L’intelligenza artificiale potrebbe diventare il detonatore di una crisi finanziaria? Il problema è entrato nell’agenda delle autorità mentre gli investimenti legati all’AI raggiungono dimensioni macroeconomiche, le valutazioni azionarie restano concentrate su poche società tecnologiche e una quota crescente della spesa per data center, chip e infrastrutture digitali viene finanziata con debito.
A questi rischi di mercato se ne aggiunge uno meno visibile: la possibilità che sistemi di AI molto avanzati aumentino velocità e capacità degli attacchi informatici contro banche, mercati, sistemi di pagamento e fornitori tecnologici.
Durante la settimana dell’Assemblea generale dell’Onu a New York, Bill Gates ha indicato proprio l’uso malevolo dell’AI tra i pericoli che richiedono sistemi di monitoraggio capaci di individuare tempestivamente possibili abusi.
Le autorità finanziarie stanno quindi lavorando su due piani. Devono capire come l’AI possa amplificare una crisi. Allo stesso tempo stanno iniziando a utilizzare l’AI per vigilare su mercati e intermediari che la adottano a velocità crescente.
Indice degli argomenti:
Dalla bolla dell’AI al rischio per la stabilità finanziaria
Il primo rischio nasce dai mercati. Il Financial Stability Board, nella lettera inviata il 31 agosto 2026 ai ministri finanziari e ai governatori delle banche centrali del G20, ha richiamato l’interazione tra valutazioni elevate, concentrazione dei mercati, maggiore utilizzo della leva e ottimismo legato all’intelligenza artificiale. Secondo il Fsb, questi fattori potrebbero amplificare gli effetti di una futura correzione dei prezzi.
La Bank for International Settlements arriva a una conclusione simile. Nel bollettino pubblicato il 28 luglio 2026 osserva che il boom dell’AI sta alimentando un’ondata di investimenti di dimensioni globali, sostenuta in misura crescente dal debito. Data center, semiconduttori, infrastrutture cloud ed energia assorbono quantità di capitale che ormai incidono sul ciclo economico, sugli scambi internazionali e sui mercati azionari. I benefici futuri sulla produttività possono essere consistenti, ma secondo la Bis restano incerti e distribuiti in modo molto disomogeneo.
Pablo Hernández de Cos, direttore generale della Bis, il 10 settembre ha aggiunto un secondo elemento. Le quotazioni delle società al centro dello sviluppo dell’AI sono elevate e concentrate, mentre le aspettative sugli utili futuri incorporano ipotesi ambiziose. Una revisione di quelle aspettative avrebbe quindi effetti che potrebbero andare oltre le singole aziende tecnologiche.
Il rischio economico non dipende dunque dall’esistenza di una generica “bolla AI”. Dipende da quanto debito, leva finanziaria, investimenti infrastrutturali e ricchezza azionaria siano collegati alle stesse aspettative di crescita.
Il cyber-rischio corre alla velocità delle macchine
La seconda fonte di vulnerabilità riguarda la sicurezza informatica. Un rapporto del Fondo monetario internazionale pubblicato nel giugno 2026 sostiene che l’AI stia riducendo il tempo necessario per individuare e sfruttare le vulnerabilità dei sistemi informatici. Il pericolo sistemico nasce soprattutto dalla scala: una falla presente in software, infrastrutture cloud o tecnologie utilizzate da molte istituzioni può essere scoperta e attaccata rapidamente su un numero elevato di obiettivi.
Il Fmi parla di una dinamica tra attacco e difesa che si avvicina alla “velocità macchina”. Per banche e infrastrutture finanziarie significa che procedure fondate su interventi umani possono diventare troppo lente. Il Fondo propone sistemi automatici di rilevazione, risposta e contenimento, insieme a controlli tecnici capaci di limitare l’area colpita da un attacco e a capacità di ripristino molto più robuste.
Anche l’European Banking Authority ha segnalato il problema nel Risk Assessment Report di giugno 2026. L’Eba osserva che i modelli di frontiera hanno acquisito capacità molto più avanzate nell’individuare e sfruttare vulnerabilità software. Per le banche, il rischio cresce quando la capacità offensiva progredisce più rapidamente dei sistemi di risposta e delle tradizionali procedure di aggiornamento del software.
Il risultato è un cambiamento di natura del cyber-rischio. Un incidente informatico non riguarda più soltanto la continuità operativa di una singola banca. Se colpisce tecnologie condivise può propagarsi contemporaneamente tra istituzioni, mercati e Paesi.
Cloud e modelli concentrano il rischio in poche aziende
Una parte rilevante di questa vulnerabilità deriva dalla struttura stessa dell’industria tecnologica. Banche, assicurazioni e operatori finanziari utilizzano infrastrutture fornite da un gruppo ristretto di grandi società cloud. Anche molti modelli di AI dipendono da pochi fornitori globali.
Il Regno Unito ha scelto di portare questa dipendenza direttamente dentro il perimetro della vigilanza finanziaria. Dal 13 luglio 2026 Bank of England, Prudential Regulation Authority e Financial Conduct Authority sorvegliano quattro fornitori classificati dal Tesoro britannico come “critical third parties”: Amazon Web Services Emea, Google Cloud Emea, Microsoft Ireland Operations e Oracle Corporation Uk.
La scelta parte da un rischio preciso. Un guasto o un attacco contro un fornitore utilizzato contemporaneamente da migliaia di imprese può produrre una disfunzione comune, anziché una serie di incidenti indipendenti. La Bank of England considera quindi queste dipendenze una possibile fonte di rischio sistemico.
Nell’Unione europea, l’Eba ricorda che il Digital Operational Resilience Act impone già alle banche obblighi sulla gestione dei fornitori Ict, la segnalazione degli incidenti e i test di resilienza. L’adozione dell’AI deve essere inserita in questi presidi, insieme agli obblighi derivanti dall’AI Act quando applicabili.
Per i regolatori la trasparenza del modello non basta più
Per anni la supervisione finanziaria ha insistito sulla “explainability”: una banca deve poter ricostruire almeno in misura sufficiente perché un modello abbia prodotto una decisione. Con i sistemi di AI più complessi questa richiesta diventa difficile da applicare nello stesso modo utilizzato per i modelli statistici tradizionali.
Una ricerca della Banca centrale europea pubblicata il 21 maggio 2026 mostra inoltre che l’architettura utilizzata può produrre comportamenti finanziari molto differenti. Nelle simulazioni della Bce, algoritmi di reinforcement learning hanno mostrato maggiore coordinamento ma anche dinamiche estreme simili a corse agli sportelli. I modelli linguistici hanno prodotto comportamenti più eterogenei e meno prevedibili.
Per la vigilanza diventa quindi necessario osservare il comportamento concreto dei sistemi, i risultati che producono e il modo in cui reagiscono agli shock. Audit, tracciabilità, supervisione umana, limiti operativi, sistemi di arresto e attribuzione delle responsabilità legali acquistano peso accanto alla spiegazione tecnica del modello.
I supervisori cominciano a costruire i propri agenti AI
La risposta più interessante arriva dagli stessi regolatori. A Cambridge, nel settembre 2026, il Cambridge Digital Innovation and Regulation Initiative ha organizzato il Global “Agentic Regulator” Hackathon, dedicato alla costruzione di agenti AI per autorità pubbliche.
L’iniziativa ha ricevuto 336 proposte provenienti da oltre 65 Paesi. Trentasei squadre sono arrivate alla fase finale e 18 erano costituite da, o collegate a, banche centrali, autorità finanziarie e altri organismi pubblici. I progetti hanno riguardato frodi, pagamenti autonomi, manipolazione dei mercati, comportamenti imitativi degli algoritmi, identità digitale degli agenti e controllo dei sistemi decentralizzati.
L’idea economica alla base dell’esperimento è semplice: se transazioni, decisioni di investimento e attacchi informatici avvengono a velocità automatizzata, anche una parte della supervisione deve essere automatizzata.
Fernando Restoy, presidente del Financial Stability Institute, intervenendo proprio alla conferenza di Cambridge il 18 settembre 2026, ha ricordato che le autorità stanno già utilizzando l’AI per elaborare dati di vigilanza, individuare rischi emergenti e impiegare meglio le risorse disponibili.
Anche i governi sperimentano l’AI agentica
La sperimentazione non riguarda soltanto Stati Uniti ed Europa. Gli Emirati Arabi Uniti hanno annunciato il 23 aprile 2026 un programma per trasferire entro due anni verso sistemi di AI agentica il 50% dei settori, delle operazioni e dei servizi del governo federale interessati dal nuovo modello. L’obiettivo dichiarato è affidare ai sistemi una quota maggiore di esecuzione autonoma e supporto alle decisioni.
Esperimenti di questo tipo pongono problemi di responsabilità, sicurezza e controllo, ma mostrano anche perché i regolatori vogliono acquisire competenze interne. Un’autorità che conosce l’AI soltanto attraverso la documentazione fornita dai soggetti vigilati rischia di disporre di strumenti meno avanzati rispetto agli operatori che deve controllare.
Il rischio finanziario nasce dall’incrocio tra tecnologia e mercati
Il punto comune nelle analisi pubblicate nel 2026 da Fsb, Fmi, Bis, Bank of England ed Eba è l’interazione tra rischi diversi.
Una correzione dei titoli tecnologici può produrre perdite finanziarie. Un attacco informatico può interrompere sistemi di pagamento o piattaforme bancarie. Una crisi di un grande fornitore cloud può colpire contemporaneamente molti intermediari. Algoritmi simili possono reagire allo stesso segnale aumentando vendite, volatilità e correlazioni. Se questi eventi si verificano nello stesso momento, i loro effetti possono rafforzarsi reciprocamente.
Per questo il Fsb aveva già individuato quattro vulnerabilità da sorvegliare:
- dipendenza da fornitori terzi,
- aumento delle correlazioni di mercato,
- cyber-rischio e problemi legati a modelli,
- qualità dei dati e governance.
Nel 2025 aveva chiesto alle autorità di migliorare il monitoraggio dell’adozione dell’AI e delle concentrazioni tecnologiche. Nell’agosto 2026 il richiamo è diventato più esplicito di fronte ai progressi dei modelli di frontiera.
Le regole, da sole, difficilmente potranno seguire ogni nuova capacità tecnica. Le autorità stanno quindi aggiungendo test operativi, controllo dei fornitori, simulazioni di crisi e strumenti AI per l’analisi dei mercati.
L’intelligenza artificiale diventa così contemporaneamente una fonte di rischio e uno strumento di difesa. Per la stabilità finanziaria il risultato dipenderà dalla velocità con cui banche, infrastrutture tecnologiche e supervisori riusciranno a individuare le vulnerabilità comuni prima che un incidente locale possa trasformarsi in uno shock sistemico.
Partecipa alla community