Nel 2022 Anthropic aveva introdotto la “Constitutional AI“: invece di addestrare i modelli con solo feedback umano, un set esplicito di principi – una “costituzione” – guida i modelli nel valutare e migliorare autonomamente i propri output. Il sistema si auto-critica secondo principi costituzionali predefiniti, riducendo drasticamente la supervisione umana su contenuti potenzialmente dannosi.
Questo approccio ha posizionato Anthropic come fornitore AI particolarmente adatto per ambienti enterprise ad alto rischio regolamentare. A differenza di approcci basati esclusivamente su feedback umano, la Constitutional AI offre trasparenza nei principi guida e verificabilità delle decisioni del modello, caratteristiche critiche in settori regolati. Questo si riflette nella composizione della clientela: circa l’80% delle revenue deriva da clienti business, con una monetizzazione di 211 dollari per utente mensile contro i 25 dollari di OpenAI[1].
Indice degli argomenti:
Anthropic, ricavi a 14 mld di dollari
A febbraio 2026, Anthropic ha dichiarato ricavi annualizzati che hanno raggiunto i 14 miliardi di dollari, in crescita da 1 miliardo a fine 2024. Otto aziende Fortune 10 sono clienti Claude, con oltre 300mila clienti business e oltre 500 aziende che spendono oltre 1 milione di dollari all’anno per l’utilizzo di Claude.
Nel mercato enterprise, Anthropic detiene il 40% di market share complessivo, in crescita dal 32% di metà 2025 e dal 12% del 2023, mentre OpenAI è sceso dal 50% del 2023 al 25% attuale.
Nel segmento coding specificamente, Anthropic raggiunge il 54% di share contro il 21% di OpenAI.
Le revenue di Claude Code, proiettate su base annua, raggiungerebbero secondo Anthropic i 2,5 miliardi di dollari[2].
Questo posizionamento è rafforzato da partnership strategiche con Amazon (8 miliardi), Google (3 miliardi), Microsoft (5 miliardi) e Nvidia (10 miliardi)[3]. A febbraio 2026, Anthropic ha chiuso un round di finanziamento da 30 miliardi di dollari a una valutazione post-money di 380 miliardi.
L’implementazione Goldman Sachs: profondità strategica
A febbraio 2026, Goldman Sachs ha annunciato pubblicamente ciò che stava costruendo in un progetto iniziato nell’autunno 2025: un’implementazione massiva di agenti AI basati su Claude Opus (oggi nella versione 4.6) per automatizzare funzioni critiche di back e middle office[4]. Non si tratta di un progetto pilota, né di un’ottimizzazione marginale. È un ripensamento architetturale in profondità dell’infrastruttura operativa della banca.
Marco Argenti, CIO di Goldman Sachs, ha descritto il progetto come la creazione di “co-lavoratori digitali” per professioni scalate, complesse e ad alta intensità di processo. Ingegneri di Anthropic sono stati embedded fisicamente presso le sedi Goldman per sei mesi, lavorando fianco a fianco con i team tecnici della banca. Questa modalità di collaborazione – l’embedding fisico di ingegneri del fornitore presso il cliente – non è comune nell’industria finanziaria per progetti di questa portata: implica accesso a dati sensibili, processi core, vincoli regolamentari e know-how proprietario. Rappresenta un livello di integrazione tipico di partnership strategiche di lungo termine.
Due le aree di implementazione
Le aree iniziali di implementazione sono due, entrambe ad elevato impatto organizzativo e di processo: accounting per trade e transazioni e vetting/onboarding dei clienti.
Il primo ambito copre la riconciliazione di migliaia di transazioni giornaliere, il matching di record attraverso sistemi diversi, l’identificazione di discrepanze e la loro risoluzione. È lavoro manuale, costoso, soggetto a errore umano per puro volume, e rilevante ai fini regolamentari.
Il secondo ambito coinvolge processi KYC (Know Your Customer) e AML (Anti-Money Laundering), navigando database globali, incrociando standard di compliance interni con requisiti della Federal Reserve, elaborando documentazione di dettaglio spinto e regolamenti articolati su documenti diversificati. Anche in questo caso, la rilevanza ai fini regolamentari non è da sottovalutare. Introdurre in modo massivo una struttura agentica in questo tipo di processi significa che l’architettura è considerata matura a sufficienza per poter scalare pienamente.
Ciò che ha sorpreso gli executive di Goldman Sachs, secondo le dichiarazioni, è stata la capacità di Claude di gestire compiti che combinano parsing di grandi volumi documentali, applicazione di regole complesse e giudizio contestuale. Argenti ha dichiarato che la domanda iniziale era: “È il coding ad essere speciale, o è la capacità del sistema di ragionare attraverso problemi complessi, passo dopo passo, applicando logica?”. La risposta è stata la seconda.
Questo ha aperto la possibilità di estendere l’utilizzo della AI agentica su altre aree rilevanti come il monitoraggio delle risorse umane e la creazione di analisi mirate (pitchbook) per investment banking, tutti processi dove la combinazione di ragionamento, contestualizzazione e automazione può generare valore.
Architettura agentica basata su Claude Opus 4.6
Pur scontando che i risultati dichiarati facciano parte anche di una strategia comunicativa, è plausibile ritenere che effettivamente l’architettura agentica basata su Claude Opus 4.6 consenta un salto prestazionale rilevante permettendo risultati significativi anche in applicazioni reali in scala enterprise. Disponendo di una context window di 1 milione di token (la più ampia per un modello Opus-class), Opus 4.6 permette di tenere all’interno di essa migliaia di pagine di documentazione finanziaria, aggiornamenti regolamentari e log transazionali contemporaneamente.
L’implementazione nei processi avviene tramite Cowork, l’ambiente di Anthropic per agenti autonomi in grado di lavorare in parallelo su task complessi mediante orchestrazione di agenti multipli che collaborano su obiettivi condivisi.
I risultati riportati ufficialmente includono una riduzione del 30% nel tempo di onboarding di clienti istituzionali e un aumento del 20% nella produttività degli sviluppatori grazie agli assistenti AI per il coding[5].
Goldman Sachs stima che, a regime, oltre 12mila sviluppatori e migliaia di addetti al back-office utilizzeranno Claude per gestire una parte rilevante dei 2,5 trilioni di dollari gestiti dalla banca[6].
Obiettivo: una strategia di crescita
È significativo che il fine dichiarato dell’operazione non sia tanto la diminuzione del numero di addetti quanto piuttosto una strategia di crescita futura. Il CEO David Solomon ha dichiarato esplicitamente che l’obiettivo è contenere e governare la crescita del numero di addetti nell’ambito di un programma triennale di efficienza. In altre parole: crescere i volumi di business senza proporzionale crescita del personale. Rappresenta il primo progetto rilevante di inserimento della tecnologia agentica come modello di scalabilità, che inserisce capacità computazionale avanzata come motore primario di crescita. Privilegia la scalabilità asimmetrica costruendo una capacità di far crescere i volumi di business più velocemente dei costi operativi, introducendo un’architettura semantica ibrida nei processi.
La dichiarazione di Goldman Sachs che l’introduzione della AI agentica su questa scala potrebbe significativamente ridurre il ricorso a terze parti per la fornitura di servizi e di software rappresenta un altro fatto degno di nota, in quanto confermerebbe che l’introduzione della AI agentica è un fattore di discontinuità nell’approccio alla realizzazione di strumenti software in grado di trasformare il panorama applicativo aziendale in modo radicale.
La partnership Goldman-Anthropic rappresenta ad oggi un caso di frontiera in termini di deployment enterprise di AI in un settore regolato e potrebbe ragionevolmente essere seguito da altre istituzioni di pari livello, e pare confermare l’idea che l’implementazione su larga scala di capacità agentiche proprietarie su modelli foundation avanzati possa costituire un veicolo di scalabilità che riduca, anche per le aziende non native AI, la dipendenza dalla rigidità dei sistemi legacy e che consenta, nello stesso tempo, il recupero di margini di efficienza.
Panoramica europea: frammentazione e ritardo
In Europa il quadro è radicalmente diverso. L‘EBA rileva (nel 2024) che il 75% delle banche “significative” usa l’AI per valutazioni di merito creditizio, ma si tratta prevalentemente di machine learning tradizionale su casi circoscritti[7]. L‘AI generativa – e ancor più la sua evoluzione agentica – resta ad oggi marginale, come mostrato da un survey CEPR 2025 su aziende non finanziarie[8].
Anche nel settore finanziario non si registrano ad oggi annunci di adozione di tecnologia agentica sulla scala di quella dichiarata da Goldman Sachs. In linea con la regolamentazione europea, ci si concentra per ora su sperimentazione e processi di supporto, senza implementazioni massive su processi core.
Nello stesso tempo, pur se (ad esempio) la Banca d’Italia rileva che gli investimenti in sistemi di AI degli intermediari finanziari italiani sono quadruplicati negli ultimi due anni e che rappresentano la principale area investimento delle banche italiane[9], questo dato va pesato con il valore assoluto degli investimenti. L’intero mercato italiano dei sistemi AI viene stimato 1,8 miliardi euro nel 2025 (+50% dal 2024)[10]. Per confronto, le sole revenue di Claude Code, proiettate su base annua, raggiungerebbero secondo Anthropic i 2,5 miliardi di dollari.
La regolamentazione
La regolamentazione europea introdotta con l’EU AI Act dell’agosto 2024 (pienamente applicabile da agosto 2026) introduce un framework risk-based complesso che ha un peso rilevante nell’orientamento delle scelte di investimento, che rischia di non essere così focalizzata sulla crescita così come avviene negli Stati Uniti[11]. Regolare prima e implementare dopo, con le tempistiche che regolano i processi burocratici rispetto ai tempi della tecnologia rischia di emergere come un fattore acuto di differenziazione nel tasso di sviluppo nell’era dei sistemi di AI agentica.
La visione rischio-centrica è ben espressa in una intervista rilasciata a Bloomberg[12] da Steven Maijoor del DNB (regolatore olandese), il quale ha dichiarato che l’adozione in larga scala di sistemi di AI significa, intrinsecamente, maggiore dipendenza dalle tech giant americane, concentrazione di rischio e quindi vulnerabilità geopolitica. Forse per questo motivo le esperienze europee in campi strategici come quello finanziario appaiono per ora limitate rispetto alla realtà USA, pur evidenziando alcuni tentativi di implementazione a livello enterprise.
Casi d’uso
Lloyds Banking Group ha annunciato nel novembre 2025 il deployment di un assistente finanziario agentico per 21 milioni di clienti, presentandolo come il primo sistema AI agentico UK[13]. Tuttavia, l’ambito è radicalmente diverso da Goldman Sachs. Lloyds si concentra su CRM e tool consumer: analisi della spesa, consigli su investimenti e risparmi attraverso l’app mobile. Non tocca processi core ad alta intensità e direttamente collegati a istanze regolatorie e di settlement. È essenzialmente un chatbot sofisticato con capacità di personalizzazione, non un sistema agentico che opera autonomamente su processi mission-critical.
Société Générale presenta un caso diverso, ma ugualmente esemplificativo di un certo andamento erratico. La banca ha creato nel 2025 SocGen AI, un’entità dedicata, per industrializzare l’utilizzo di sistemi di AI a livello di gruppo. Ha costruito inizialmente una piattaforma agentica a 4 livelli dichiarando circa 200 casi d’uso in produzione, concentrati su sei domini: interazione con i clienti, onboarding, back office, IT, compliance e produttività[14].
Altre realtà rilevanti a livello europeo mostrano pattern simili. BNP Paribas dichiara oltre 750 use cases AI in produzione con obiettivo 1.000 entro 2025, e ha stretto partnership con Mistral AI per accesso ai modelli[15]. Anche HSBC ha firmato un accordo pluriennale con Mistral AI nel dicembre 2025, coprendo diverse aree operative ma senza dettagli su processi core[16].
Nel gennaio 2026, Anthropic ha annunciato una partnership con Allianz per portare Claude Code a tutti i dipendenti e costruire agenti AI custom, enfatizzando finalità di trasparenza e compliance — un segnale che anche in Europa ci sono realtà che stanno iniziando a considerare approcci più strutturali.
In tutti questi casi non viene però dichiarata una trasformazione architetturale su processi mission-critical paragonabile alla soluzione di Goldman Sachs. Le implementazioni restano su processi rilevanti come customer service, assistenti alla produttività dei dipendenti, in alcuni casi individuazione delle frodi e analisi dati. Processi importanti ma non trasformativi dell’architettura operativa.
In questo, forse, è evidente il circolo vizioso evidenziato da Maijoor. Nessun intermediario finanziario europeo sta impiegando direttamente (almeno secondo le informazioni pubblicamente reperibili) risorse dei fornitori di modelli foundation per co-sviluppare architetture trasformative dei processi core. Utilizzano l’AI via API cloud standard (AWS Bedrock, Google Cloud Vertex AI, Azure OpenAI) e risultano quindi principalmente utilizzatori, non co-creatori.
La differenza è significativa: Goldman Sachs ha scommesso strategicamente di investire ora in architettura agentica proprietaria co-sviluppata con Anthropic per realizzare un vantaggio competitivo strutturale.
L’investimento massivo di Goldman Sachs mostra che la corsa è già iniziata e che non aspetta decreti attuativi. Sei mesi, oggi, sono già un tempo molto lungo.
Nota metodologica
Per la redazione del presente articolo sono stati utilizzati NotebookLM per l’organizzazione dei documenti e delle operazioni di RAG, Perplexity Pro per la ricerca su fonti specifiche.
CB Insights (2025), cit. ↑
SaaStr (2025), Anthropic May Never Catch OpenAI. But It’s Already 40% as Big. ↑
Menlo Ventures (2025), “2025 Mid-Year LLM Market Update: Foundation Model Landscape + Economics”; Anthropic (2026) Anthropic raises $30 billion in Series G funding at $380 billion post-money valuation ↑
Sacra (2026), Anthropic revenue, valuation & funding ; Deep Research Global (2026), Anthropic – Company Analysis and Outlook Report (2026) ↑
CNBC (2026), Goldman Sachs taps Anthropic’s Claude to automate accounting, compliance roles ↑
Newsbytes (2026), Goldman Sachs deploys Anthropic’s new AI model for back-office tasks ↑
Remio.ai (2026), Goldman Sachs Deploys Anthropic AI for Trade Accounting and Compliance ↑
European Banking Authority (2024), Special topic – Artificial intelligence | European Banking Authority ↑
CEPR (2025), Embracing AI in Europe: New evidence from harmonised central bank business surveys ↑
Banca d’Italia (2025), Artificial Intelligence in Finance – Intervento del Direttorio ↑
Junto.space (2026), Artificial Intelligence Market in Italy: Evolution 2025 ↑
Tagli annunciati: ABN Amro -20% forza lavoro entro 2028, Société Générale “nulla è sacro”. Morgan Stanley stima 200.000 posti bancari europei scomparsi entro 2030 (10% delle 35 maggiori banche). TechCrunch (2026), European banks plan to cut 200,000 jobs as AI takes hold ; Irish Times (2026), AI is forecast to ‘put 200,000 European banking jobs at risk’ by 2030 – The Irish Times ↑
Bloomberg (2025), intervista a Steven Maijoor, Chair of Supervision at Dutch National Bank, 1 dicembre 2025, AI Raises Big Tech’s Systemic Threat to EU Banks, Watchdog Warns ; De Nederlandsche Bank & AFM (2025), 6 novembre 2025, AFM and DNB warn of systemic risks in the financial sector from digital dependence ↑
FinTech Magazine (2025), 7 novembre 2025, Lloyds Deploys Agentic AI Framework Across 21m Accounts ↑
Secrets de Data (2025), 15 dicembre 2025, IA Agentique chez SG : plateforme et premiers projets ; Société Générale (2025), 27 novembre 2025, Innovation and digital ↑
CB Insights (2025),, 22 dicembre 2025, Retail banking AI readiness: the leading banks positioned to enable AI at scale ↑
