Intelligenza Artificiale nelle banche: applicazioni, vantaggi e nuove regole
- Pubblicato
Introduzione
L’Intelligenza Artificiale nelle banche è passata in pochi anni dalla fase sperimentale a un utilizzo sempre più diffuso nei processi operativi, nella gestione dei clienti, nel controllo dei rischi e nell’analisi delle informazioni.
Secondo la European Banking Authority, nel 2025 il 92% delle banche dell’Unione Europea osservate utilizzava già soluzioni di Intelligenza Artificiale, mentre il restante 8% stava sperimentando o valutando nuovi casi d’uso.
Le applicazioni riguardano attività molto diverse: profilazione dei clienti, assistenza, classificazione e analisi dei documenti, credit scoring, fraud detection, controlli antiriciclaggio e automazione dei processi interni.
La crescente diffusione dell’AI apre però anche nuove questioni relative a governance, sicurezza, qualità dei dati e controllo dei modelli. Per gli operatori finanziari il tema non è quindi soltanto adottare nuove tecnologie, ma integrarle all’interno di processi affidabili, tracciabili e coerenti con il quadro normativo europeo.
Come viene utilizzata l'intelligenza artificiale nelle banche
Le banche gestiscono ogni giorno enormi quantità di dati, documenti, transazioni e interazioni con i clienti.
L’Intelligenza Artificiale permette di analizzare queste informazioni in modo più rapido e di automatizzare attività che tradizionalmente richiedono un elevato intervento manuale.
Tra le principali applicazioni dell’AI nel banking troviamo:
analisi e classificazione dei documenti;
onboarding e verifica della clientela;
fraud detection;
controlli AML e KYC;
valutazione del merito creditizio;
assistenza clienti;
analisi delle transazioni;
supporto agli operatori;
automazione delle attività di back office;
gestione e recupero del credito.
L’EBA individua nella profilazione di clienti e transazioni, nell’ottimizzazione dei processi interni, nella valutazione del merito creditizio, nella fraud detection e nelle attività AML/CFT alcuni degli ambiti in cui l’AI viene già utilizzata dal settore bancario europeo. Fonte: European Banking Authority
AI e automazione dei processi bancari
Uno degli ambiti in cui l’Intelligenza Artificiale può generare maggior valore è l’automazione dei processi operativi.
Molte attività bancarie comportano infatti la raccolta di documenti, il controllo dei dati, la classificazione delle informazioni e il trasferimento degli output verso sistemi differenti.
L’AI può intervenire lungo questo processo attraverso tecnologie come:
Document Intelligence
I sistemi di Document Intelligence permettono di analizzare documenti strutturati e non strutturati, riconoscendo automaticamente informazioni, metadati ed entità rilevanti.
Fatture, contratti, documenti identificativi, moduli e comunicazioni possono così essere classificati e trasformati in dati utilizzabili dai sistemi aziendali.
Natural Language Processing
Le tecnologie NLP permettono di elaborare contenuti testuali come email, richieste dei clienti, contratti e comunicazioni, individuando automaticamente informazioni e intenzioni.
Machine Learning
I modelli di machine learning possono analizzare grandi quantità di informazioni e individuare pattern, anomalie o correlazioni difficili da rilevare attraverso regole statiche.
AI Generativa
L’AI generativa può supportare attività come la sintesi dei documenti, la ricerca delle informazioni, la preparazione di risposte, la classificazione dei contenuti e l’assistenza agli operatori.
Robotic Process Automation
L’RPA può essere utilizzata insieme all’AI per automatizzare attività ripetitive e basate su regole, collegando sistemi e applicazioni differenti.
L’integrazione di queste tecnologie permette di costruire processi più automatizzati, mantenendo l’intervento umano nei passaggi in cui il controllo o la valutazione dell’operatore rimangono necessari.
Intelligenza Artificiale e onboarding bancario
L’onboarding rappresenta uno dei processi più importanti nella relazione tra banca e cliente.
L’apertura di un rapporto può richiedere:
- identificazione del cliente;
- raccolta della documentazione;
- verifica dei dati;
- controlli KYC;
- controlli antiriciclaggio;
- sottoscrizione dei documenti;
- apertura e aggiornamento della posizione nei sistemi aziendali.
L’AI può supportare diverse fasi di questo processo.
Tecnologie di riconoscimento e Document Intelligence permettono, per esempio, di acquisire informazioni dai documenti, verificarne la completezza e confrontarle con i dati presenti nei sistemi.
I modelli di analisi possono inoltre contribuire a individuare anomalie e situazioni che richiedono ulteriori controlli.
L’obiettivo non è necessariamente eliminare l’intervento umano, ma ridurre le attività manuali a basso valore e indirizzare gli operatori verso i casi che richiedono realmente una verifica.
AI, KYC e antiriciclaggio
La gestione dei processi KYC e AML richiede l’analisi di grandi quantità di informazioni provenienti da fonti diverse.
L’AI può contribuire a:
- analizzare documenti e dati identificativi;
- confrontare informazioni provenienti da sistemi differenti;
- individuare anomalie;
- analizzare pattern nelle transazioni;
- supportare il risk profiling;
- dare priorità ai casi che richiedono approfondimento.
L’EBA include fraud detection, AML/CFT, profiling delle transazioni e creditworthiness tra gli ambiti di applicazione osservati per l’AI nel settore bancario europeo.
L’automazione può rendere questi processi più scalabili, ma non elimina la necessità di controlli, governance e supervisione umana.
Fraud detection e monitoraggio delle transazioni
La fraud detection rappresenta uno degli ambiti storicamente più rilevanti per l’utilizzo del machine learning nel settore finanziario.
I sistemi AI possono analizzare grandi quantità di transazioni e individuare comportamenti anomali attraverso il confronto con pattern conosciuti o modelli comportamentali.
Tra i segnali analizzabili possono rientrare:
- frequenza delle operazioni;
- importi;
- geolocalizzazione;
- dispositivo utilizzato;
- caratteristiche delle transazioni;
- variazioni rispetto al comportamento abituale del cliente.
Questo permette di costruire sistemi di controllo capaci di analizzare le operazioni in tempi molto rapidi e di segnalare quelle che richiedono ulteriori verifiche.
L’obiettivo è trovare un equilibrio tra efficacia dei controlli e riduzione dei falsi positivi, evitando di bloccare inutilmente operazioni legittime.
AI e credit scoring
Un altro ambito di applicazione riguarda la valutazione del merito creditizio.
I sistemi di Intelligenza Artificiale possono analizzare molteplici variabili e aiutare le banche a valutare il profilo di rischio collegato a una richiesta di credito.
È però uno degli utilizzi per cui il quadro normativo europeo richiede particolare attenzione.
L’AI Act include tra i casi d’uso ad alto rischio i sistemi destinati a valutare il merito creditizio delle persone fisiche o a stabilirne il credit score, con specifiche eccezioni previste dalla normativa. Fonte: Commissione europea – Navigating the AI Act
La classificazione come sistema ad alto rischio comporta requisiti specifici relativi, tra gli altri aspetti, alla gestione dei rischi, alla qualità dei dati, alla documentazione, alla tracciabilità, alla supervisione umana, all’accuratezza e alla robustezza.
A seguito delle modifiche introdotte con l’AI Omnibus, le regole relative ai sistemi ad alto rischio dell’Allegato III si applicheranno dal 2 dicembre 2027.
Per le banche significa che la progettazione dei sistemi deve essere affrontata già oggi considerando non soltanto le performance del modello, ma anche governance, qualità dei dati e controllo umano.
AI generativa nelle banche
L’AI generativa sta ampliando ulteriormente i possibili casi d’uso.
All’interno delle organizzazioni bancarie può essere utilizzata, per esempio, per:
- sintetizzare documenti;
- interrogare basi di conoscenza;
- supportare operatori e customer care;
- preparare bozze di comunicazioni;
- classificare richieste;
- estrarre informazioni da documenti complessi;
- supportare attività IT e sviluppo software;
- facilitare la ricerca all’interno delle procedure aziendali.
L’utilizzo di modelli generativi richiede però particolare attenzione alla qualità degli output.
Fenomeni come le cosiddette hallucination, la presenza di informazioni inaccurate o l’utilizzo improprio di dati riservati rendono necessario progettare sistemi con adeguati controlli.
Nei processi sensibili può quindi essere opportuno adottare un approccio human-in-the-loop, in cui l’AI supporta il lavoro dell’operatore senza sostituirne automaticamente la valutazione.
AI e Customer Experience nel settore bancario
L’Intelligenza Artificiale può essere utilizzata anche per migliorare l’esperienza del cliente.
Chatbot e assistenti virtuali possono gestire alcune richieste informative, mentre sistemi di analisi possono aiutare gli operatori a recuperare più rapidamente informazioni e documenti.
L’AI può inoltre essere utilizzata per:
- personalizzare comunicazioni;
- classificare le richieste;
- indirizzare il cliente al canale corretto;
- suggerire informazioni agli operatori;
- analizzare il sentiment;
- individuare bisogni ricorrenti.
Il valore dell’automazione dipende però dalla progettazione dell’esperienza complessiva.
Nei casi complessi o sensibili deve essere sempre possibile coinvolgere un operatore umano e garantire continuità tra canali digitali e assistenza tradizionale.
AI Act e banche: cosa cambia
Il Regolamento europeo sull’Intelligenza Artificiale – AI Act rappresenta oggi uno dei principali riferimenti normativi per l’utilizzo dell’AI nel settore bancario europeo.
Il regolamento europeo utilizza un approccio basato sul rischio: gli obblighi variano in funzione delle caratteristiche e dell’utilizzo del sistema.
Il calendario applicativo è progressivo:
- dal 2 febbraio 2025 si applicano le disposizioni sulle pratiche AI vietate e alcune regole relative all’AI literacy;
- dal 2 agosto 2025 si applicano le regole di governance e gli obblighi relativi ai modelli di AI per finalità generali;
- dal 2 agosto 2026 è divenuta applicabile gran parte del regolamento e sono diventati operativi ulteriori poteri di enforcement;
- dal 2 dicembre 2027 si applicheranno le regole relative ai sistemi AI ad alto rischio dell’Allegato III;
- dal 2 agosto 2028 si applicheranno le regole per i sistemi AI ad alto rischio incorporati in determinati prodotti regolamentati.
DORA e Intelligenza Artificiale nel settore bancario
Accanto all’AI Act, per il settore finanziario assume particolare importanza il Digital Operational Resilience Act – DORA, applicabile dal 17 gennaio 2025.
DORA non disciplina specificamente il modo in cui un algoritmo AI deve prendere una decisione.
Il suo obiettivo è invece rafforzare la resilienza operativa digitale degli operatori finanziari.
Il regolamento interviene su aspetti quali:
- gestione del rischio ICT;
- gestione e segnalazione degli incidenti;
- test della resilienza operativa;
- gestione del rischio derivante dai fornitori ICT;
- continuità operativa;
- sicurezza e controllo dei sistemi tecnologici.
Quando una banca utilizza soluzioni AI supportate da infrastrutture IT, cloud o fornitori esterni, questi elementi devono quindi essere gestiti all’interno del più ampio framework di resilienza operativa previsto da DORA.
AI Act e DORA devono quindi essere letti come due livelli complementari: il primo disciplina rischi, classificazione e obblighi legati all’utilizzo dell’AI; il secondo rafforza la resilienza operativa e la gestione del rischio ICT dell’infrastruttura digitale in cui questi sistemi vengono utilizzati.