Nel racconto pubblico l’intelligenza artificiale in banca è ancora un affare di robo-advisor e sportelli senza persone. Nella realtà italiana del 2026 è una cosa molto meno spettacolare e molto più concreta: modelli che leggono documenti, assistenti che aiutano chi sta dietro allo sportello a trovare un’informazione in trenta secondi invece che in venti minuti, sistemi che riducono la carta necessaria per istruire una pratica di fido. Poco cinema, parecchia riorganizzazione dei processi.
La cosa interessante è che, a differenza di altri settori, qui abbiamo dei numeri ufficiali. Banca d’Italia censisce da anni l’adozione della tecnologia negli intermediari, e questo permette di parlare con dati veri invece che con proiezioni di società di consulenza. Vediamo cosa dicono, cosa fanno concretamente i grandi gruppi e perché la partita regolatoria non è affatto chiusa.
I numeri che abbiamo davvero
La fonte da guardare è l’Indagine Fintech nel sistema finanziario italiano pubblicata da Banca d’Italia. Da lì emergono tre dati che vale la pena tenere a mente.
Il primo: nel 2024 il sistema finanziario italiano ha investito 593 milioni di euro in intelligenza artificiale, e la cifra arriva quasi interamente dalle banche. È molto e poco allo stesso tempo: molto rispetto agli anni precedenti, poco rispetto agli oltre dieci miliardi di euro che, secondo la ricostruzione di Milano Finanza, i cinque maggiori gruppi bancari italiani hanno destinato complessivamente a digitalizzazione e tecnologia.
Il secondo: gli intermediari hanno censito 798 sistemi di intelligenza artificiale, classificandoli secondo le categorie di rischio del regolamento europeo. Il 55% risulta a rischio limitato, il 34% a rischio minimo, l’11% ad alto rischio (Indagine Fintech 2025, Banca d’Italia; sintesi su SimplyBiz). Quell’11% è il numero politicamente più denso di tutta l’indagine, e ci torno tra poco.
Il terzo: solo un terzo degli intermediari ha costituito una struttura di governance dedicata all’intelligenza artificiale. Tradotto: due terzi del sistema stanno adottando questi strumenti senza un presidio organizzativo formale che decida chi approva cosa, chi controlla i modelli e chi risponde quando sbagliano. L’indagine segnala anche il sorpasso dell’IA generativa sulle tecniche tradizionali per numero di nuovi progetti avviati, e una quota molto alta di progetti che sono iniziative nuove e non evoluzioni di sistemi esistenti.
C’è poi un sondaggio OCSE condotto nel secondo trimestre 2025 su circa 450 operatori del settore finanziario italiano, ripreso da SimplyBiz, secondo cui il 39% degli operatori usa già tecnologie di IA nell’attività quotidiana, con punte più alte nelle assicurazioni e nelle banche. È una fotografia dichiarativa, va presa per quello che è, ma conferma la direzione.
Cosa fanno i grandi gruppi (solo casi documentati)
Qui serve disciplina, perché è il terreno dove circolano più leggende che fatti. Mi limito a quello che è stato raccontato pubblicamente con un minimo di dettaglio.
Intesa Sanpaolo ha avviato dal 2023 un programma interno di adozione dell’IA su scala di gruppo, con un modello di governance dedicato e, secondo la ricostruzione di AI4Business, un centinaio abbondante di applicazioni e alcune centinaia di specialisti coinvolti. Gli ambiti citati sono quelli tipici: operations, processi del credito, processi commerciali, prevenzione delle frodi e antiriciclaggio, controlli interni, middle e back office. Sul fronte generativo viene descritto un assistente virtuale integrato in un applicativo interno di valutazione dei prezzi, che aiuta gli operatori a recuperare le informazioni necessarie a una quotazione. Nessuna di queste applicazioni parla direttamente con il cliente finale: sono strumenti per chi lavora dentro la banca.
UniCredit ha messo in produzione una piattaforma per il credito alle piccole e medie imprese che semplifica l’istruttoria, riduce la documentazione richiesta e accorcia i tempi di delibera attraverso una pre-valutazione del cliente; l’estensione dell’uso a tutte le imprese clienti è prevista nel corso del 2026 (Milano Finanza). È forse il caso italiano più significativo, perché tocca il credito, cioè il punto in cui l’automazione incontra i diritti delle persone e delle imprese.
BPER ha annunciato il 17 settembre 2025 una collaborazione strategica con Domyn (l’azienda italiana nata come iGenius): il primo passo dichiarato è l’introduzione di un agente specializzato in decision intelligence, pensato per analizzare i comportamenti della clientela e supportare le decisioni dei team della banca (comunicato BPER). I dettagli operativi non sono pubblici — ed è un limite ricorrente di quel fornitore, come emerge leggendo cosa è verificabile e cosa no nei suoi modelli.
Quello che colpisce, mettendo in fila i casi documentati, è che nessuno riguarda la sostituzione di un giudizio umano. Sono tutti sistemi che stanno a monte: preparano, riassumono, recuperano, precompilano. La decisione finale, formalmente, resta a una persona. È una scelta prudente ed è anche l’unica compatibile con il quadro normativo che sta arrivando.
Il nodo vero: quando un sistema diventa “ad alto rischio”
Il regolamento europeo sull’intelligenza artificiale, l’AI Act, classifica i sistemi per livello di rischio. L’allegato III elenca gli usi considerati ad alto rischio, e due voci riguardano direttamente banche e assicurazioni: i sistemi destinati a valutare il merito creditizio delle persone fisiche o a stabilirne il punteggio di credito (con l’eccezione esplicita dei sistemi usati per individuare frodi finanziarie), e i sistemi usati per la valutazione del rischio e la determinazione dei premi nelle assicurazioni vita e salute.
Essere classificati ad alto rischio non significa essere vietati. Significa dover rispettare un pacchetto di obblighi pesante: gestione documentata dei rischi, requisiti di qualità sui dati di addestramento, documentazione tecnica, registrazione automatica degli eventi, trasparenza verso chi usa il sistema, sorveglianza umana effettiva, accuratezza e robustezza, e per certi soggetti una valutazione d’impatto sui diritti fondamentali. Sono adempimenti che richiedono anni-uomo, non un pomeriggio.
C’è poi il collegamento con il GDPR, che molti dimenticano. La Corte di giustizia dell’Unione europea, nel caso Schufa (C-634/21), ha stabilito che la costruzione di un punteggio di credito da parte di una società di scoring, quando quel punteggio determina in modo sostanziale la concessione del credito, è a tutti gli effetti una decisione automatizzata ai sensi dell’articolo 22 del regolamento. Con tutto ciò che ne consegue in termini di diritto della persona a ottenere l’intervento umano, a esprimere la propria opinione e a contestare la decisione. L’AI Act, dal canto suo, prevede all’articolo 86 il diritto della persona interessata a ottenere spiegazioni chiare e significative sul ruolo del sistema nella decisione che la riguarda.
Il rinvio del 2026 e perché non è una buona notizia
Ed eccoci al punto dolente. Con il pacchetto Digital Omnibus l’applicazione degli obblighi sui sistemi ad alto rischio è stata rinviata al 2 dicembre 2027 (come ci si è arrivati, e cosa slitta esattamente). La Commissione, nel frattempo, sta ancora lavorando alle linee guida che dovranno spiegare come classificare un sistema come ad alto rischio: la consultazione è stata prorogata al 23 luglio 2026 e le linee guida finali sono attese entro fine anno (Paradigma). Tradotto per una banca: la scadenza si è allontanata proprio mentre il criterio per capire se ti riguarda non c’è ancora.
Qui prendo posizione, e in modo esplicito. Questo rinvio viene raccontato come una boccata d’ossigeno per le imprese. Per il settore del credito è invece un problema, per due ragioni. La prima: le banche hanno già costruito i sistemi, come mostra l’11% di sistemi classificati ad alto rischio nell’indagine di Banca d’Italia. Rinviare gli obblighi non fa sparire quei sistemi, li lascia semplicemente in funzione più a lungo senza il presidio previsto. La seconda: l’incertezza sulle regole è il peggior nemico degli investimenti. Un direttore rischi che deve decidere oggi se spendere due milioni di euro in documentazione e controlli, sapendo che la scadenza è slittata di un anno e mezzo e che le linee guida non ci sono ancora, quella spesa la rimanda. E chi paga il conto di questo rinvio non è la banca: è la persona a cui viene negato un mutuo senza sapere bene perché.
Da segnalare, per completezza: il GDPR e la giurisprudenza Schufa si applicano comunque, indipendentemente dall’AI Act. Chi pensa di avere un anno e mezzo di vacanza normativa sul credit scoring automatizzato si sta sbagliando di grosso.
Cosa succede a chi lavora nel credito
La domanda che mi fanno più spesso è se l’intelligenza artificiale toglierà lavoro a chi istruisce pratiche. La risposta onesta, sulla base di quello che si vede oggi, è che sta cambiando il contenuto del lavoro più della quantità.
Un analista fidi che oggi passa metà del tempo a raccogliere documenti, riconciliare bilanci e compilare campi, domani passerà quel tempo a fare due cose diverse: verificare quello che il sistema ha precompilato e motivare gli scostamenti dal suggerimento automatico. Il secondo punto è quello che nessuno racconta, ed è il più delicato. Quando un modello suggerisce di rifiutare e la persona decide di approvare, quella persona deve scrivere perché. Quando il modello suggerisce di approvare e la persona approva, il rischio è che la sorveglianza umana diventi un timbro. È il fenomeno che la letteratura chiama automation bias: la tendenza a fidarsi della macchina più di quanto la macchina meriti.
L’AI Act chiede sorveglianza umana “effettiva”, e la parola effettiva è quella su cui si giocherà tutto. Un istruttore che ha novanta secondi per validare una pratica e un incentivo aziendale legato al numero di pratiche chiuse non sta esercitando sorveglianza: sta cliccando.
Prendi una banca di credito cooperativo ipotetica, sessanta dipendenti in una provincia del Nord-Est, che valuta di adottare un motore di pre-scoring fornito da un outsourcer informatico. La domanda decisiva non è quanto costa la licenza. È: quel fornitore mi consegna la documentazione tecnica che l’AI Act richiederà al deployer? Ho accesso alle metriche di performance del modello sul mio portafoglio, non su quello medio nazionale? Se un cliente mi chiede perché è stato rifiutato, io so rispondere con parole mie? Se le risposte sono no, la banca non sta comprando efficienza: sta comprando un rischio che si materializzerà nel 2027.
Cosa cambia per te
Se lavori in una banca o in un intermediario, la cosa più utile che puoi fare nei prossimi mesi è banale e quasi nessuno l’ha fatta: censire. Fai l’elenco di tutti i sistemi che usano intelligenza artificiale, inclusi quelli comprati dentro un software gestionale senza che nessuno li chiamasse “IA”, e classificali. E nel censimento metti anche l’AI che nessuno ha comprato: gli account personali con cui i dipendenti stanno già incollando documenti dentro un chatbot, che in una banca è il buco di conformità più prevedibile e meno presidiato. Due terzi degli intermediari italiani non
