De machine-learning tool, Lisa of Linguistic Intelligence for Supervisory Awareness genaamd, gebruikt taalverwerkingsalgoritmes om documenten te scannen op correlaties en betekenispatronen om toekomstige trends te helpen voorspellen.

Lisa leest teksten veel sneller dan mensen en kan correlaties identificeren die niet direct voor de hand liggen, aldus Intesa. Als voorbeeld noemt zij het verband tussen klimaatverandering en kredietrisico's dat tot een paar jaar geleden nog niet duidelijk was.

Intesa heeft een toegewijd team van mensen die met Lisa hebben samengewerkt om haar resultaten te valideren, maar ook om haar bewustzijn van bankregelgevingskwesties te vergroten.

"Bankentoezicht is een gebied waar je met recht kunt spreken van een overdaad aan informatie, met een werkelijk massale en exponentiële productie van content," aldus Walter Chiaradonna, hoofd van de afdeling Strategic Steering van Intesa.

Chiaradonna noemde "praktijken, interviews, verklaringen, teksten en diepgaande studies die op hun beurt een proliferatie van informatie genereren die zonder adequate ondersteuning onbeheersbaar is".

Intesa zei dat de Europese Centrale Bank ook gebruik heeft gemaakt van kunstmatige intelligentietools (SupTech) om te helpen bij het zeven van informatie zoals de notulen van bestuursvergaderingen of duizenden datasets en documenten die vereist zijn van de meer dan 100 grotere banken waarop de ECB rechtstreeks toezicht houdt.