progettare nuovi prodotti e vendere servizi di dati sempre più sofisticati agli investitori. Il risultato è una trasformazione silenziosa ma profonda del funzionamento dei mercati dei capitali, che sta alterando gli equilibri di potere tra borse, autorità di regolamentazione, broker e trader in modi che gli economisti faticano ancora a comprendere appieno e che i responsabili politici stanno solo ora iniziando a regolamentare in modo coerente, nonostante le crescenti pressioni sia del settore che del pubblico degli investitori.

Per comprendere appieno questo cambiamento, è utile ricordare che le borse, per gran parte della loro storia, erano luoghi fisici pieni di operatori che urlavano e biglietti cartacei, dove il giudizio umano e le relazioni interpersonali giocavano un ruolo dominante nella determinazione dei prezzi e nella fornitura di liquidità. Negli ultimi tre decenni, tuttavia, si sono trasformate in centri dati ad altissima velocità il cui prodotto principale è l'abbinamento affidabile degli ordini elettronici. L'intelligenza artificiale è il logico passo successivo in questa evoluzione, perché, con la trasformazione delle sedi di negoziazione in piattaforme digitali, il loro vero patrimonio si è trasformato nei dati che generano, e l'IA prospera su set di dati ampi, granulari e ben strutturati, che sono esattamente ciò che una borsa moderna produce ogni microsecondo di ogni giornata di negoziazione. Questa sinergia non è sfuggita ai dirigenti delle borse, che descrivono sempre più le loro organizzazioni non tanto come mercati, quanto come "società di tecnologia e dati con una licenza regolamentare", un'espressione recentemente utilizzata dalla dirigenza del Nasdaq per spiegare la sua svolta strategica verso software, analisi e servizi basati sull'IA.

L'applicazione più antica e tuttora più visibile dell'intelligenza artificiale nelle borse valori si riscontra nella sala contrattazioni, o meglio, negli algoritmi che oggi sostituiscono i trader umani. Questo perché le società di trading ad alta frequenza e i grandi broker-dealer si affidano a modelli di machine learning per instradare gli ordini, prevedere i movimenti di prezzo a breve termine e adattare le proprie strategie in tempo reale alle mutevoli condizioni di liquidità. Tuttavia, le borse stesse non sono più semplici canali neutri che ospitano passivamente queste strategie; sempre più spesso integrano l'intelligenza artificiale nei loro motori di matching per prevedere la congestione del flusso di ordini, gestire la latenza e anticipare potenziali colli di bottiglia. Ad esempio, gli ingegneri possono addestrare modelli su pattern storici per prevedere quando aste o ribilanciamenti degli indici genereranno picchi di volume, consentendo al sistema di preallocare le risorse di calcolo ed evitare interruzioni. Sebbene questo possa sembrare un'ottimizzazione puramente tecnica, ha implicazioni dirette per l'equità del mercato, poiché un ambiente resiliente e prevedibile è meno soggetto a quel tipo di malfunzionamenti che possono dare un vantaggio sleale ai partecipanti più veloci o minare la fiducia degli investitori.

Un ambito politicamente più sensibile e strategicamente cruciale è la sorveglianza del mercato, dove l'intelligenza artificiale (IA) è rapidamente diventata uno strumento fondamentale per le borse valori che devono monitorare migliaia di titoli, tra cui strumenti a pronti, derivati e prodotti a reddito fisso. I sistemi di sorveglianza tradizionali basati su regole segnalano comportamenti sospetti come wash trading, layering o spoofing quando corrispondono a modelli predefiniti, ma le manipolazioni di mercato più sofisticate raramente si presentano in modo identico due volte, e i manipolatori umani sono abili nel far sì che il loro comportamento si discosti dai limiti delle regole statiche. I sistemi di apprendimento automatico promettono di ribaltare questa dinamica, apprendendo il comportamento microstrutturale normale di ogni titolo, mercato e momento della giornata, e segnalando le anomalie che si discostano da questa base multidimensionale. Il Nasdaq, ad esempio, ha presentato pubblicamente la sua tecnologia di sorveglianza SMARTS, che integra l'apprendimento automatico per rilevare modelli di trading insoliti ed è venduta non solo ai propri mercati, ma anche a oltre 50 borse e autorità di regolamentazione in tutto il mondo, a dimostrazione di come un investimento in IA da parte di una singola borsa si diffonda rapidamente in uno standard globale che influenza le pratiche di vigilanza a livello intercontinentale.

La crescita degli strumenti di sorveglianza basati sull'intelligenza artificiale riflette anche un sottile riposizionamento delle borse valori, che da semplici soggetti di controllo non sono più considerate semplici partner per la conformità normativa, poiché, man mano che i modelli diventano più sofisticati e integrano dati provenienti da diversi mercati e asset, sono in grado di identificare schemi che rimarrebbero invisibili all'interno dei sistemi isolati di una singola piattaforma. Questo cambiamento solleva interrogativi più profondi in merito a governance e responsabilità, poiché se un sistema di intelligenza artificiale segnala uno schema che in seguito si rivela un falso positivo, o peggio, non riesce a rilevare una manipolazione significativa, la responsabilità verrà ripartita in modo poco chiaro tra la borsa valori che ha addestrato il modello, l'autorità di regolamentazione che si è basata sui suoi risultati e forse anche il fornitore di alcuni dei suoi componenti. Gli studiosi di diritto notano parallelismi con la dipendenza del settore aeronautico da sistemi sempre più autonomi, dove la supervisione umana diventa spesso ritualizzata piuttosto che sostanziale, e alcuni storici del mercato hanno tracciato paragoni con il Flash Crash del 2010, sostenendo che se la sorveglianza basata sull'intelligenza artificiale fosse stata più matura all'epoca, certi circuiti di feedback avrebbero potuto essere rilevati prima, sebbene altri ribattono che la complessità delle interazioni di mercato produrrà sempre casi limite che sfuggono al controllo algoritmico.

Oltre alla sorveglianza e alle infrastrutture, l'intelligenza artificiale sta rimodellando i modelli di business delle borse valori attraverso l'esplosione dei servizi di analisi e dati di mercato, che per molte piattaforme generano ormai una quota sostanziale di ricavi rispetto alle tradizionali commissioni di negoziazione. Le borse possono alimentare i sistemi di machine learning con anni di dati tick-by-tick sui prezzi e sul book degli ordini per creare indici proprietari, mappe di calore settoriali, previsioni di volatilità e segnali fattoriali che poi confezionano e vendono ai clienti istituzionali. L'acquisizione di Refinitiv da parte del London Stock Exchange Group nel 2021 è stata ampiamente interpretata come un segnale che i dati e l'analisi, potenziati dall'IA, sarebbero stati al centro della sua strategia di crescita, e i dirigenti hanno parlato apertamente dell'utilizzo dell'IA generativa per aiutare i clienti a interrogare vasti database finanziari in linguaggio naturale. Allo stesso modo, ICE, la società madre del New York Stock Exchange, ha investito massicciamente in analisi basate sull'IA per i mercati obbligazionari e ipotecari, scommettendo sul fatto che, con l'espansione della rendicontazione normativa, i clienti avranno bisogno di strumenti sofisticati per orientarsi nel conseguente mare di informazioni strutturate e non strutturate.

La logica strategica alla base di queste mosse è semplice: i volumi di scambio possono essere ciclici e fortemente influenzati dalle condizioni macroeconomiche, mentre la domanda di dati e analisi di alta qualità è più stabile e offre margini più elevati. L'intelligenza artificiale aiuta le borse a trasformarsi da semplici luoghi di scambio a centri di intelligence che forniscono informazioni utili per le decisioni di investimento prima e dopo le transazioni. Nel tempo, questo potrebbe sfumare il confine tra borse e fornitori di dati, una tendenza che alcuni critici già considerano preoccupante perché può concentrare il potere di mercato e aumentare i costi per i partecipanti più piccoli. I gestori patrimoniali lamentano da anni l'aumento delle commissioni sui dati e i prodotti potenziati dall'IA potrebbero intensificare questo dibattito se le analisi sofisticate diventassero essenziali anziché opzionali, spingendo forse le autorità antitrust a esaminare come le borse combinano accesso, dati e servizi basati sull'IA e se ciò comprometta la parità di condizioni che i mercati pubblici dovrebbero garantire.

Guardando al futuro, la prossima frontiera per le iniziative di intelligenza artificiale promosse dalle borse risiede nell'analisi predittiva, che si colloca a metà strada tra la gestione del rischio e i servizi di consulenza, poiché alcune borse stanno sperimentando strumenti in grado di prevedere la probabilità di una sospensione delle negoziazioni per un determinato titolo, la probabilità che una ricomposizione dell'indice inneschi un'estrema volatilità o l'impatto sistemico di una scadenza di opzioni di grandi dimensioni. Queste previsioni possono aiutare gli operatori di mercato a pianificare strategie di copertura e ad adeguare l'offerta di liquidità, ma sollevano anche interrogativi sulla riflessività, perché se un numero sufficiente di trader agisce in base allo stesso segnale generato dall'IA, potrebbe alterare l'esito stesso previsto dal modello, in una dinamica che ricorda la teoria della riflessività nei mercati finanziari di George Soros. Gli operatori di mercato più esperti avvertono che una fiducia cieca nelle previsioni dell'IA può ricreare l'eccessiva sicurezza che ha preceduto crisi passate, come il crollo del 1998 di Long-Term Capital Management, i cui statistici credevano che i loro modelli catturassero tutti i rischi rilevanti; L'intelligenza artificiale moderna offre maggiore flessibilità, ma non risolve magicamente il problema delle informazioni incomplete e del comportamento umano imprevedibile.

Le differenze regionali complicano ulteriormente il quadro globale, poiché le borse valori negli Stati Uniti, in Europa e in Asia non stanno adottando l'intelligenza artificiale in modo identico e i rispettivi contesti normativi determinano ciò che è consentito e redditizio. Negli Stati Uniti, dove i mercati sono frammentati in decine di sedi e sistemi di negoziazione alternativi, l'intelligenza artificiale è ampiamente utilizzata per ottimizzare l'instradamento e l'internalizzazione degli ordini, il che ha portato alcuni critici a sostenere che il sistema sia diventato troppo complesso e opaco per essere compreso dagli investitori comuni. Le borse europee, operando nell'ambito della direttiva MiFID II, sono soggette a norme più severe in materia di trasparenza dei dati e migliore esecuzione, il che influenza il modo in cui possono commercializzare analisi potenziate dall'intelligenza artificiale senza violare i limiti normativi sulle commissioni per i dati. Nel frattempo, le borse asiatiche, in particolare quelle di Singapore, Hong Kong, Shanghai e Mumbai, considerano spesso l'adozione dell'IA come parte di una più ampia strategia nazionale volta a posizionarsi come hub finanziari globali, con i governi che supportano sandbox e partenariati pubblico-privati per testare innovazioni basate sull'IA nei settori del clearing, del regolamento transfrontaliero e della quotazione di asset digitali, promuovendo al contempo i talenti e le infrastrutture locali nel campo dell'IA come settore strategico.

La storia dell'innovazione finanziaria suggerisce che tali corse agli armamenti tecnologici tra le borse possono rimodellare la gerarchia globale dei mercati in modi imprevedibili: la borsa di Amsterdam del XVII secolo dominava in parte perché aveva introdotto strumenti innovativi come i futures e le opzioni, Londra la superò padroneggiando i sistemi di regolamento globale e le quotazioni legate all'impero, e New York in seguito si affermò grazie all'industrializzazione e a ingenti capitali nazionali. Nel XXI secolo, il vantaggio competitivo potrebbe dipendere meno dalla geografia e più dalla sofisticatezza delle infrastrutture basate sull'intelligenza artificiale, dei prodotti dati e dei controlli del rischio, con borse più piccole ma tecnologicamente avanzate che potrebbero ottenere risultati superiori alle aspettative. Questa prospettiva ha spinto alcuni responsabili politici a chiedere un maggiore coordinamento internazionale sugli standard di intelligenza artificiale nelle infrastrutture di mercato, per evitare che un insieme eterogeneo di sistemi incompatibili e l'arbitraggio normativo ricreino le vulnerabilità che hanno portato a precedenti shock sistemici. Tuttavia, tale coordinamento è politicamente complesso perché le borse valori sono ormai società quotate in borsa e gli azionisti si aspettano che si impegnino a fondo per la crescita e la redditività, anche quando ciò significa avventurarsi in aree eticamente e legalmente ambigue della monetizzazione dei dati e dei processi decisionali algoritmici.

Un'altra dimensione dell'adozione dell'IA riguarda le quotazioni e i servizi per gli emittenti, poiché le borse valori stanno sperimentando strumenti in grado di valutare la prontezza delle società private a quotarsi in borsa, stimare la probabile domanda degli investitori sulla base di dati storici e di sentiment, e persino generare bozze di informative per aiutare le aziende a conformarsi più efficacemente alle regole di quotazione. I sostenitori sostengono che tali strumenti potrebbero ridurre i costi di quotazione, in particolare per le piccole imprese che non dispongono di grandi team legali e bancari, rilanciando così i mercati pubblici che hanno visto un relativo calo di nuove quotazioni a fronte dell'ascesa del private equity e dei prestiti diretti. Gli scettici replicano che l'automazione di alcune fasi del processo di quotazione potrebbe incoraggiare una mentalità di mera conformità, in cui sia gli emittenti che le sedi di quotazione si affidano eccessivamente all'IA per valutare la qualità della governance o il rischio aziendale, consentendo potenzialmente alle aziende deboli di superare i controlli, e tracciano parallelismi con l'era pre-2008, quando i complessi titoli ipotecari ricevevano rating eccessivamente generosi da modelli che non riuscivano ad anticipare i default correlati, avvertendo che una simile compiacenza riguardo alla sicurezza generata dall'IA potrebbe emergere anche in relazione alle offerte pubbliche iniziali e alle società di acquisizione a scopo speciale (SPAC).

Gli investimenti in intelligenza artificiale da parte delle piattaforme di scambio si intersecano anche con il mondo in rapida evoluzione degli asset digitali e dei titoli tokenizzati, dove nuove piattaforme competono per quotare criptovalute, security token e altri strumenti basati su blockchain. Molte delle piattaforme più recenti vantano motori di rischio basati sull'IA, sistemi di raccomandazione e analisi on-chain come elementi distintivi, mentre le piattaforme consolidate esplorano con cautela come adattare la propria tecnologia e i quadri normativi per accogliere la tokenizzazione senza compromettere la tutela degli investitori. Ad esempio, alcune hanno avviato progetti pilota in cui obbligazioni tradizionali o asset immobiliari vengono tokenizzati e scambiati in parallelo con le loro forme convenzionali, con sistemi di IA che monitorano la liquidità, le discrepanze di prezzo e i rischi di regolamento in entrambi gli ambiti. Questa sperimentazione lascia intravedere un futuro in cui la definizione stessa di borsa valori si fa sfumata, poiché piattaforme ibride abbinano ordini per qualsiasi cosa, dai crediti di carbonio tokenizzati alle opere d'arte frazionate, il tutto sotto la supervisione di algoritmi di IA che operano su diverse classi di asset e giurisdizioni in tempo quasi reale.

Da una prospettiva di investimento strategico, una delle tendenze più significative è il modo in cui le borse valori stanno acquisendo o collaborando con aziende specializzate in intelligenza artificiale e dati per accelerare le proprie capacità, poiché sviluppare internamente un'IA all'avanguardia è costoso e richiede molto tempo, soprattutto in un contesto altamente regolamentato dove la trasparenza e la verificabilità sono fondamentali. Nasdaq, ad esempio, ha investito in aziende di regtech e di sicurezza cloud i cui strumenti integrano l'apprendimento automatico, incorporandoli nelle proprie offerte di tecnologia di mercato vendute ad altre borse e banche in tutto il mondo. Allo stesso modo, Deutsche Börse ha acquisito partecipazioni in società di analisi e fornitori di indici che utilizzano l'IA per costruire indici tematici e punteggi ESG, riflettendo la convinzione che la prossima ondata di domanda da parte degli investitori si concentrerà sulla sostenibilità e sull'analisi del rischio a lungo termine, ambiti in cui l'apprendimento automatico può contribuire a elaborare enormi volumi di dati ambientali, sociali e di governance. Queste mosse si allineano a un approccio più ampio di venture capital aziendale, in cui le borse valori scommettono su più innovatori esterni, sperando di ottenere un potenziale di crescita e al contempo un accesso anticipato a tecnologie che potrebbero in seguito essere estese ai loro mercati principali.

È difficile quantificare con precisione gli investimenti globali in intelligenza artificiale da parte dei fornitori di infrastrutture di mercato, poiché molti progetti sono integrati in budget tecnologici più ampi. Tuttavia, le stime delle società di consulenza suggeriscono che borse e camere di compensazione spendono collettivamente miliardi di dollari all'anno in analisi avanzate, migrazione al cloud e automazione, con l'intelligenza artificiale che rappresenta una quota crescente di tale importo. Questa spesa non riguarda solo il mantenimento dell'aggiornamento tecnologico, ma anche la difesa dalle minacce informatiche che a loro volta sfruttano sempre più l'intelligenza artificiale, poiché gli attori malevoli utilizzano strumenti automatizzati per sondare le vulnerabilità, simulare il comportamento di trading o generare sofisticati attacchi di phishing rivolti a dipendenti e clienti delle borse. In risposta, le borse stanno adottando sistemi di sicurezza informatica basati sull'intelligenza artificiale che apprendono il normale comportamento della rete e segnalano le anomalie, creando una corsa agli armamenti all'interno di un'altra corsa agli armamenti, in cui algoritmi difensivi e offensivi si adattano continuamente l'uno all'altro. Gli esperti di sicurezza informatica avvertono che il rischio ultimo non è solo un'interruzione temporanea, ma una sottile compromissione dell'integrità dei dati, che in un contesto di mercato potrebbe significare cronologie degli ordini falsificate o prezzi di riferimento manipolati che minano la fiducia nei benchmark ritenuti intoccabili.

Le implicazioni etiche e sociali di questa trasformazione delle piattaforme di scambio guidata dall'intelligenza artificiale stanno solo ora iniziando a essere oggetto di un dibattito serio, e vanno ben oltre le solite preoccupazioni sulla perdita di posti di lavoro dovuta all'automazione, sebbene queste siano reali per alcuni ruoli nelle operazioni, nella conformità e nel supporto IT. Più profonda è la questione dell'opacità e del controllo, perché man mano che i sistemi di intelligenza artificiale prendono decisioni sempre più importanti sul funzionamento del mercato, da quali transazioni segnalare come sospette a come allocare le risorse di calcolo in situazioni di stress, la logica di tali decisioni può diventare imperscrutabile persino per gli ingegneri che hanno creato i modelli. Gli enti regolatori hanno iniziato a promuovere un'intelligenza artificiale "spiegabile" nelle funzioni finanziarie critiche, ma gli informatici avvertono che spesso esiste un compromesso tra accuratezza e interpretabilità, quindi richiedere una trasparenza perfetta potrebbe significare utilizzare modelli meno potenti. Questa tensione riecheggia dibattiti sociali più ampi sull'IA in settori come la sanità e la giustizia penale, ma la posta in gioco nei mercati dei capitali è anche sistemica, perché una perdita di fiducia può innescare panici e carenze di liquidità che si ripercuotono sull'economia reale, influenzando posti di lavoro, risparmi e finanze pubbliche, elevando così la questione apparentemente tecnica della progettazione dell'IA all'interno delle borse a una questione di stabilità macroeconomica.

Un mito persistente tra gli osservatori occasionali è che l'avvento dell'intelligenza artificiale nelle borse valori produrrà inevitabilmente mercati impeccabilmente efficienti, dove le distorsioni di prezzo scompariranno e i crolli diventeranno un ricordo del passato. Tuttavia, storici dei mercati ed economisti comportamentali sono quasi unanimi nel respingere questa narrazione ottimistica, sottolineando che ogni grande progresso tecnologico nelle infrastrutture di mercato, dal telegrafo al trading algoritmico, è stato accompagnato da nuove forme di volatilità e opportunità di sfruttamento. L'intelligenza artificiale può aiutare a individuare più rapidamente i comportamenti manipolativi e a gestire i rischi operativi in modo più efficace, ma non può eliminare la paura, l'avidità e la razionalità limitata degli esseri umani, né può prevedere completamente shock politici, disastri naturali o pandemie che trasformano le aspettative economiche da un giorno all'altro. Alcuni ricercatori sostengono infatti che, aumentando la velocità e la complessità delle interazioni di mercato, l'intelligenza artificiale potrebbe amplificare il comportamento di gregge in determinati scenari, poiché gli algoritmi addestrati su dati simili convergono su reazioni comparabili, portando a scambi affollati che si sgonfiano violentemente quando le condizioni cambiano. Pertanto, sebbene gli investimenti in intelligenza artificiale da parte delle borse possano migliorare molti aspetti del funzionamento del mercato, non elimineranno il ciclo economico né le basi psicologiche delle bolle e dei crolli.

In definitiva, il modo in cui le borse valori utilizzeranno l'intelligenza artificiale nel prossimo decennio giocherà un ruolo cruciale nel determinare chi trarrà vantaggio dalla continua trasformazione digitale della finanza, e c'è il rischio che, senza un'attenta governance, i benefici andranno principalmente alle grandi aziende consolidate che possono permettersi dati e analisi di alto livello, ampliando il divario tra gli operatori più sofisticati e i piccoli investitori. Alcuni esperti di politica finanziaria suggeriscono contromisure come l'obbligo di un livello minimo di dati di mercato pubblici e leggibili dalle macchine, il supporto a strumenti di intelligenza artificiale open source per l'analisi finanziaria e l'incoraggiamento di collaborazioni tra università e borse valori che democratizzino l'accesso a tecniche avanzate. Altri sostengono un approccio più orientato al mercato, prevedendo che la concorrenza tra borse, piattaforme fintech e protocolli decentralizzati finirà per far scendere i prezzi e aumentare l'innovazione, come è già accaduto in altri settori ad alta intensità tecnologica. Qualunque sia l'orientamento politico, le scelte che verranno fatte ora in merito all'architettura dell'IA, alla proprietà dei dati e alla trasparenza nei sistemi centrali delle borse valori plasmeranno non solo il funzionamento dei mercati globali, ma anche la distribuzione delle opportunità finanziarie in un'era in cui gli algoritmi mediano sempre più chi ha accesso al capitale, a quali condizioni e con quale livello di comprensione dei rischi connessi.