L’innovazione – e lo sviluppo dell’intelligenza artificiale – nel settore dei servizi finanziari è una delle trasformazioni più forti e strategiche dell’economia contemporanea. Coinvolge banche, compagnie assicurative, società di gestione del risparmio, intermediari finanziari e fintech.
Sono in atto una spinta tecnologica e un cambiamento epocali, che modificano il modo in cui i servizi del mondo finance vengono progettati, erogati e utilizzati.
La crescita dell’intelligenza artificiale, del machine learning e del cloud computing, accelera la trasformazione, e afferma un nuovo modello di digitalizzazione intelligente, che non si limita più ad automatizzare processi, ma li reinterpreta e li ottimizza in modo dinamico e predittivo.
Indice degli argomenti:
AI nel finance: tra ambizioni agentiche e l’imperativo della resilienza
Da semplice supporto operativo, l’AI sempre più diventa un fattore abilitante di competitività, mentre l’adozione del cloud garantisce scalabilità, flessibilità e una riduzione rilevante dei costi di gestione.
Ma mentre il dibattito sull’intelligenza artificiale nel settore finanziario si concentra spesso sulla promessa di iper-personalizzazione e operazioni autonome, un’analisi sul campo (nelle banche) condotta da Red Hat e FStech rivela una priorità ancora più pragmatica e urgente per i decision-maker: la resilienza.
I sistemi intelligenti usati per rafforzare le difese
L’indagine, che ha coinvolto oltre 100 leader del settore in Europa, mostra come per il 34% di essi il maggiore impatto dell’AI nei prossimi tre anni sarà proprio sulla resilienza operativa e sulla business continuity.
L’analisi dei casi d’uso indica una diffusa strategia prudente. L’AI oggi viene soprattutto impiegata “per rafforzare le difese, non per creare nuove esperienze rivolte ai clienti”, sottolinea Richard Harmon, vice president, Global head financial services industry di Red Hat.
Il ruolo chiave della continuità operativa, controllo e sicurezza
Se per anni velocità e riduzione dei costi sono stati i driver del vantaggio competitivo, oggi il paradigma è cambiato.
Normative stringenti come il Digital operational resilience act (Dora) dell’Unione Europea e l’aumento dei rischi informatici sistemici hanno trasformato la continuità operativa in un imperativo strategico.
La normativa Dora, imponendo la capacità di garantire i servizi critici anche durante un’interruzione, ha forti implicazioni per l’architettura dei sistemi di AI. La resilienza non è più un’opzione, ma un requisito da integrare ‘by design’, all’origine.
Sovranità dei dati aziendali e dipendenza dagli hyperscaler
Quindi, mentre circa la metà degli istituti bancari censiti (47%) sta già implementando o testando l’AI agentica, in concreto la sicurezza e il controllo restano le priorità assolute.
Del resto, anche la sovranità dei dati aziendali oggi non è più solo una questione di ‘residenza’ dei dati stessi, ma di controllo attivo su dove e come vengono processati, con l’obiettivo strategico di ridurre la dipendenza dagli hyperscaler e aumentare la trasparenza. Tuttavia, i costi elevati e la carenza di competenze specialistiche restano gli ostacoli maggiori sul percorso.
Rilevamento delle frodi, conformità normativa e antiriciclaggio
Le tre applicazioni indicate come prioritarie sono “il rilevamento delle frodi, il monitoraggio della conformità e il supporto alle operazioni di antiriciclaggio”, rileva il manager di Red Hat.
Al contrario, applicazioni a diretto contatto con il pubblico come la consulenza finanziaria personalizzata o la gestione del portafoglio “appaiono ancora in secondo piano. Il settore vuole prima la garanzia di un controllo assoluto, per poi delegare all’AI decisioni che impattano direttamente il cliente e il mercato”.
La base per un’AI sostenibile e sicura
L’innovazione dell’AI “sarà sostenibile solo se costruita su una base solida di resilienza e governance”, spiega Harmon: “navigare a vista tra modelli e agenti di AI distribuiti all’interno di ambienti isolati è la premessa per arrivare a una complessità ingestibile e rischi sistemici invisibili”.
Il vero elemento di differenziazione strategica “sarà una piattaforma open hybrid cloud che offra controllo unificato, sicurezza integrata e trasparenza”.
Open source aziendale e sovranità digitale
In questo contesto, l’open source aziendale diventa la base di una vera sovranità digitale, “offrendo visibilità sul codice e garantendo la libertà dal vendor lock-in. Non a caso, il 50% degli istituti finanziari sta già testando soluzioni di AI open source”, spiega l’analista di Red Hat.
Il percorso verso un ecosistema finanziario autonomo “sarà costruito passo dopo passo, ma la priorità è chiara: assicurarsi fondamenta solide e affidabili, capaci di sostenere i nuovi livelli di complessità e responsabilità dell’era agentica”.
Innovazione e AI in Intesa Sanpaolo
Per aiutare e sostenere il personale interno e gli operatori delle varie funzioni nel lavoro quotidiano, Intesa Sanpaolo ha avviato diversi progetti, come il programma AIxeleration, per accelerare l’adozione di soluzioni di intelligenza artificiale nel Gruppo bancario, tra cui per la divisione Banca dei Territori.
Tra i progetti già attivi in Banca dei Territori c’è l’assistente virtuale Pricy, integrato nell’applicativo Price, che supporta il personale interno e gli operatori nel recupero delle informazioni necessarie per le valutazioni di prezzo.
“Con il sistema Pricy, è possibile accedere ai dati finanziari dei clienti e alle informazioni della piattaforma interna Abc Informativa, agevolando l’analisi delle posizioni”, spiegano in Intesa Sanpaolo.
Un altro progetto già attivo è il co-pilota Marco, un assistente smart progettato per la filiale digitale secondo i principi dell’AI collaborativa. Affianca i gestori nella ricerca di informazioni, nella gestione del contatto con il cliente e nell’offerta commerciale.
UniCredit e Google Cloud
Il Gruppo UniCredit nei mesi scorsi ha definito le basi per un accordo strategico di dieci anni con Google Cloud, che prevede una migrazione graduale di applicazioni chiave e sistemi legacy sulla piattaforma di Google, con l’obiettivo di garantire maggiore scalabilità, sicurezza e flessibilità alle infrastrutture IT della banca.
UniCredit utilizzerà Google Cloud anche come piattaforma di riferimento per i carichi di lavoro basati sull’AI, impiegando tecnologie come Vertex AI e i modelli Gemini.
La piattaforma per le Pmi per fare fusioni, acquisizioni e partnership
Il Gruppo bancario ha anche creato la piattaforma DealSync che, integrando algoritmi e l’esperienza della sua rete internazionale di professionisti finanziari, facilita il processo di ricerca di partner nel mondo delle Pmi e supporta le operazioni per fusioni e acquisizioni.
Con questo strumento, la banca “è in grado di individuare l’investitore o l’azienda target più in linea con obiettivi ed esigenze della Pmi”, spiegano in UniCredit, e attraverso un processo di matching “che combina sistemi d’intelligenza artificiale con le conoscenze dei M&A Banker specializzati in questo tipo di operazioni, vengono cercate e selezionate le potenziali controparti all’interno di un network internazionale esclusivo della banca”.
Banca Generali, Copilot e i private banker
Banca Generali collabora con Microsoft Italia per utilizzare soluzioni di Gen AI al servizio di dipendenti, private banker e clienti, puntando alla valorizzazione del patrimonio dati fino alla maggiore produttività dei consulenti finanziari.
L’assistente virtuale Microsoft 365 Copilot Chat è già disponibile per tutti i dipendenti e private banker, e la gran parte degli operatori (60%) accede anche alle funzionalità personal assistant di Copilot all’interno di Outlook Teams, Word, Excel e PowerPoint per integrare e migliorare le attività quotidiane.
La banca triestina e la Big tech americana stanno anche lavorando allo sviluppo di nuove soluzioni di AI generativa per la consulenza finanziaria.
Banca Sella e la personalizzazione dei servizi finanziari
Già da tempo anche Banca Sella utilizza gli algoritmi di intelligenza artificiale, ad esempio per il monitoraggio del credito, valutare la solvibilità dei clienti, affrontare i rischi di frodi finanziarie, con motori di analisi delle regole in real time, gestione di enormi quantità di dati e modelli predittivi.
Un modello di analisi è dedicato, ad esempio, alle diverse fasce d’età della clientela, con cui si valutano i comportamenti di acquisto e l’uso di dispositivi come cellulari e carte, monitorando lo scostamento da un comportamento ordinario.
Se un cliente che solitamente fa pochi prelievi e non ha mai investito in criptovalute inizia a prelevare spesso o effettua movimenti verso piattaforme crypto, l’operazione viene immediatamente segnalata dalla centrale di sicurezza.
Aumentare i ricavi per singolo cliente con la personalizzazione
L’AI viene usata anche per incrementare i risultati commerciali, ad esempio aumentando la quota di ricavi per singolo cliente attraverso la personalizzazione: “ciò significa offrire il prodotto più adeguato, nel migliore momento possibile, con la più alta probabilità di conversione”, fanno notare in Banca Sella, “utilizzando modelli di propensione all’acquisto basati su oltre 700 variabili, che creano dei profili associati a schemi di comportamento simile”.
Gli algoritmi servono anche per evitare che i clienti cambino banca, analizzando i profili propensi all’abbandono (churn rate). In questo modo, i casi di abbandono più probabili vengono identificati con qualche settimana di anticipo e questi clienti vengono contattati attraverso le succursali. Così il churn rate della banca è migliorato di diversi punti percentuali anno su anno.
L’home banking conversazionale di Widiba (Gruppo Mps)
Widiba, la banca digitale del Gruppo Montepaschi (Mps), ha sviluppato una nuova App di home banking con intelligenza artificiale generativa integrata. Trasforma il modo in cui i clienti interagiscono con la banca e rende l’esperienza completamente ‘conversazionale’, sia per operazioni informative sia dispositive.
L’applicazione di Gen AI si chiama DiAloga: attraverso un’interfaccia semplice, è possibile fare le principali operazioni bancarie – come bonifici, analisi delle spese, analisi patrimoniale – dialogando con l’App, sia tramite testo, sia a voce.
Tecnologia ibrida e AI privata in Cassa Depositi e Prestiti
Cassa Depositi e Prestiti (Cdp) – la banca di Stato che si occupa di finanziamenti e investimenti pubblici – ha industrializzato l’AI attraverso una governance flessibile e un’infrastruttura IT ibrida, portando avanti un programma che si può sintetizzare in due ricette fondamentali: la componente di tecnologia e quella di governance e HR.
Per uscire dalle prime fasi pilota di sperimentazione dell’AI e, allo stesso tempo, per rimanere in linea con policy e compliance aziendali, è stato costruito un framework AI customizzato ibrido, parte in cloud e parte on-premise, dove nel cloud gira tutta la potenza dei dati che non sono sensibili.
Strumenti open source per dati riservati
Mentre on-premise – nelle strutture IT e nel data center di proprietà aziendale –, è stata costruita un’AI privata, un’infrastruttura con macchine Cpu dedicate su cui far girare degli LLM open source sui dati strettamente riservati, quindi garantendo i principi di sovranità e sicurezza.
Per utilizzare bene questi sistemi, l’area HR dell’azienda ha sviluppato un programma, un ecosistema di formazione, che ha coinvolto i vari livelli interni, con in prima fila i manager C-level e del Board, da un lato, operatori, funzionari e impiegati, dall’altro.
Nuove applicazioni con risultati in pochi minuti
Oggi il digital onboarding – per fare un esempio tra i tanti – consente di aprire un conto corrente o attivare un servizio ormai in pochi minuti, con la possibilità di fare una verifica in tempo reale dell’identità del cliente e un rapido controllo automatico delle informazioni, indispensabili per l’antiriciclaggio e il Kyc (Know your customer).
Applicazioni smart in pochi secondi permettono di individuare pattern e anomalie, che difficilmente l’uomo sarebbe in grado di rilevare in diverse ore di lavoro.
Algoritmi per credit scoring e gestione del rischio
Il credit scoring avanzato “è in grado di valutare il merito creditizio, utilizzando anche dati non convenzionali, in particolare quelli sociali o comportamentali”, sottolinea Piergiorgio Stano, data, analytics e AI lead di BearingPoint Italia, società della multinazionale di consulenza strategica, manageriale e tecnologica che ogni anno realizza il banking study dedicato al settore.
“Gli algoritmi consentono una gestione del rischio molto più accurata e più predittiva rispetto al passato”, fa notare Stano, “monitorando in modo ininterrotto i rischi di mercato, quelli di credito e quelli operativi”.
Ridurre la complessità e potenziare la qualità delle decisioni
L’AI sta così diventando un pilastro dell’evoluzione bancaria, ma ciò che fa davvero la differenza “è la capacità di combinare innovazione tecnologica con una solida governance del dato e con un chiaro orientamento al cliente”, rimarca l’AI lead di BearingPoint Italia.
Dal banking study della società di consulenza emerge anche che le banche “che sapranno coniugare efficienza operativa e capacità predittiva, riducendo la complessità e potenziando la qualità delle decisioni, saranno quelle in grado di trasformare i requisiti normativi in leve di vantaggio competitivo”.
Non a caso “banche e Gruppi come Intesa Sanpaolo, UniCredit, Banco Bpm, Mps, Mediolanum, mostrano una crescente resilienza patrimoniale, un solido posizionamento in liquidità finanziaria e una precisa volontà di evolvere attraverso investimenti strategici in tecnologie digitali e intelligenza artificiale”.
