Google Cloud porta l’intelligenza artificiale agentica direttamente nei processi delle grandi banche. Il 25 agosto 2026 il gruppo ha presentato Gemini Enterprise for Financial Services, una versione specializzata della propria piattaforma destinata inizialmente ai mercati dei capitali e al corporate banking.
Il servizio, disponibile in anteprima, combina agenti AI, oltre 50 competenze finanziarie preconfigurate, collegamenti ai principali fornitori di dati di mercato e strumenti di controllo destinati alle funzioni IT e risk management.
Tra i primi gruppi coinvolti figurano Deutsche Bank e CME Group. La banca tedesca ha partecipato alla progettazione del Financial Research agent, l’agente sviluppato e gestito da Google per automatizzare attività di ricerca finanziaria. Il lancio si inserisce in una strategia più ampia con cui Google Cloud cerca di trasformare Gemini da assistente generalista a infrastruttura operativa per settori altamente regolamentati. Nello stesso giorno il gruppo ha presentato anche una versione dedicata al settore legale.
Il progetto parte da una premessa economica precisa: nelle banche l’AI non viene più sperimentata soltanto per produrre testi o riassunti. Gli istituti stanno cercando di utilizzarla per eseguire sequenze di attività che richiedono l’accesso simultaneo a dati di mercato, documenti aziendali, archivi interni e sistemi di controllo.
Indice degli argomenti:
Un agente per la ricerca finanziaria
Il cuore dell’offerta è il Financial Research agent. Secondo la documentazione pubblicata da Google Cloud il 25 agosto, il sistema può svolgere ricerche articolate collegandosi a fonti diverse e produrre risultati accompagnati da citazioni, metodologie dichiarate, indicatori di affidabilità e copie dei dati utilizzati, pensate per facilitare verifiche successive e audit.
Google indica più di 50 skill specializzate e 13 connettori verso fonti finanziarie e societarie. Tra i fornitori citati ci sono FactSet, Lseg, Moody’s, Msci, PitchBook, S&P Global, Dun & Bradstreet, Finnhub, Daloopa, Guidepoint, Fiscal.ai, CoinDesk Data & Indices e Sec Edgar. La piattaforma può inoltre lavorare con Google Workspace e Microsoft 365, permettendo di trasferire analisi e documenti in Docs, Sheets, Slides, Word, Excel e PowerPoint.
L’elemento industrialmente più importante è il collegamento tra il modello di AI e le fonti professionali che già alimentano l’attività quotidiana di banche e società finanziarie. Un modello linguistico utilizzato senza questi collegamenti può fornire risposte basate sulle informazioni apprese durante l’addestramento o sul materiale caricato dall’utente. Un agente finanziario collegato ai sistemi aziendali può invece interrogare dati autorizzati, documenti interni e informazioni di mercato aggiornate.
È su questa differenza che Google cerca di costruire la propria posizione nel settore.
Dal Kyc all’analisi del credito
I casi d’uso presentati riguardano attività che assorbono molte ore di lavoro qualificato. Google cita la ricerca sui clienti, l’identificazione dei beneficiari effettivi, l’analisi delle strutture societarie, il monitoraggio dei portafogli obbligazionari, lo studio del rischio di credito e la preparazione dei materiali necessari per le emissioni di bond.
Nel Know Your Customer, o Kyc, il sistema può acquisire documenti in formati diversi, compresi file Pdf, fogli Excel e documenti depositati presso la Sec, per ricostruire partecipazioni societarie e individuare gli ultimate beneficial owners. Sono attività essenziali per rispettare le norme contro il riciclaggio e verificare l’identità dei clienti, ma richiedono ancora un lavoro esteso di raccolta e confronto delle informazioni.
Google sostiene inoltre che l’analisi dell’esposizione al rischio di un portafoglio obbligazionario possa essere ridotta a meno di cinque minuti, includendo possibili strategie di copertura della duration. Per le emissioni obbligazionarie, l’azienda afferma che la preparazione delle presentazioni destinate ai clienti potrebbe passare da giorni a minuti. Si tratta, in entrambi i casi, di stime presentate dal produttore e non di risultati certificati da studi indipendenti.
Il beneficio economico potenziale riguarda soprattutto il costo del lavoro qualificato. Se una parte della ricerca preliminare, della raccolta dei documenti e della preparazione dei materiali viene automatizzata, analisti e banker possono destinare più tempo alle decisioni, alle relazioni con i clienti e alle attività che richiedono responsabilità professionale.
Deutsche Bank parte dal corporate banking
Deutsche Bank rappresenta uno dei test più rilevanti della nuova piattaforma. La banca ha collaborato allo sviluppo del Financial Research agent con l’obiettivo di adattarlo ai requisiti di sicurezza, governance e localizzazione dei dati richiesti nel sistema bancario.
Secondo il materiale diffuso per il lancio, Deutsche Bank intende utilizzare inizialmente l’agente nella divisione Corporate Bank per individuare esigenze dei clienti, identificare prodotti adatti, accelerare i processi di acquisizione e seguire gli sviluppi dei mercati. Il gruppo sta valutando applicazioni anche nella gestione dei rischi legati alla criminalità finanziaria, nelle previsioni, nelle analisi di scenario e nella preparazione delle presentazioni commerciali per Private Bank e Investment Bank.
La scelta è coerente con la direzione indicata da Deutsche Bank negli ultimi mesi. Il 25 giugno 2026 Deutsche Bank Research ha descritto il passaggio dall’AI generativa all’AI agentica come un fattore destinato a incidere sulla competitività delle imprese e dell’economia tedesca.
Per le banche, tuttavia, un agente capace di eseguire attività non può essere trattato come un semplice chatbot. L’accesso ai database deve rispettare i permessi del dipendente che utilizza il sistema. Le informazioni riservate non devono uscire dagli ambienti autorizzati. Ogni passaggio rilevante deve poter essere ricostruito in caso di controllo.
Google rafforza la presenza nelle grandi banche
Gemini Enterprise for Financial Services arriva dopo diversi accordi tra Google Cloud e grandi operatori finanziari. Il comunicato cita BNY, Citi Wealth, Lloyds Banking Group, Macquarie Bank e Signal Iduna tra le istituzioni che utilizzano tecnologie della famiglia Gemini Enterprise.
Uno dei progetti più visibili è quello di Citi Wealth. Il 22 aprile 2026 Citi ha presentato Citi Sky, un servizio basato su tecnologie Google Cloud e Google DeepMind destinato ai clienti Citigold negli Stati Uniti. Il sistema utilizza modelli Gemini, voce e video in tempo reale e punta a fornire informazioni sui mercati e indicazioni personalizzate, mantenendo il consulente umano nel processo.
Citi sta lavorando contemporaneamente sull’uso degli agenti all’interno della banca. Il 30 aprile ha annunciato Arc, una piattaforma per sviluppare e distribuire agenti AI destinati ad attività di ricerca, sintesi, preparazione ed esecuzione di compiti interni.
Nella lettera agli azionisti relativa all’esercizio 2025, Citi ha indicato che gli strumenti di coding assistiti dall’intelligenza artificiale creavano già circa 100 mila ore di capacità lavorativa alla settimana per gli sviluppatori. La banca utilizza inoltre l’AI nei servizi ai clienti, nei mercati, nel wealth management, nei processi Kyc e nel credito wholesale.
Questi esempi mostrano come la competizione tra i grandi fornitori tecnologici si stia spostando dalle licenze dei singoli modelli alla capacità di inserirli nei processi produttivi delle banche.
L’AI è già presente in oltre l’85% delle grandi banche europee
La diffusione dell’intelligenza artificiale nel sistema bancario europeo ha ormai superato la fase sperimentale. Il 3 giugno 2026 la Banca centrale europea ha riferito che oltre l’85% degli istituti significativi sottoposti alla vigilanza bancaria europea utilizza tecnologie di intelligenza artificiale.
L’Autorità bancaria europea, nel Risk Assessment Report pubblicato nel giugno 2026, riconosce che l’AI può ridurre costi e aumentare l’efficienza in numerose attività: automazione dei processi, gestione del rischio, consulenza finanziaria, assistenza ai clienti e prevenzione delle frodi. Lo stesso rapporto elenca però rischi operativi, errori nei dati, distorsioni nei modelli, dipendenza dai fornitori esterni, problemi legali e aumento delle minacce informatiche.
Per Google, questa combinazione rappresenta contemporaneamente un’opportunità commerciale e un vincolo progettuale. Le banche vogliono sistemi capaci di automatizzare una parte maggiore del lavoro, ma devono poter dimostrare alle autorità come questi sistemi accedono ai dati, producono le risposte e rispettano le politiche interne.
Dall’AI generativa agli agenti autonomi
La differenza tra un assistente generativo e un agente riguarda soprattutto la capacità di agire. Un chatbot riceve una domanda e produce una risposta. Un agente può scomporre un obiettivo in più operazioni, interrogare fonti differenti, utilizzare strumenti esterni e preparare un risultato senza richiedere all’utente di guidare ogni singolo passaggio.
Nel settore finanziario questa evoluzione può modificare attività ad alta intensità di ricerca. Un analista che deve valutare un’impresa può, per esempio, richiedere al sistema di recuperare bilanci e comunicazioni regolamentari, confrontare multipli con quelli dei concorrenti, cercare notizie recenti e preparare una prima bozza del report.
Il valore dipende però dalla qualità dei dati e dalla possibilità di verificarne la provenienza. Google insiste per questo sulla cosiddetta data lineage, cioè sulla ricostruzione della catena che collega una conclusione alla fonte utilizzata. La società dichiara inoltre che dati aziendali, proprietà intellettuale, regole interne, agenti personalizzati e output dei clienti non vengono utilizzati per addestrare o perfezionare i modelli fondamentali di Google.
La regolazione europea aumenta i controlli
La corsa all’automazione coincide con un rafforzamento dei requisiti europei sulla resilienza digitale.
Il regolamento Dora, applicabile agli operatori finanziari dell’Unione europea, impone regole per la gestione del rischio informatico, la segnalazione degli incidenti, i test di resilienza e il controllo dei fornitori tecnologici esterni. L’Eba ha precisato nel rapporto di giugno che le banche devono integrare anche gli strumenti di AI nei propri sistemi di conformità a Dora e valutare, quando pertinente, gli obblighi previsti dall’AI Act.
Il 31 luglio 2026 Eba, Eiopa ed Esma hanno inoltre chiesto un approccio di vigilanza coordinato sui rischi informatici collegati ai modelli di AI più avanzati. Le tre autorità europee hanno richiamato la necessità di sistemi robusti di governance, prevenzione e gestione degli incidenti e hanno collegato questi controlli alla supervisione prevista da Dora sui fornitori ICT critici.
La stessa Eba avverte che i modelli più potenti possono aumentare le capacità degli aggressori informatici, rendendo più rapido lo sfruttamento delle vulnerabilità software. Il rapporto di giugno considera quindi l’AI anche un amplificatore del rischio cyber.
Per le banche il nodo diventa la produttività
Gemini Enterprise for Financial Services arriva mentre gli istituti cercano di trasformare gli investimenti nell’intelligenza artificiale in risultati economici misurabili. I primi utilizzi si sono concentrati sulla scrittura, sulla ricerca interna e sull’assistenza ai dipendenti. Gli agenti spostano l’obiettivo verso l’esecuzione di processi completi.
Il successo commerciale della piattaforma dipenderà dalla capacità di ridurre tempi e costi senza aumentare errori, rischi operativi o dipendenza da un singolo fornitore. La presenza di connettori verso grandi provider di dati finanziari e la compatibilità dichiarata con Microsoft 365 indicano che Google vuole inserirsi nelle infrastrutture esistenti anziché sostituirle integralmente.
Per Deutsche Bank, Citi e gli altri grandi istituti che stanno investendo negli agenti, il passaggio decisivo sarà misurare quanto lavoro umano possa essere effettivamente automatizzato mantenendo responsabilità, controllo e possibilità di audit.
Il 2026 sta così trasformando l’AI bancaria da strumento di supporto a componente dell’infrastruttura operativa. È su produttività, affidabilità e costi — oltre che sulla capacità di rispettare Dora, AI Act e regole interne — che banche e autorità potranno valutare i risultati della nuova generazione di agenti finanziari.
Partecipa alla community