AI nel banking: la sfida della larga scala

L’intelligenza artificiale nel settore bancario sta evolvendo rapidamente, ma la sfida principale non è più solo l’adozione di nuove tecnologie. Gli istituti finanziari devono sviluppare capacità organizzative che consentano di utilizzare l’AI in modo efficace, responsabile e su scala.

Secondo il Rapporto 2025 di ABI Lab, realizzato su un campione che rappresenta circa l'82% del settore bancario italiano in termini di dipendenti, l'intelligenza artificiale si conferma la principale priorità di investimento ICT per le banche operanti nel Paese. Un segnale chiaro di come il settore consideri l'AI una leva strategica sia per l'ottimizzazione dei processi interni sia per l'evoluzione dei servizi rivolti alla clientela.

Il divario che il settore dei servizi finanziari è chiamato a colmare non dipende esclusivamente da infrastrutture, talenti, governance o cultura organizzativa. La preparazione delle persone rappresenta, infatti, uno dei fattori più determinanti per il successo di questa trasformazione.

Secondo il People Readiness Report 2026 di Kyndryl, oltre la metà delle società di servizi finanziari sta già integrando l’AI nelle proprie attività, ma solo il 17% ritiene che i propri dipendenti la utilizzino in modo efficace. L’adozione della tecnologia, quindi, non è sufficiente: per coglierne appieno il valore è necessario sviluppare parallelamente competenze, conoscenze e modalità di utilizzo adeguate.

L’AI agentica sta ridefinendo il perimetro dell’infrastruttura IT. Accanto a server, reti e applicazioni, gli istituti finanziari si trovano oggi a gestire agenti intelligenti capaci di agire autonomamente all’interno dei processi aziendali. Questo richiede un approccio evoluto alla sicurezza, alla governance e al monitoraggio, affinché l’innovazione proceda in modo responsabile e controllato.

Processi critici

Il prossimo passo per il settore finanziario sarà integrare l’AI nelle aree critiche dell’operatività, tra cui gestione del rischio, prevenzione delle frodi, concessione del credito, conformità normativa e continuità operativa. Perché questa evoluzione generi valore in modo sostenibile, sono necessari dati affidabili, sicurezza integrata, solide strutture di governance e un adeguato livello di supervisione umana.

Secondo il People Readiness Report, il 73% delle società di servizi finanziari prevede che gli agenti autonomi parteciperanno a decisioni rilevanti entro i prossimi 12 mesi. Il tema non è più se l’AI entrerà nei processi critici, ma come creare le condizioni per adottarla in modo sicuro, trasparente e responsabile.

La fiducia rappresenta un elemento imprescindibile di questa trasformazione. Affinché l’AI possa essere utilizzata nei processi più critici del settore finanziario, le organizzazioni devono poter contare su modelli di governance che garantiscano sicurezza, trasparenza, conformità normativa e piena tracciabilità delle decisioni. In questo contesto, il Kyndryl AI Framework (KAF) supporta le imprese nella definizione di controlli, policy e meccanismi di supervisione necessari per adottare l’intelligenza artificiale in modo responsabile e scalabile, contribuendo a rafforzare la fiducia nell’utilizzo dell’AI all’interno dell’organizzazione.

A questo si aggiunge un contesto normativo in rapida evoluzione. Con l’entrata in vigore dell’AI Act europeo e la crescente attenzione delle autorità di vigilanza verso la resilienza operativa, la gestione del rischio tecnologico e la governance dei sistemi digitali, le banche sono chiamate a dimostrare non solo l’efficacia delle soluzioni adottate, ma anche la loro trasparenza, controllabilità e conformità nel tempo.

In un settore altamente regolamentato come quello finanziario, l’implementazione su larga scala non coincide con la completa automazione delle decisioni. Le organizzazioni dovranno definire con chiarezza quali attività possono essere affidate ai sistemi intelligenti, quali richiedono il coinvolgimento umano e quali meccanismi adottare per garantire tracciabilità, verificabilità e accountability lungo l’intero processo decisionale.

La modernizzazione tecnologica deve partire dai processi in grado di generare il maggiore impatto sul business, in particolare nelle aree regolamentate e ad alto volume operativo, dove persistono dati frammentati, attività manuali o sistemi legacy. I primi passi consistono nella semplificazione e nell’automazione dei processi, nell’eliminazione dei colli di bottiglia e nell’integrazione delle informazioni distribuite tra piattaforme bancarie, sistemi di gestione del rischio e strumenti di reporting.

L’obiettivo finale non è l’automazione fine a sé stessa, ma la capacità di migliorare la qualità delle decisioni, ridurre il rischio operativo, accelerare il time-to-market e liberare risorse da attività a basso valore aggiunto, consentendo alle persone di concentrarsi su quelle a maggiore impatto strategico.

In questo percorso, il ruolo di Kyndryl è quello di supportare gli istituti finanziari a costruire una base operativa moderna, efficiente e interconnessa, capace di superare la frammentazione tra infrastrutture legacy, ambienti cloud e nuove piattaforme digitali. Solo attraverso un’infrastruttura integrata, resiliente e governata è possibile creare le condizioni necessarie affinché l’intelligenza artificiale possa essere adottata su larga scala, generando risultati concreti per il business e migliorando al tempo stesso efficienza operativa, agilità e qualità del servizio.

Solo creando una base operativa più efficiente e connessa sarà possibile scalare l'adozione dell'intelligenza artificiale, trasformandola da strumento sperimentale a leva concreta di innovazione e crescita. In definitiva, la vera sfida per il settore bancario non è introdurre l’AI, ma renderla affidabile, governabile e sostenibile nel tempo, così da tradurne il potenziale in valore reale per clienti, imprese e sistema finanziario.

Filippo Ligresti è Vice President and Alliances Leader di Kyndryl Italia