Nel corso degli ultimi anni, il termine Intelligenza Artificiale è diventato onnipresente nel lessico del settore finanziario. Tuttavia, dietro questa etichetta si celano tecnologie profondamente diverse tra loro, con implicazioni operative e strategiche distinte.
L’Intelligenza Artificiale (AI), nella sua accezione più ampia, indica la capacità di sistemi informatici di eseguire compiti che tipicamente richiederebbero intelligenza umana: riconoscimento del linguaggio, analisi di dati complessi, classificazione, previsione e generazione di contenuti.
Tra questi sistemi, i Large Language Models (LLM), modelli generativi capaci di comprendere e produrre testo in modo contestuale, hanno ridotto significativamente la distanza tra linguaggio umano e output automatizzato, aprendo applicazioni fino a poco fa impraticabili.
Il passo successivo, che è anche quello con le implicazioni più rilevanti per il mondo finanziario, è rappresentato dall’Agentic AI, l’intelligenza artificiale agentica. Con questa accezione, l’AI cessa di essere uno strumento passivo e diventa un agente attivo, capace di eseguire workflow end-to-end, riducendo i costi operativi delle banche.
GenAI in piena fase di sperimentazione
A confermare la traiettoria trasformativa, il report dell’Advanced Analytics & AI HUB di Cetif, Università Cattolica, che aggrega oltre 365 professionisti del settore finanziario, fotografa un ecosistema in rapida maturazione: il Machine Learning è ormai tecnologia strutturale nelle istituzioni finanziarie italiane ed europee (con una media di 6,7 use case già in adozione per istituzione), mentre la Generative AI registra una forte accelerazione nelle fasi di sperimentazione e implementazione iniziale (con una media di 5,25 use case in fase di test), delineando una traiettoria di adozione più rapida rispetto ad altre tecnologie avanzate.
Questo articolo è stato pubblicato sul numero di maggio 2026 di AziendaBanca. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
