LET’S TALK & CONNECT

Al Banking Summit 2026 le banche cercano di scalare l’AI: governance, costo dei token, debito tecnico e persone sono i nodi da sciogliere

Chi frequenta il Banking Summit sa che a Baveno spesso piove. Quest’anno invece il sole ha giocato un ruolo importante ed è stato citato più di una volta sul palco. Un’anomalia che si prestava bene al tema dell’edizione: anche l’AI in produzione, per molte banche, è ancora un evento raro. Il filo conduttore è stato il passaggio dalla digital transformation all’AI transformation, a sottolineare che la domanda non è più se adottare l’intelligenza artificiale, ma come renderla scalabile, misurabile e governata.

Il Banking Summit 2026 ha restituito la fotografia di un settore bancario che ha ormai archiviato la fase dei proof of concept isolati e si confronta apertamente con il nodo dell’industrializzazione dell’AI. Il filo conduttore delle due giornate è stato il passaggio “dalla digital transformation all’AI trasformation“: non più se adottare l’intelligenza artificiale, ma come renderla scalabile, misurabile e governata su scala enterprise.

Una trasformazione che non finisce

La differenza con la stagione digitale è stata descritta con precisione: quella era un investimento massiccio e una tantum, mentre l’AI-native banking è una trasformazione continua, con modelli che cambiano di settimana in settimana. Sul piano organizzativo il modello più citato è quello Hub and Spoke, riassunto nella formula “democratico ma non anarchico”: un centro di competenza presidia tecnologie, sicurezza e compliance, le funzioni di business sviluppano in autonomia se hanno le competenze. C’è anche chi ha fatto riportare il team AI alla trasformazione digitale anziché all’IT, affiancandolo a una rete di ambassador interni passata da 40 a 120 persone. È stata sottolineata anche la governance by design: trattarla come ultimo passo, a progetto finito, è l’errore che blocca molti PoC al momento di scalare. E non è mancata l’autocritica: alcune AI factory hanno promesso al business risultati quasi magici e le aspettative deluse si sono trasformate in resistenza.

Il conto dei token

Il tema più concreto è stato il costo di esercizio. Il consumo di token si aggiunge al costo del personale, non lo sostituisce, e alcune applicazioni in produzione hanno già generato spese impreviste. Le risposte sono diverse: c’è chi tratta i progetti AI come qualsiasi altro investimento IT, con un post mortem che confronta benefici attesi e realizzati, chi ha costruito un’infrastruttura GPU interna per portare in casa gli use case validati lasciando la sperimentazione al cloud e chi ferma un processo quando l’AI costa più della persona che lo svolgeva. Una lezione è condivisa: misurare i risparmi è semplice, isolare l’effetto di un algoritmo sui ricavi molto meno. Per questo cresce la selezione a monte: in un caso internazionale portato al tavolo, solo uno use case su dieci arriva in produzione, ma è scelto perché può scalare.

Dato, legacy e debito tecnico

“Non esiste AI senza dato” è stata forse la frase più ripetuta. Disponibilità, qualità e conformità del dato vengono prima della scelta del modello e il data lineage è considerato un requisito non negoziabile, anche per gli output prodotti dagli agenti. È emerso poi un punto meno scontato: le banche curano la qualità del dato strutturato ma sottovalutano la conoscenza, cioè documenti, processi e ontologie. Sul vibe coding la posizione è stata compatta: utile per prototipi e PoC, non praticabile su sistemi critici dove pochi minuti di downtime diventano un caso reputazionale. L’alternativa sono team AI-native in cui lo sviluppatore passa da scrittore di codice a orchestratore. Il debito tecnico, anche alla luce di DORA, va invece trattato come superficie di rischio da ridurre dentro il ciclo di sviluppo e non come progetto a parte.

Sicurezza e sovranità

In tema di resilienza è stata evidenziata un’asimmetria: con strumenti agentici attaccare costa meno che difendersi e i processi di sicurezza manuali non reggono. Da qui l’idea di autonomous security, con meccanismi che interrompono in automatico i processi fuori controllo. La AI sovereignty risponde invece al rischio di dipendenza da pochi fornitori, reso tangibile da un recente disservizio che ha colpito più provider di modelli nello stesso giorno. La risposta passa da architetture modulari e indipendenti dal singolo provider, per evitare il lock-in proprio mentre la tecnologia cambia più in fretta dei contratti. Restano aperti due temi: l’accountability (quando un agente sbaglia, chi ne risponde?) e la scarsità di competenze capaci di adattare davvero un modello, che in Europa sono poche e raramente lavorano in banca.

Il paradosso della produttività

Il collo di bottiglia vero sono comunque le persone. La trasformazione digitale ha avuto decenni per essere assorbita, l’AI chiede di farlo in mesi e il rischio più citato è quello della “robotica costosa“: automatizzare senza cambiare processi e competenze. Non a caso è tornato il paradosso di Solow: all’inizio gli assistenti AI rallentano il lavoro invece di accelerarlo. Ci sono però risultati misurabili, come una delibera del credito scesa da circa 45 a 30 minuti grazie all’OCR avanzato. L’adozione che funziona procede a macchia d’olio, per piccoli gruppi che trascinano gli altri e i benefici si certificano a posteriori, evitando l’effetto wow che genera rigetto. La risposta sul fronte occupazionale è il reskilling verso relazione, supervisione e giudizio critico. Proprio il giudizio è il nuovo rischio: con l’RPA si temeva che l’operatore dimenticasse il processo manuale, con l’AI generativa si teme che, dopo cento conferme corrette, approvi per abitudine anche l’errore.

Il cliente può aspettare

Lato cliente prevale la prudenza. L’iperpersonalizzazione è vista come leva di ricavo e in alcuni casi l’integrazione tra CRM e canali ha già moltiplicato i tassi di conversione. L’agente esposto direttamente al cliente resta però un orizzonte futuro, frenato dai costi di inferenza, da compliance e guardrail ancora da consolidare e dal timore di perdere la relazione. Qualcuno guarda già oltre, al “cliente invisibile“: un agente AI che parla con la banca al posto della persona.

Il sole a Baveno durante il Banking Summit è stata una piacevole eccezione rispetto agli ultimi anni. La scommessa delle banche è che l’AI in produzione non sia un’eccezione di cui scherzare ma una condizione normale.

Sergio Patano
Event & Research Manager, TIG – The Innovation Group