L'IA può recuperare la personalità di qualcuno dai suoi estratti conto bancari ?

Puoi davvero scoprire la personalità di qualcuno semplicemente guardando le sue movimentazioni bancarie? Studi suggeriscono che, sebbene i modelli di spesa possano corrispondere in modo debole a tratti di personalità generali, il processo è pieno di rumore, rischi di distorsione e vincoli normativi rigorosi che ne limitano le applicazioni pratiche.

Background

Pochi studi pubblici hanno cercato di dedurre tratti di personalità dettagliati direttamente dalla storia delle transazioni bancarie senza dati aggiuntivi come demografia, posizione o risposte a sondaggi. La ricerca in economia comportamentale e fintech ha dimostrato che i modelli aggregati di spesa (ad esempio, frequenza degli acquisti online, mangiare fuori o donazioni a enti di beneficenza) possono correlarsi debolmente con dimensioni ampie della personalità come coscienziosità o apertura mentale, ma le previsioni rimangono rumorose e dipendenti dal contesto. Questi modelli rischiano di rafforzare pregiudizi se utilizzati senza rigorose garanzie sulla privacy e consenso esplicito dell'utente. Inoltre, normative rigorose sulla privacy finanziaria come GDPR e PCI-DSS limitano come tali dati possono essere raccolti, elaborati e condivisi, rendendo difficile l'inferenza su larga scala nella pratica — Berndt, A. et al. “Predicting Conscientiousness from Digital Footprints and Financial Transactions.” *Proceedings of the National Academy of Sciences*, 2022.

I sistemi di intelligenza artificiale possono analizzare estratti conto bancari per dedurre aspetti limitati della personalità — come abitudini di spesa, tolleranza al rischio o coscienziosità finanziaria — applicando modelli comportamentali ai dati delle transazioni. Questi modelli possono correlare i pattern di spesa con tratti di personalità del Big Five o altre dimensioni psicometriche, ma tali inferenze rimangono probabilistiche e dipendenti dal contesto piuttosto che definitive. L'approccio si basa su grandi dataset per l'addestramento e affronta sfide in termini di accuratezza, privacy e uso etico, soprattutto quando si collegano comportamenti finanziari a tratti personali. La ricerca attuale in quest'area di nicchia è esplorativa e non è ampiamente adottata nei servizi finanziari mainstream.