Il mercato aziendale attuale è caratterizzato da una forte over expectation riguardo ai risultati a breve dell’AI. Sebbene il fermento mediatico suggerisca un ritorno sull’investimento (ROI) piuttosto rapido, l’esperienza delle ondate tecnologiche precedenti, come Internet e il Mobile, insegna che sono necessari anni per una piena maturazione.
Nel settore finanziario, un ambito fortemente regolamentato, è fondamentale agire con cautela, evitando di farsi travolgere dall’hype dei media e rispettando i tempi necessari per un’integrazione sicura, solida, realmente vantaggiosa.
Sono alcuni dei punti fermi emersi nel corso del CeTIF Summit organizzato a Milano dall’Università Cattolica, che ha riunito docenti, consulenti d’impresa e manager del mondo bancario e assicurativo.
Indice degli argomenti
L’AI è ancora una minima parte degli investimenti ICT in Italia
Il bilancio degli investimenti corporate sull’AI in Italia, nonostante una buona crescita negli ultimi tre anni (con un tasso del 54%), «si attesta su circa 1,8 miliardi di euro, una frazione ancora piccola e limitata rispetto agli 80 miliardi totali di spesa ICT nazionale», fa notare Stefano Sperimborgo, AI e Data Lead in Accenture. Crescerà sicuramente, e forse considerevolmente, «ma ci vuole pazienza».
Allo stesso tempo, l’adozione dell’AI nel settore finanziario sta evolvendo. Se negli ultimi due o tre anni l’impatto è stato visibile soprattutto in aree ancillari come le Customer Operation o il Knowledge Management interno, oggi «si punta ad aggredire le aree Core del valore», osserva Sperimborgo. Che rileva: «esempi concreti si vedono già nell’assistenza alla consulenza nel Wealth Management e nella gestione del credito. L’obiettivo non è il semplice taglio dei costi, ma la capacità di fare di più con le stesse risorse, liberando tempo commerciale per le persone e permettendo loro di gestire obiettivi di vendita più ambiziosi».
Uscire dall’acquario dei casi d’uso
Un errore comune per molte aziende, anche del settore finanziario, è restare confinate nel cosiddetto “acquario degli use case”, ovvero la creazione di progetti pilota isolati, che rimangono esperimenti fine a sé stessi.
Per generare valore reale, l’intelligenza artificiale «deve uscire dai laboratori ed entrare direttamente nel piano industriale dell’azienda. Proprio come accaduto in passato con le strategie mobile first, l’AI deve diventare un elemento tecnologico trasversale a ogni progetto di trasformazione della banca», auspica il manager.
Il sapere aziendale che alimenta l’AI
Contrariamente a quanto spesso si possa pensare, i grandi modelli linguistici (LLM) da soli non fanno la differenza, poiché la competizione tecnologica tra i provider porterà a un continuo inseguimento delle performance.
«Il vero vantaggio competitivo risiede nella knowledge aziendale che viene trasferita nei modelli – sottolinea –. Alimentare l’AI con il sapere documentale e con le competenze specifiche delle persone, che sono l’ultimo miglio della conoscenza, spesso non formalizzato, è ciò che permette a un modello di performare non “in assoluto”, ma specificamente per le esigenze di una determinata banca», che ha numeri, caratteristiche e strategie diverse dalle altre.
Controllare i costi dei token
Sebbene l’AI sia percepita come facile da usare, ottenere risultati concreti e sostenibili è complesso.
Per far funzionare migliaia di agenti AI serve una nuova architettura del sistema informativo, che permetta di gestirli in modo ordinato e, soprattutto, di controllare i costi dei token, affinché il business case sia effettivamente vantaggioso.
«La produttività non si traduce automaticamente in profitto – fa notare Sperimborgo –. Richiede nuove leve organizzative e una gestione delle HR capace di riorganizzare le attività e spostare le persone su compiti a maggiore valore aggiunto».
Intesa Sanpaolo e la nuova frontiera della Agentic AI
L’evoluzione dell’intelligenza artificiale all’interno delle grandi istituzioni finanziarie sta facendo un salto di qualità, passando dalla semplice automazione delle operazioni alla creazione di ecosistemi complessi.
Intesa Sanpaolo, che ha integrato l’AI come pilastro del proprio piano industriale già dal 2022, oggi sta focalizzando la propria strategia sulla Agentic AI. «Il nostro gruppo – spiega Marco Ditta, Executive Director Group Head Data e Artificial Intelligence Officer di Intesa Sanpaolo – ha già testato con successo queste soluzioni in ambiti dove è necessario sintetizzare informazioni dei clienti e news di mercato, vedendo nell’orchestrazione dei moduli specializzati la chiave per ottimizzare le risposte della filiale digitale».
L’adozione dell’AI su larga scala sta delineando quella che viene definita una Hybrid Organization – una struttura dove le persone, depositarie delle competenze chiave, collaborano strettamente con gli agenti AI che supportano il loro lavoro.
In questo contesto, la distinzione tra tecnologia e business sfuma e, secondo la governance della banca, la responsabilità del funzionamento di un agente AI è attribuita direttamente al Business Owner.
Il know-how aziendale come capitale strategico
Uno dei punti più critici è la gestione del sapere aziendale. Intesa Sanpaolo esprime cautela verso la proliferazione di “agenti individuali” che potrebbero portare a una dispersione delle competenze.
L’obiettivo è, invece, mettere a fattor comune il know-how, trasformando le intuizioni di analisti e gestori in strumenti aziendali scalabili.
Il sapere aziendale è considerato il vero capitale della banca e l’elemento che permette di competere sul mercato. Per questo, la formazione non riguarda solo l’uso degli strumenti, ma la capacità culturale dell’organizzazione di indirizzare il proprio business attraverso l’AI.
Il futuro: formazione continua degli agenti AI e delle persone
La prossima frontiera per Intesa Sanpaolo non riguarda solo la crescita professionale del personale (reskilling), ma anche l’addestramento continuo delle strutture applicative.
«È necessario curare la formazione e l’attendibilità degli agenti AI con la stessa attenzione con cui si indirizzano i temi organizzativi – rileva Ditta. Questo approccio sistemico punta a creare una capacità di indirizzo culturale che permette alla banca di dominare le nuove tecnologie anziché limitarsi a istruire le macchine per compiti specifici».
Anche il settore assicurativo supera la fase della sperimentazione isolata
Per il Gruppo Allianz, l’AI non è una novità, ma una realtà consolidata da anni attraverso l’uso di algoritmi tradizionali già operativi in produzione.
Ma se in passato l’attenzione era focalizzata sull’efficientamento di segmenti specifici del back-office, dell’underwriting e della gestione sinistri, «oggi la sfida si è spostata verso una visione sistemica», sottolinea Andrea Molteni, Chief Operating Officer di Gruppo Allianz.
L’obiettivo attuale «è il superamento dei singoli use case isolati, per puntare a una revisione completa dei Customer Journey dei clienti».
La vera svolta sta nella capacità di stimolare la crescita
Sebbene il driver storico dell’AI sia stato il risparmio sui costi e la produttività, Allianz sottolinea come queste metriche siano intrinsecamente legate alla qualità del servizio. Essere più produttivi significa rispondere più velocemente al cliente e ridurre drasticamente i rischi operativi e gli errori.
Tuttavia, «la vera svolta della GenAI sta nella capacità di stimolare la crescita – rimarca Molteni –. I nuovi strumenti permettono di personalizzare i prodotti, comprendere meglio i bisogni del mercato e, in ultima analisi, finalizzare le attività finanziarie di più e meglio attraverso un servizio consulenziale evoluto».
Sul fronte degli strumenti, Allianz ha sviluppato Allianz GPT, una soluzione interna integrata, affiancata dall’adozione di Microsoft Copilot e Claude Enterprise. Questi strumenti vengono rilasciati all’interno di un framework di governance rigoroso, che garantisce la protezione dei dati e il controllo costante dei rischi operativi.
Ultra AI di Allianz, il super-esperto di prodotti finanziari
Un caso d’uso di rilievo è rappresentato da Ultra AI, una soluzione progettata per potenziare la rete degli agenti assicurativi e finanziari. Questo strumento agisce come un ‘super esperto’ di prodotto, capace di padroneggiare istantaneamente tutte le condizioni generali di assicurazione per supportare l’agente finanziario nella fase di consulenza.
Con questa tecnologia, «l’agente può predisporre offerte altamente personalizzate, spiegando il valore reale del prodotto in funzione delle specifiche necessità del cliente», osserva Molteni.
L’adozione di queste soluzioni sta registrando risultati tali da spingere l’azienda a estendere l’AI verticalmente su tutto il portafoglio prodotti.
Partecipa alla community