3 min
Un aumento della redditività fino al 30% e una riduzione dei costi operativi compresa tra il 30% e il 40% entro il 2030: sono questi gli effetti che l’adozione dell’AI agentica promette di produrre sul business delle banche retail. A indicarlo è l’ultimo studio realizzato da Boston Consulting Group (BCG) in collaborazione con OpenAI, nel quale si evidenzia come l’introduzione di sistemi capaci non solo di analizzare dati ma anche di prendere decisioni e attivare processi complessi sia cruciale per la trasformazione del settore. Una passaggio, quello auspicato dal paper, che si ritrova però a fronteggiare diverse resistenze: dalle inefficienze strutturali nei processi intermedi fino all’eccessiva pressione operativa fino alla mancanza di personale qualificato.
📰 Leggi anche “Asset digitali e banche, servono piattaforme comuni“
Lo studio evidenzia come principale punto di discontinuità introdotto dagli agenti AI la capacità di intervenire sui cosiddetti “colli di bottiglia invisibili”, ovvero quelle fasi operative che rallentano i processi pur in presenza di sistemi già digitalizzati. Un caso emblematico è quello dell’onboarding del credito, sui cui si è soffermato il managing director e partner di BCG Matteo Radice: “Se da un lato le verifiche su identità merito creditizio risultano infatti già automatizzate, dall’altro resta ancora manuale la fase di sintesi delle informazioni”. Un limite che gli agenti AI consentono di superare integrando automaticamente i diversi flussi informativi e producendo in tempo reale un profilo di rischio strutturato e verificabile. Il risultato è un processo decisionale più rapido e coerente, che migliora la trasparenza e contribuisce a rendere l’esperienza del cliente più fluida lungo tutte le fasi di interazione con la banca.
Se il front office evolve verso modelli di assistenza intelligente, in cui il cliente può interagire con sistemi in grado di comprendere il contesto e supportare le scelte finanziarie, è però nel back office che si concentra la parte più rilevante dei benefici operativi. In queste funzioni, infatti, molte attività richiedono ancora un’elevata componente manuale legata all’interpretazione di documenti e alla gestione delle eccezioni. Gli agenti AI sono allora in grado di leggere contenuti complessi, estrarre le informazioni rilevanti, individuare anomalie e attivare escalation quando necessario senza sacrificare la tracciabilità delle decisioni. “Questo approccio consente di aumentare velocità e coerenza dei processi”, spiegano da BCG e OpenAI, “riducendo il rischio di errore e liberando risorse interne da riallocare su attività a maggior valore aggiunto”.
📰 Leggi anche “Banche e IA, 5 imperativi per un futuro smart senza rischi“
Per rendere sostenibile e scalabile l’adozione dell’AI agentica, le due società individuano alcune condizioni abilitanti fondamentali che riguardano sia la misurazione delle performance sia l’architettura tecnologica. Diventa centrale anzitutto la capacità di valutare in modo continuo e sistematico il comportamento degli agenti AI su task reali, replicando le condizioni operative tipiche del back office. In questo contesto si inserisce l’approccio di evaluation-driven development, che consente di misurare parametri come l’accuratezza delle risposte e la coerenza con le fonti o anche la qualità del ragionamento e la gestione di workflow complessi. Parallelamente, assume un ruolo chiave un’infrastruttura centralizzata basata su middleware: “Funge da punto di accesso unico per tutte le applicazioni AI e permette di governare autorizzazioni e requisiti di compliance”, viene spiegato, “garantendo al tempo stesso controllo e uniformità operativa”.
Accanto alla dimensione tecnologica, la trasformazione richiede un ripensamento dei modelli organizzativi e delle competenze. L’adozione efficace dell’AI agentica implica la creazione di team trasversali e centri di eccellenza dedicati, in grado di integrare le competenze tecnologiche e di business con quelle di controllo in un approccio coordinato. Solo questo consente di guidare l’implementazione in modo strutturato, si legge nel documento, evitando frammentazioni e garantendo coerenza con gli obiettivi strategici dell’istituto. In prospettiva, il settore si muove dunque verso un modello integrato in cui front e back office convergono in un unico sistema alimentato dall’intelligenza artificiale: uno scenario in cui i clienti interagiranno sempre più con assistenti evoluti capaci di comprendere bisogni complessi e attivare processi, mentre le banche potranno contare su flussi operativi non solo più efficienti ma anche più trasparenti e scalabili.
Vuoi ricevere ogni mattina le notizie di FocusRisparmio? Iscriviti alla newsletter!
Registrati sul sito, entra nell’area riservata e richiedila selezionando la voce “Voglio ricevere la newsletter” nella sezione “I MIEI SERVIZI”.
L’ultima ricerca di LFG+Zest individua il principale paradosso del boom: per preservare i rendimenti gli hyperscaler dovranno rallentare il capex, rischiando però di frenare la crescita dei principali beneficiari della corsa all’intelligenza artificiale
Mentre Wall Street continua a correre grazie agli investimenti nell’intelligenza artificiale, il Vecchio Continente punta sull’economia reale per trasformare innovazione, produttività e crescita in un vantaggio competitivo duraturo
L’ESMA recepisce l’allarme dell’ESRB: i modelli di frontiera potrebbero automatizzare gli attacchi informatici contro banche, assicurazioni e infrastrutture di mercato. Appello congiunto con EBA, EIOPA e BCE agli operatori. “Rafforzare subito la resilienza digitale”
Credito, consulenza, operations e fusioni: per Paolo Ceschi, responsabile Financial Services del gruppo, il vero valore dell’intelligenza artificiale emergerà quando gli algoritmi entreranno nei processi decisionali. “Ecco perché le future operazioni di M&A premieranno gli istituti più maturi”
S&P: gli istituti nativi digitali hanno raggiunto la maturità e continueranno a crescere nei prossimi 5-10 anni. Resta da affrontare il ‘divario di fiducia’ con le banche tradizionali. Tre i fattori che muoveranno sempre di più i clienti
L’intelligenza artificiale può rendere la finanza più accessibile e personalizzata, ma senza alfabetizzazione rischia di amplificare errori e false sicurezze. La sfida è culturale: formare cittadini capaci di usare gli strumenti con consapevolezza
Secondo Capgemini, ci sarà un netto gap tra chi saprà integrare gli algoritmi e chi no. Ma, ad oggi, solo il 10% degli operatori sta traducendo gli investimenti in risultati. Per avere successo servono governance, competenze e nuovi modelli organizzativi
Secondo Deloitte, i cybercriminali possono trasformare una vulnerabilità arma operativa in 15 minuti mentre le aziende impiegano settimane per correggerla. Perché la capacità di adattare processi, governance e controlli diventa centrale
Secondo una survey BioCatch, la diffusione degli algoritmi sta aumentando la sofisticazione delle frodi e mettendo sotto pressione i sistemi di difesa tradizionali. Italia in vetta per attacchi e perdite economiche. Gli operatori: serve più collaborazione tra istituti
Banca del Fucino: quattro gli ambiti più coinvolti, dal servizio personalizzato di advisory alla prevenzione delle frodi. Ma la supervisione umana resta cruciale
Secondo una ricerca di Nielsen per Prima Assicurazioni, Chatbot e modelli generativi iniziano a entrare nelle scelte dei consumatori. Confronti tra prezzi e chiarimenti su espressioni o termini contrattuali gli usi più diffusi. Ma fiducia verso questi strumenti resta limitata. Con implicazioni anche per le compagnie
