Governance e competenze sono il principale ostacolo allo sviluppo dell’Agentic AI in banca. L’intelligenza artificiale nel settore finance sta per superare la fase sperimentale, con banche e assicurazioni che hanno già portato in produzione casi d’uso di Machine Learning e che ora proseguono con progetti di AI Generativa in fase di test o di primo rilascio.
Tuttavia, mentre le applicazioni crescono e si diffondono nei processi aziendali, il 58% degli operatori individua nelle competenze e nella governance i freni all’innovazione trainata dall’AI agentica.
I dati emergono dalla ricerca del Cetif, il Centro di Ricerca su Tecnologie, Innovazione e Servizi Finanziari dell'Università Cattolica del Sacro Cuore, presentata in occasione del Cetif Summit 2026.
Dall'analisi dei dati all'Agentic AI
La ricerca fotografa un percorso di maturazione dell'AI che procede su più livelli. Il Machine Learning rappresenta ormai una tecnologia consolidata all'interno delle istituzioni finanziarie, con una media di 6,7 use case in produzione per organizzazione, impiegati soprattutto nelle attività di advanced analytics e business intelligence.
Accanto a queste applicazioni cresce rapidamente l'adozione dell'AI Generativa, che registra oltre 5 casi d'uso medi in fase di sperimentazione o di primo rilascio. Un'accelerazione favorita dalla possibilità di valorizzare una mole crescente di dati non strutturati, che rappresentano oltre l'80% delle informazioni presenti nelle organizzazioni finanziarie e comprendono documenti, contratti, e-mail e comunicazioni interne.
L'evoluzione più avanzata riguarda però l'Agentic AI, ovvero sistemi capaci di svolgere attività articolate e prendere decisioni operative all'interno di processi definiti. È proprio su questo fronte che emergono le principali difficoltà organizzative.
Applicazioni sempre più trasversali
L'adozione dell'AI coinvolge ormai numerosi ambiti operativi, come sottolinea il Cetif.
Tra i principali casi d'uso figurano l'automazione documentale, che permette di ridurre tempi e attività manuali in processi come l'onboarding della clientela e la concessione del credito, ma anche i servizi di assistenza ai clienti attraverso assistenti virtuali evoluti.
Le tecnologie di AI trovano inoltre applicazione nelle funzioni di risk management e compliance, in particolare nelle attività di antiriciclaggio e di analisi contrattuale, oltre che nei sistemi di knowledge management per facilitare l'accesso alle informazioni aziendali.
Cresce la maturità dei dati, ma le infrastrutture restano un limite
L'indagine evidenzia anche un'evoluzione nella gestione del patrimonio informativo. L'integrazione di fonti esterne e di dati non strutturati sta diventando sempre più centrale nelle strategie delle istituzioni finanziarie, che ampliano il ricorso a data provider specializzati e a nuove tipologie di informazioni, dai testi alle immagini fino ai log comportamentali.
Tra i segnali di maturità emerge anche l'utilizzo dei dati sintetici, già adottati in modo significativo dal 29% delle organizzazioni coinvolte nella ricerca.
Permangono però criticità infrastrutturali: il 68% degli intervistati ritiene infatti che le piattaforme tecnologiche attualmente disponibili non siano ancora adeguate a sostenere una piena scalabilità delle applicazioni di AI.
Governance e competenze restano il vero nodo
Se la tecnologia continua a evolversi rapidamente, il principale ostacolo allo sviluppo dell'AI nel settore finanziario appare oggi di natura organizzativa.
Secondo la ricerca, il 47% delle istituzioni considera la governance dell'Agentic AI come un tema separato rispetto ai presidi di controllo già esistenti.
Anche gli indicatori di governance mostrano un percorso ancora in costruzione. Solo il 15% delle organizzazioni ha adottato policy formali dedicate all'utilizzo dell'AI, mentre appena il 6% dispone di una struttura dedicata, come un Data & AI Office.
Sul fronte dei controlli, il 57% dichiara di avere introdotto framework di verifica preventiva dei casi d'uso, ma soltanto il 24% può contare su presidi di secondo livello pienamente operativi.
La sfida dell'AI Act
Il tema assume un'importanza ancora maggiore alla luce dell'entrata in vigore dell'AI Act europeo. Molte delle applicazioni sviluppate da banche e assicurazioni, dal credit scoring ai sistemi antiriciclaggio, rientrano infatti tra i casi classificati ad alto rischio dalla normativa.
Per il settore finanziario la sfida non riguarda quindi soltanto l'adozione di nuove tecnologie, ma la capacità di accompagnarne la crescita con modelli organizzativi, competenze e meccanismi di controllo adeguati. Una condizione che, secondo la fotografia scattata dal Cetif, sarà determinante per trasformare il potenziale dell'AI in un vantaggio competitivo duraturo.
«L’Intelligenza Artificiale nel settore finanziario italiano è entrata in una fase di maturità: non parliamo più di sperimentazioni isolate, ma di applicazioni sempre più integrate nei processi core delle organizzazioni – ha spiegato Federico Rajola, Direttore Cetif e Professore Università Cattolica del Sacro Cuore. Il vero salto oggi non è solo tecnologico, ma organizzativo e culturale. La sfida principale riguarda la capacità di governare queste soluzioni in modo efficace, soprattutto in un contesto in cui molte applicazioni sono classificate ad alto rischio dal regolatore».
