ISDA ha pubblicato un whitepaper che dimostra come l’intelligenza artificiale generativa (IA) possa essere utilizzata per estrarre, interpretare e digitalizzare in modo accurato e affidabile le clausole legali chiave, dagli allegati di supporto al credito (CSA).
Gli allegati del supporto del credito (CSA) sono una componente essenziale del mercato dei derivati da banco, ed il loro scopo è mitigare il rischio di credito tra le controparti, impostando i requisiti collaterali e specificando i termini in base ai quali la garanzia può essere pubblicata, detenuta e restituita.
Il CSA specifica i requisiti di garanzia, i tipi di garanzie ammissibili e i metodi di valutazione e scambio di garanzie, garantendo in tal modo che le controparti abbiano un margine sufficiente per coprire potenziali perdite e riducendo il rischio di inadempienza.
Nel whitepaper ISDA, In particolare, si dimostra come l’intelligenza artificiale possa aumentare l’efficienza, ridurre i costi e i rischi nei processi derivati, tradizionalmente altamente manuali.
Lo studio valuta le prestazioni di otto modelli linguistici di grandi dimensioni di intelligenza artificiale generativa(LLM), in termini di capacità di estrarre e interpretare accuratamente cinque clausole, da una selezione di CSA, e di digitalizzarle in rappresentazioni del Common Domain Model (CDM), ovvero un modello di dati leggibile da una macchina che descrive prodotti finanziari, transazioni ed eventi del ciclo di vita in modo standard, contribuendo a facilitare l’elaborazione diretta.
Sulla base di un’analisi comparativa, diversi LLM hanno raggiunto livelli di accuratezza superiori al 90% quando sono stati richiesti dati specifici sui CSA, con le clausole più semplici che hanno raggiunto livelli di accuratezza del 100% in alcuni casi.
L’analisi ha evidenziato, in sintesi, diverse conclusioni chiave, tra cui:
- la conoscenza del dominio aumenta l’accuratezza: fornire agli LLM informazioni specifiche per i CSA, come la tassonomia documentale ISDA e la libreria di clausole ISDA, utilizzando tecniche di prompt engineering (ad esempio, il prompting a poche sequenze) migliora costantemente le prestazioni, soprattutto per le clausole che presentano una maggiore complessità linguistica, come gli importi minimi di trasferimento e le clausole di soglia
- la formulazione standardizzata è più facile da estrarre: le clausole nei CSA che in genere utilizzano una formulazione standardizzata (ad esempio, valuta di base e valuta ammissibile) sono più facili da estrarre accuratamente per gli LLM, indipendentemente dal fatto che agli LLM siano state fornite informazioni specifiche per i CSA; i modelli open source migliorano anche con la conoscenza del dominio: i LLM proprietari più grandi, in genere, mostrano prestazioni di base migliori, ma anche i LLM open source più piccoli beneficiano di informazioni specifiche per CSA, offrendo una valida alternativa agli istituti finanziari, con rigorosi requisiti di privacy dei dati che richiedono l’implementazione on-premise
- le clausole sfumate rimangono una sfida: raramente si raggiunge una precisione del 100%, soprattutto per le clausole più sfumate, a causa delle variazioni intrinseche nel linguaggio giuridico, delle sottili distinzioni tra clausole simili e dei complessi riferimenti incrociati all’interno dei documenti; potrebbero essere necessari ulteriori perfezionamenti nei prompt e ulteriori informazioni specifiche per CSA per affrontare queste sfide.
