Citi trasforma l'audit con AI e dati

IBM aiuta Citi a ridefinire l'audit interno utilizzando AI, PNL e machine learning

Grattacielo di uffici a Londra, lavoro e riunioni
Ripensare l'audit interno attraverso soluzioni intelligenti

Citi, uno dei più grandi istituti finanziari del mondo, voleva rivoluzionare il modo in cui i suoi 2.500 revisori conducono le revisioni della documentazione e le valutazioni del rischio. Nonostante le operazioni su larga scala, la funzione di audit interno si basava su processi manuali che limitavano l'efficienza e gli insight del team. Il responsabile dell'innovazione dell'audit interno ha identificato l'opportunità di creare l'audit del futuro utilizzando l'AI, l'elaborazione del linguaggio naturale (NLP) e l'analytics avanzata. L'obiettivo era quello di trasformare un'enorme quantità di dati in insight predittivi, migliorare i test di controllo e migliorare il rilevamento delle anomalie, il tutto rispettando rigorosi requisiti normativi e mantenendo la trasparenza con gli stakeholder globali.

2.500

revisori dotati di strumenti di AI

3

lancio di casi d'uso basati sull'AI

IBM ci ha aiutato a dare ai revisori super poteri basati sui dati.
Responsabile dell'innovazione per l'audit interno Citi
Creazione di un sistema di audit pronto per il futuro con IBM

Citi ha collaborato con IBM per progettare, creare e implementare una piattaforma di audit unificata e basata su AI. A seguito di un workshop sul design thinking che ha coinvolto esperti di IBM e personale bancario di Citi, quest'ultima ha selezionato tre soluzioni IBM: IBM Watson Discovery, IBM Cloud Pak for Data e IBM OpenPages. Queste soluzioni hanno introdotto analytics avanzata, AI, machine learning e PNL in ogni fase del ciclo di vita degli audit. I team di data science e AI Elite Lab di IBM hanno identificato casi d'uso ad alto valore, mentre il team di IBM Expert Labs ha semplificato l'integrazione delle soluzioni con i sistemi IT di Citi. Insieme, hanno eliminato i processi manuali, migliorato la qualità dei dati e creato una base scalabile per l'innovazione continua nell'auditing.

Audit più intelligenti basati sull'efficienza dell'AI

La collaborazione di Citi con IBM ha migliorato significativamente i processi di audit. La nuova piattaforma di AI automatizza l'analisi dei documenti, segnala le anomalie e fornisce ai revisori insight basati sui dati, riducendo i workload manuali e migliorando la qualità degli audit. I primi casi d'uso che includono il punteggio di controllo basato su AI e l'analisi dei documenti basata su NLP hanno fatto risparmiare centinaia di migliaia di ore, creando nuove opportunità di innovazione. Citi gestisce attualmente uno spazio dedicato all'innovazione AI, sviluppato in collaborazione con IBM, per promuovere i continui progressi nell'automazione, nell'integrità dei dati e nella gestione della conformità normativa. Questa trasformazione posiziona la funzione di audit interno di Citi quale modello di settore leader per la gestione intelligente del rischio.

Logo Citi
Informazioni su Citi

Citi è una banca leader con operazioni in oltre 160 paesi e giurisdizioni e quasi 200 milioni di conti dei clienti. Offre a consumatori, aziende, governi e istituzioni un’ampia gamma di prodotti e servizi finanziari, come servizi di consumer banking, credito e soluzioni di investimento.

Componenti della soluzione IBM OpenPages IBM Watson Discovery IBM Cloud Pak for Data
Scopri l'intelligence per l'audit con IBM OpenPages

Le soluzioni di dati e AI di IBM aiutano le aziende a modernizzare la gestione del rischio e della conformità unificando AI, analytics e automazione. Con OpenPages, le organizzazioni possono ottenere insight fruibili, migliorare la trasparenza dei dati e migliorare il processo decisionale in tutte le funzioni di audit e governance.

  1. Scopri di più
  2. Prenota una demo
Legale

© Copyright IBM Corporation 2025. IBM, il logo IBM, IBM Cloud Pak, IBM Watson e OpenPages sono marchi di IBM Corp., registrati in diverse giurisdizioni in tutto il mondo.

Gli esempi presentati sono solo illustrativi. I risultati effettivi variano in base alle configurazioni e alle condizioni del cliente e, pertanto, non è possibile fornire i risultati generalmente attesi.