Una community interna trasversale all’organizzazione sta portando avanti sette cantieri di sviluppo in ambito intelligenza artificiale. L’obiettivo è duplice: diffondere cultura e competenze tecnologiche all’interno dell’organizzazione e, al tempo stesso, portare rapidamente in execution iniziative concrete sull’AI.
«L’iniziativa rappresenta l’evoluzione di TAS Lab, avviato nel 2023 come spazio di sperimentazione, e oggi trasformato in un modello più strutturato e diffuso di community – racconta Fabrizio Annatelli, AI Program Lead, insieme a Gabriele Paoleschi, della AI Community di TAS. L’adozione dell’AI su larga scala è un percorso che coinvolge struttura, processi e soprattutto l’organizzazione. Serve quindi portare a bordo le persone, accompagnarle nel tempo a comprendere potenzialità e rischi della tecnologia e sviluppare nuovi mindset e competenze».
Coinvolgere la popolazione aziendale
Da qui il focus esplicito sul reskilling, considerato una leva chiave per affrontare la trasformazione. «Non cavalcare l’AI oggi significa rischiare di restare indietro. Ma non si tratta di sostituire le persone: cambia il perimetro delle competenze e il modo in cui queste vengono utilizzate – sottolinea Annatelli. La risposta di TAS è stata coinvolgere direttamente la popolazione aziendale: la community, aperta a tutti, ha registrato un’adesione ampia da parte della popolazione aziendale».
La community di TAS
I profili coinvolti sono eterogenei: dagli sviluppatori ai responsabili di business unit e di area. Tutti partecipano ai sette cantieri attivi sull’AI, contribuendo in modo diretto alla definizione e all’execution dei progetti.
«In questa fase iniziale siamo focalizzati sulla trasformazione interna e sull’efficientamento dei processi – precisa Annatelli. Abbiamo strutturato percorsi, articolati in differenti sessioni, per allineare la community sugli obiettivi e costruire un piano di execution concreto. L’AI non è solo un’iniziativa confinata all’IT, ma rappresenta una leva trasversale, che richiede coordinamento organizzativo e una chiara strutturazione dei processi».
I tre cantieri chiave
Tra i progetti in corso emergono tre direttrici principali. La prima riguarda la normativa ed è tra le più complesse.
«Lavorando con banche e assicurazioni – premette Annatelli –, una priorità è rafforzare i presìdi di compliance interna e costruire un framework che chiarisca cosa è possibile fare con l’AI e cosa no, alla luce di un contesto regolatorio in continua evoluzione».
Accanto alla compliance, il cantiere di sviluppo applicativo sfrutta l’AI per supportare il coding, nel rispetto dei principi di spiegabilità ed etica. Un ambito più maturo, anche grazie alla diffusione dell’AI nello sviluppo software, dove resta centrale il modello human-in-the-loop. Il progetto più strategico è, però, quello della knowledge base aziendale.
«I modelli AI sono per natura generici – evidenzia Annatelli. Il valore si crea quando vengono adattati al contesto specifico dell’azienda. Per questo stiamo costruendo una base di conoscenza strutturata, che include contenuti normativi, applicativi e di business. La knowledge base non serve unicamente ad addestrare i modelli, ma abilita una pluralità di use case: dalla gestione proattiva dei ticket alla produzione di analisi, fino al supporto alle attività operative. Gli agenti AI si specializzano su compiti specifici, ma non prendono decisioni autonome: la responsabilità resta sempre in capo all’umano».
Dalla sperimentazione all’industrializzazione
La community ha già portato in fase di execution diversi cantieri e si prepara a una fase di training evoluto, in particolare sulla knowledge base.
«Stiamo strutturando il sistema in modo da garantire una data governance localizzata sui contenuti critici. Per i casi d’uso più sensibili è in corso di sperimentazione un’infrastruttura LLM dedicata su modelli open weights, con prima sintesi entro maggio – racconta Gabriele Paoleschi. Questo consente di gestire in modo sicuro grandi volumi di documentazione critica. Un altro elemento chiave è l’evoluzione del modello operativo: non più vincoli tecnologici rigidi, ma processi adattivi, perché l’AI evolve troppo rapidamente per essere ingabbiata in architetture statiche. Serve un approccio dinamico, capace di aggiornarsi continuamente, anche in funzione delle evoluzioni normative».
I primi use case: tra monetica e regolamento T+1
Accanto ai cantieri principali, TAS sta sviluppando applicazioni verticali, in particolare nell’ambito della monetica. L’intelligenza artificiale predittiva è già utilizzata per il transaction monitoring in ambito antifrode con tecniche mature.
L’AI generativa abilita un perimetro più ampio di applicazioni: dalla knowledge base aziendale al supporto decisionale per il regolamento T+1, dal framework evoluto di design GUI per applicativi bancari ai sistemi di reportistica avanzata basati su linguaggio naturale.
«Un caso concreto riguarda il passaggio al regolamento T+1, che riduce a un giorno i tempi di regolamento delle transazioni finanziarie – spiega Paoleschi. Abbiamo sviluppato proof of concept per supportare le attività di matching e riconciliazione, oggi sempre più critiche per via della riduzione delle tempistiche, e qui l’AI fornisce supporto decisionale, intercettando anomalie e suggerendo possibili azioni correttive».
Uno sguardo al mercato
TAS continua infine a monitorare da vicino le evoluzioni del mercato, per integrare l’AI nella propria offerta in modo coerente con le esigenze dei clienti.
«Siamo in una fase di scouting continuo – conclude Annatelli. L’AI evolve rapidamente e richiede un approccio pragmatico per essere integrata su scala nel business. Non è una tecnologia verticale, ma una capacità trasversale che deve essere strutturata e governata».
Scopri le soluzioni di TAS su topVendors, la guida a software, hardware e servizi per il mondo bancario.
Questo articolo è stato pubblicato sul numero di maggio 2026 di AziendaBanca ed è eccezionalmente disponibile gratuitamente anche sul sito web. Se vuoi ricevere AziendaBanca, puoi abbonarti nel nostro shop.
