“Nel settore finanziario italiano l’uso dell’Intelligenza Artificiale è entrato in una fase di maturità: non si parla più di sperimentazioni isolate, ma di applicazioni sempre più integrate nei processi core di banche e società assicurative. A questo punto il vero salto è organizzativo e culturale. Occorre arrivare a governare queste soluzioni in modo efficace: una capacità decisiva in un settore in cui molte applicazioni sono classificate ad alto rischio dal regolatore”.

Così Federico Rajola, docente dell’Università Cattolica del Sacro Cuore, ha introdotto a Milano il recente Summit del Cetif (il Centro di Ricerca su Tecnologie, Innovazione e Servizi Finanziari appunto della Cattolica), di cui è direttore. Un evento che ha coinvolto quasi mille professionisti e manager del settore finanziario, con interventi di molte primarie istituzioni in Italia – Unicredit, Allianz, Intesa Sanpaolo, Unipol, Banca Mediolanum, AXA Assicurazioni, Credit Agricole, Reale Mutua Assicurazioni, Zurich Insurance e Bper – nonché di Accenture, DGS, IBM, Reply e ServiceNow.

Cinque use case AI per ogni istituzione

Sono state molte quindi le testimonianze sulle esperienze AI di queste istituzioni e sui progetti in corso, di alcune parleremo in un prossimo articolo, ma qui ci concentriamo sul quadro aggiornato dell’adozione dell’AI nel settore finanziario in Italia presentato al convegno dal Cetif, grazie alle indagini dei suoi hub di ricerca, che coinvolgono una quarantina tra banche e assicurazioni.

Ne emergono un uso ormai consolidato del Machine Learning (6,7 use case in produzione per ogni istituzione), soprattutto per advanced analytics e business intelligence, un’adozione dell’AI generativa in rapida crescita (oltre 5 use case in media per ogni istituzione, in fase di test o primo rilascio), e un approccio per ora problematico all’Agentic AI: il 58% degli intervistati segnala criticità organizzative che riguardano soprattutto competenze e governance interna.

Progetti concentrati su backoffice, assistenti per clienti, e risk/compliance

Le applicazioni dell’AI, spiegano i ricercatori del Cetif, risultano sempre più diffuse e trasversali, per ora soprattutto in aree di backoffice - automazione documentale, knowledge management interno – e poi nei servizi al cliente (assistenti digitali), e nelle attività di risk e compliance (antiriciclaggio e analisi contrattuale).

Inoltre si segnala come area particolarmrente critica la gestione del dato: l'integrazione di fonti esterne e non strutturate sta diventando centrale, tenendo conto che oltre l’80% delle informazioni nel finance sono appunto non-strutturate, anche se il 68% segnala infrastrutture non ancora adeguate a supportare la piena scalabilità dell’AI.

Il vero scoglio però è la governance. Il 47% dice che la gestione degli agenti è un tema separato da tutto il resto, solo il 15% ha adottato policy formali sull’uso dell’AI, appena il 6% dispone di un Data & AI Office dedicato, e solo il 24% ha presidi di secondo livello pienamente operativi, anche se il 57% ha introdotto un framework di controlli ex-ante.

"L'AI Act aggrava il ritardo sulla governance"

“L’entrata in vigore dell’AI Act europeo rende questo ritardo sulla governance ancora più rilevante, soprattutto perché molti casi d’uso, dal credit scoring all’AML, rientrano tra quelli classificati ad alto rischio”, ha detto Rajola introducendo l’evento.

“Tutti leggiamo report che parlano di numeri incredibili: secondo Juniper Research la spesa in GenAI delle banche crescerà di 15 volte da qui al 2030, cioè da 5,6 a 85,7 miliardi di dollari, e secondo McKinsey la GenAI per il solo settore banche ha un valore potenziale annuo tra 200 e 340 miliardi di dollari, cioè il 9-15% degli utili operativi”.

D’altra parte, continua Rajola, secondo il MIT (Project Nanda) il 95% delle iniziative GenAI a oggi non produce ritorni economici misurabili, “e quindi come ricercatori abbiamo voluto cercare dei dati sui quali basare delle stime”.

Federico Rajola, Docente dell'Università Cattolica e Direttore del Cetif

Le aree del Finance in cui l'AI crea davvero valore

A livello internazionale si trovano casi di investimenti anche enormi nell’AI basati su una nuova architettura di competenze, persone e processi, che richiede una trasformazione completa, invasiva e pervasiva, ha detto il direttore del Cetif.

In Italia invece finora i progetti AI più avanzati delle banche sono stati di ricerca di efficienza: produttività, sviluppo software, knowledge management, automazione del back office. “Il punto è che finché l'AI resterà un gioco di sola efficienza, sarà una partita a somma zero. Il vero vantaggio difendibile si crea nelle aree dei ricavi e dei rischi: presidio del rischio, mercati e investment banking, consulenza patrimoniale”.

Tutto parte dall’impostazione dell’approccio all’AI, e nel mondo ne vediamo tre molto diverse: “Negli Stati Uniti ci sono dei budget immensi, con focus molto forte sul software e sui mercati dei capitali, l'Asia si distingue per volumi operativi altissimi e autonomia tecnologica, mentre in Europa le banche vedono l'AI come “vincitore di costo”, quindi in logica di piattaforme comuni e partnership, con focus sui casi d’uso misurabili per abbattere il rapporto costi/ricavi, e una normativa comunitaria che prevede la conformità “by design” come asset commerciale”.

In Italia infine come abbiamo visto la governance insegue la domanda. “I primi cinque gruppi bancari dedicano 10 miliardi l’anno agli investimenti tech (dati Fabi), e l’88% delle banche italiane secondo AbiLab ha già definito una strategia di GenAI, ma d’altra parte secondo Bankitalia solo un intermediario su 3 ha una struttura dedicata di gestione e controllo dell'AI. La sintesi è che la guerra tecnologica sulla generative AI si fa con accortezza, sicuramente nel rispetto delle normative, ma ci vuole anche con un po' di coraggio”, ha concluso Rajola.

"I risultati arrivano, ma ci vuole tempo e best practice tutte nuove"

Coraggio che secondo Stefano Sperimborgo, Data & AI Lead Italia, Grecia ed Europa Centrale di Accenture, può anche voler dire pazienza.

“Il problema è che tutta l’hype dei media sull’AI parla di velocità e risultati immediati. Ma abbiamo visto dalle ondate di innovazione tecnologica precedenti, come internet o il mobile, che per raccogliere risultati tangibili ci vuole più tempo di quanto si stimi all’inizio, e che gli sviluppi più interessanti nella prima fase sono in area consumer: le aziende iniziano a investire non perché puntano a precisi vantaggi competitivi, ma perché i loro clienti glielo chiedono sulla base delle loro esperienze da consumatori”.

Ricerche come lo State of AI Index, ha continuato Sperimborgo al Cetif Summit, dimostrano che gli investimenti finora sono andati soprattutto sulle infrastrutture, ma che in alcuni ambiti i guadagni di produttività si stanno realizzando. “Il mio messaggio chiave è chi l’AI la sta facendo davvero, anche in Italia, anche nei servizi finanziari, i risultati li sta ottenendo. Però ci vuole tempo, e best practice completamente nuove”.

Per realizzare in pratica l’AI, il manager di Accenture ha suggerito alcuni consigli.

- Uscire dall’”acquario” degli use case. L’AI deve entrare nel piano industriale, e in qualsiasi progetto di trasformazione aziendale.

- Non sono i modelli che fanno la differenza, è il knowledge aziendale che va trasferito nei modelli, ma non è semplice: a volte bisogna intervistare le persone.

- Il tema non è avere tanti agenti. Per far funzionare e controllare gli agenti, e i loro costi, serve una nuova architettura dei sistemi informativi e serve agire su tante leve, anche di riorganizzazione. Se applico l’AI a un solo silo non otterrò quasi nulla.

- È un falso mito che siccome l’AI è facile da usare e velocissima, deve produrre risultati subito. Non è velocissimo ottenere risultati e neanche facile, occorre usare l’AI con un approccio culturale alla tecnologia completamente nuovo.

- l’AI non è solo un modo di ridurre i costi: in realtà serve a fare di più con le stesse risorse. "Le persone vanno rivalorizzate in nuove attività o facendogli fare più cose: sta già accadendo in molti casi, anche in Italia".

- Ci vuole una nuova organizzazione human-agent: cambierà il lavoro di tutti, diventeremo supervisori, i task operativi li faranno le macchine, ma nel finance il concetto "human in the loop" non funziona: "In un settore regolamentato con processi critici le persone devono avere ruoli decisionali: deve essere human in the lead".