Negli ultimi due anni, il confronto sull’intelligenza artificiale si è concentrato soprattutto sulla capacità dei modelli di comprendere, elaborare e generare contenuti: chatbot in grado di rispondere alle domande degli utenti, sintetizzare informazioni, produrre testi e supportare le attività quotidiane.
Oggi, però, l’evoluzione dell’AI sta entrando in una nuova fase: quella dei sistemi capaci non solo di fornire una risposta, ma di agire per conto dell’utente e portare a termine un’attività.
È questo il passaggio dall’AI generativa all’agentic AI, destinato ad avere implicazioni particolarmente rilevanti per il settore dei servizi finanziari.
Il banking rappresenta infatti uno degli ambiti in cui la distinzione tra suggerire un’azione ed eseguirla assume maggiore rilevanza.
Se un assistente AI sbaglia a fissare una riunione, le conseguenze sono limitate.
Se invece dispone un pagamento per un importo errato, trasferisce denaro verso il conto sbagliato o esegue un’operazione senza le necessarie autorizzazioni, entrano in gioco questioni molto più complesse: dalla sicurezza alla responsabilità, dalla tracciabilità delle operazioni alla compliance.
E, soprattutto, diventa necessario stabilire quali margini di autonomia sia possibile affidare a un sistema AI quando in gioco ci sono il denaro e gli interessi finanziari di un cliente.
MCP: il protocollo che porta l’AI verso l’azione
A rendere possibile questo passaggio è il Model Context Protocol (MCP), uno standard aperto che permette a un assistente AI di collegarsi a sistemi esterni, accedere ai relativi dati e, in determinate configurazioni, interagire direttamente con essi.
Nel corso del 2026 diverse piattaforme europee di business banking hanno iniziato a rendere disponibili server MCP pubblici, nella maggior parte dei casi con funzionalità esclusivamente read-only: consultare il saldo, verificare i movimenti, recuperare fatture e altre informazioni finanziarie. È un approccio che consente di portare i dati bancari all’interno di un’esperienza AI senza attribuire all’assistente la possibilità di modificare o movimentare le risorse del cliente.
Il quadro cambia quando l’integrazione avviene direttamente all’interno dell’infrastruttura della banca. In questo caso, l’istituto può mantenere il controllo sull’intero processo e applicare i propri sistemi di autenticazione, autorizzazione e verifica prima che un’operazione venga effettivamente eseguita.
È una distinzione destinata a diventare sempre più importante: perché un conto possa essere interrogato da un agente AI non è necessario che quell’agente possa anche operare sul conto.
Leggere i dati è una cosa. Muovere denaro è un’altra.
La differenza tra accesso in lettura e accesso in scrittura non è soltanto una questione tecnica. Nel primo caso, un agente può recuperare informazioni, come il saldo di un conto o l’elenco delle transazioni. Nel secondo può intervenire sul sistema: disporre un pagamento, effettuare un trasferimento o modificare un limite.
Finché l’AI si limita a leggere e interpretare i dati, l’errore più grave è una risposta inesatta o incompleta: un problema certamente rilevante, ma nella maggior parte dei casi correggibile. Quando invece il sistema può agire, la questione cambia radicalmente. Diventa necessario sapere chi ha autorizzato quella specifica operazione, con quali permessi è stata eseguita, se il processo che ha portato alla decisione può essere ricostruito a posteriori e, soprattutto, chi sia responsabile nel caso in cui qualcosa vada storto.
Sono domande alle quali un modello AI, per quanto sofisticato, non può rispondere da solo. La risposta deve essere costruita nell’infrastruttura che lo circonda: attraverso registri delle attività, tracciabilità delle operazioni e una chiara separazione tra il momento in cui viene presa una decisione e quello in cui viene eseguita.
Il principio di fondo è semplice: un agente AI non dovrebbe poter fare più di quanto sia consentito al titolare del conto che gli ha concesso l’accesso. Ogni operazione dovrebbe inoltre poter essere ricondotta in modo univoco all’autorizzazione che l’ha resa possibile.
La questione non riguarda quindi soltanto la qualità del modello, ma l’insieme dei meccanismi di controllo che consentono di governarne l’operatività.
A definire i confini di questo spazio non sono, tuttavia, soltanto i regolatori. Ed è qui che emerge una differenza significativa tra le integrazioni pubbliche e quelle sviluppate all’interno delle infrastrutture bancarie.
Gli sviluppatori che pubblicano connettori destinati alle principali piattaforme di assistenti AI devono attualmente garantire che questi non possano avviare o eseguire trasferimenti di denaro, trasferimenti di criptovalute o operazioni di investimento per conto degli utenti. Si tratta di una limitazione di natura commerciale, non regolamentare, che riguarda il canale pubblico. È anche uno dei motivi per cui le integrazioni esterne sono oggi prevalentemente orientate alla consultazione dei dati, piuttosto che alla loro modifica o all’esecuzione di operazioni.
Dove entra in gioco l’AI Act
In questo scenario si inserisce anche il quadro regolamentare europeo. L’AI Act classifica i sistemi di intelligenza artificiale in funzione del livello di rischio e del potenziale impatto sulle persone e sulle organizzazioni.
Nel settore finanziario, i sistemi utilizzati per determinare l’accesso al credito o a determinati servizi finanziari rientrano tra quelli considerati ad alto rischio, come previsto dall’Allegato III del regolamento. Per questi sistemi sono previsti requisiti specifici in materia di gestione e documentazione dei rischi, registrazione delle attività, supervisione umana e prevenzione di risultati discriminatori.
L’applicazione di questi obblighi era inizialmente prevista per agosto 2026. Un emendamento entrato in vigore a luglio, il Regolamento (UE) 2026/1744, ne ha tuttavia posticipato l’applicazione a dicembre 2027. La classificazione dei sistemi non è cambiata, così come non sono cambiati i requisiti: è stata modificata la tempistica.
Per l’evoluzione dell’AI nel banking, è però rilevante anche un altro elemento. Dall’agosto 2026 trova applicazione l’articolo 50 dell’AI Act, che prevede che le persone siano informate quando interagiscono con un sistema di intelligenza artificiale anziché con un essere umano.
Un requisito apparentemente semplice, ma che nel settore finanziario presenta implicazioni meno immediate. L’AI, infatti, non si manifesta necessariamente attraverso una conversazione: può essere incorporata in un suggerimento, in una raccomandazione o in un campo precompilato. Stabilire quando e come rendere evidente la presenza dell’AI all’interno di un servizio bancario diventa quindi una questione che coinvolge non soltanto la compliance, ma anche la progettazione dell’esperienza del cliente.
AI integrata o assistente esterno?
È su questo terreno che stanno emergendo due approcci distinti nel settore bancario: integrare l’intelligenza artificiale direttamente nei propri prodotti oppure consentire ai clienti di utilizzare un assistente esterno collegato ai servizi della banca.
Entrambe le soluzioni possono utilizzare MCP. La differenza non è quindi principalmente tecnologica, ma riguarda il grado di controllo che la banca può mantenere sui dati, sull’interpretazione delle richieste e sulle operazioni che l’AI è autorizzata a compiere.
Una soluzione sviluppata internamente consente all’istituto di testare il sistema su casi reali, monitorarne le prestazioni e intervenire per correggerne il comportamento. Quando invece la banca mette i propri dati a disposizione di un assistente esterno, mantiene il controllo sulle informazioni che decide di esporre, ma ha una capacità più limitata di governare il modo in cui queste vengono interpretate e utilizzate.
La differenza diventa ancora più significativa quando l’AI passa dalla consultazione all’azione. Un sistema integrato direttamente nell’ambiente bancario può prevedere specifici livelli di verifica prima dell’esecuzione di un’operazione, calibrati sulla sua rilevanza e sul livello di rischio.
Per un’attività a basso impatto può essere sufficiente una semplice conferma. Un pagamento, un trasferimento di denaro o la modifica di un limite possono invece richiedere un’autenticazione a due fattori o un ulteriore passaggio di autorizzazione.
In parte si tratta di estendere meccanismi che il cliente già conosce e utilizza nell’app bancaria. Ma l’interazione conversazionale introduce anche un elemento nuovo: quando l’utente formula una richiesta a parole, l’intento deve essere interpretato dal sistema, mentre nelle interfacce tradizionali l’azione viene normalmente selezionata in modo esplicito.
È un cambiamento rilevante per il design dei servizi finanziari. Rendere l’esperienza più naturale e fluida non significa necessariamente ridurre i controlli. Al contrario, quanto maggiore è la capacità del sistema di interpretare autonomamente l’intento dell’utente, tanto più importante diventa definire con precisione dove collocare i momenti di conferma e autorizzazione.
La domanda per le soluzioni esterne è già concreta, soprattutto tra le imprese che utilizzano quotidianamente assistenti AI generalisti per gestire parte delle proprie attività e che vogliono poter consultare nello stesso ambiente anche le proprie informazioni finanziarie.
Per le banche, invece, la sfida è più ampia. Costruire la fiducia in un assistente capace di agire richiede infatti molto più che sviluppare una buona interfaccia o un modello performante. Significa definire regole, responsabilità, livelli di autorizzazione e sistemi di controllo in grado di garantire che ogni azione sia proporzionata ai poteri effettivamente concessi dal cliente.
È probabilmente questo il passaggio più complesso della trasformazione: non insegnare all’AI a fare di più, ma stabilire con precisione che cosa le sia consentito fare.
Una nuova infrastruttura di fiducia per il banking
Nel settore finanziario, la fiducia può essere compromessa da un singolo evento e il costo per ricostruirla può essere molto superiore alla portata dell’errore che l’ha provocato. Per questo, l’introduzione dell’AI agentica nel banking non può essere valutata soltanto in termini di efficienza o di qualità dell’esperienza.
Allo stesso tempo, una strategia basata esclusivamente sulla cautela rischia di produrre un risultato altrettanto problematico: un assistente circondato da così tanti passaggi di conferma da diventare poco utile o, semplicemente, da non essere utilizzato.
La sfida per banche e fintech sarà quindi trovare un equilibrio tra sicurezza, controllo e semplicità d’uso. La compliance non può essere considerata un elemento separato dall’esperienza del cliente, così come l’automazione non può prescindere da una chiara attribuzione delle responsabilità.
È in questo equilibrio che si giocherà una parte importante della prossima evoluzione del banking. L’AI agentica può infatti trasformare il modo in cui i clienti interagiscono con i propri servizi finanziari: non più soltanto attraverso schermate, menu e funzionalità da selezionare, ma attraverso un’interazione capace di comprendere una richiesta e tradurla, quando autorizzata, in un’azione concreta.
Perché questo modello possa affermarsi, tuttavia, la capacità di agire dovrà essere accompagnata da un livello di controllo altrettanto evoluto. Nel banking, la vera innovazione non sarà quindi soltanto dare all’AI la possibilità di agire, ma costruire le condizioni perché possa farlo in modo sicuro, verificabile e coerente con la volontà del cliente.
Ed è proprio per questo che il settore bancario può rappresentare uno dei banchi di prova più significativi per l’AI agentica: le soluzioni di governance, autorizzazione e tracciabilità sviluppate oggi per gestire l’AI nei servizi finanziari potrebbero diventare il riferimento per l’adozione di sistemi autonomi anche negli altri settori regolamentati.
