Dal nuovo indice sull’equity nipponico agli impatti sull’asset management, il ceo Daniele Grassi spiega perché l’intelligenza artificiale non sostituirà i gestori ma cambierà profondamente modelli operativi, processi decisionali e competitività
Daniele Grassi, cofounder e ceo di Axyon AI
L’intelligenza artificiale applicata al risparmio gestito si prepara a entrare in una nuova fase. Axyon AI, fintech italiana specializzata in soluzioni predittive per i mercati finanziari, ha recentemente lanciato insieme a Morningstar un nuovo indice dedicato all’azionario giapponese basato su modelli di machine learning. Una scelta che riflette sia il crescente interesse del mercato nipponico per le strategie AI-driven sia l’evoluzione di un settore che si prepara a convivere sempre più con strumenti quantitativi avanzati. FocusRisparmio ha raggiunto Daniele Grassi, cofounder e ceo della società, per capire quali prospettive apre questa innovazione
Perché avete scelto proprio il Giappone per questo nuovo indice?
È un rapporto che nasce da lontano. Già nel 2018 uno dei nostri primi clienti era legato a Sumitomo Mitsui Banking Corporation, quindi lavoriamo sull’equity nipponica praticamente dagli inizi della società. Il Giappone inoltre è sempre stato un mercato molto sensibile ai temi innovativi e all’intelligenza artificiale. Questo, insieme alla presenza di partner locali e a un interesse crescente da parte degli investitori, ci ha spinto a prioritizzare il lancio di un indice dedicato all’area geografica. Va però precisato che la nostra copertura è molto più ampia: oggi i modelli proprietari di Axyon AI coprono circa il 97,5% della market cap globale.
Come funziona concretamente l’indice sviluppato con Morningstar?
Dal punto di vista operativo, i nostri modelli producono score predittivi sulle singole azioni dell’universo investibile. Per noi era però importante collaborare con un player riconosciuto a livello globale perché ci aiutasse a strutturare tutto il processo secondo standard molto rigorosi, dal rule book ai controlli interni. Ed è qui che entra in gioco Morningstar, utilizzano i segnali forniti dalla metrica per selezionare i titoli migliori e costruire il paniere finale. Nel caso dell’indice giapponese vengono selezionati le migliori 40 azioni e ponderate in base alla market cap.
Come funzionano i vostri modelli di intelligenza artificiale applicati ai mercati?
La nostra filosofia parte da un presupposto: i mercati finanziari sono sistemi estremamente dinamici e complessi, quindi nessuno può pensare di “sapere” davvero come si muoveranno. Per questo abbiamo costruito un processo completamente data-driven e basato sull’apprendimento continuo. Partiamo dalla raccolta e pulizia dei dati, che possono essere di mercato, fondamentali, macroeconomici o di sentiment. Successivamente costruiamo feature descrittive, cioè indicatori che aiutano le macchine a interpretare le condizioni di mercato. A quel punto entrano in gioco diversi modelli AI che vengono allenati, selezionati e combinati tra loro. Alla fine otteniamo ranking predittivi sulle azioni rispetto alle performance attese su diversi orizzonti temporali.
In una fase storica dominata da volatilità geopolitica e shock improvvisi, questi modelli rischiano di andare in difficoltà?
I cosiddetti “black swan” colpiscono tutti, sia gli esseri umani sia le macchine. La differenza è che l’AI non reagisce emotivamente. Nei momenti di forte volatilità questo può diventare addirittura un vantaggio, perché il machine learning tende a mantenere l’attenzione sui fondamentali senza lasciarsi trascinare dal panico di breve periodo. Certo, quando cambiano strutturalmente le condizioni di mercato anche i modelli devono adattarsi. Per questo aggiorniamo continuamente il training e utilizziamo metodologie quantitative che permettono ai segnali di diventare più reattivi nelle fasi di stress. Però ci sono anche aspetti che la macchina non può cogliere: un umano può magari intuire elementi qualitativi o politici che non emergono dai dati.
Quindi il futuro sarà una collaborazione tra uomo e AI più che una sostituzione?
Assolutamente sì. L’AI vede nei dati profondità che un umano non può raggiungere, ma l’uomo mantiene capacità interpretative e relazionali che restano fondamentali. Un consulente finanziario, ad esempio, può capire davvero i bisogni di un cliente, cosa che una macchina non sa fare. Allo stesso tempo, l’intelligenza artificiale può automatizzare moltissime attività ripetitive e migliorare enormemente la capacità predittiva. Credo che il futuro dell’asset management sarà sempre più una combinazione tra capacità umane e strumenti AI-driven.
Quanto sarà disruptive questa trasformazione per il settore del risparmio gestito?
Molto. Oggi vediamo soprattutto applicazioni locali, incrementalmente utili: riassumere report, generare analisi, integrare segnali quantitativi nei modelli di portafoglio. Ma la vera sfida sarà ripensare completamente l’asset management in un mondo AI-native. Chi si muove rapidamente avrà vantaggi competitivi nel breve termine, ma questo non basterà. Potrebbero emergere player costruiti fin dall’inizio attorno all’intelligenza artificiale e questo cambierà gli equilibri competitivi del settore. I grandi gruppi hanno più risorse per investire, ma i piccoli operatori possono essere più agili. Per questo vedremo probabilmente sempre più partnership tra società finanziarie tradizionali e player tecnologici specializzati.
Stiamo lavorando molto sull’espansione commerciale, soprattutto negli Stati Uniti dove vediamo una pipeline molto forte anche grazie alla collaborazione con Eolas Capital a Boston. Parallelamente stiamo sviluppando nuovi indici con Morningstar, anche su tematiche più innovative. Una delle direzioni più interessanti riguarda gli strumenti di screening tematico forward-looking. Abbiamo sviluppato Axyon Foresight, una piattaforma basata sull’IA agentica che consente di costruire in poche ore framework quantitativi su temi molto specifici. Per esempio: identificare rapidamente quali società potrebbero beneficiare degli effetti di secondo livello di uno shock geopolitico come una crisi nello Stretto di Hormuz. Sono analisi che tradizionalmente richiederebbero mesi di lavoro a una banca d’investimento.
Un test di NetStrategy mostra come i chatbot passino dall’educazione finanziaria alle raccomandazioni su singoli titoli, con tanto di importi e strategie di ingresso. Una zona grigia che solleva interrogativi sulle regole applicabili ai servizi di consulenza e implica un ripensamento dell’educazione finanziaria
Nata come piattaforma proprietaria per la gestione del rischio, Aladdin è diventata un’infrastruttura tecnologica utilizzata da oltre mille clienti nel mondo e genera oggi circa il 10% dei ricavi del gruppo. La piattaforma raccontata da protagonisti e utilizzatori
EY: per il 54% degli amministratori delegati l’intelligenza artificiale è tra i principali fattori che hanno migliorato l’efficienza. Gli ostacoli? Competenze e complessità organizzativa
Costi ridotti, accesso continuo e meccanismi ispirati al gaming possono incentivare operazioni troppo frequenti. Ma l’Authority richiama l’attenzione anche sulla crescente promozione di titoli tecnologici USA e derivati rischiosi
Il lancio di Pontes apre la strada al regolamento in moneta di banca centrale delle attività tokenizzate. Ma per passare dalla sperimentazione a un’infrastruttura di mercato servono interoperabilità, regole proporzionate e controllo dei rischi legati ad AI e cybersecurity
Secondo una ricerca di Excellence Payments, il 75% si affida ai suggerimenti dell’algoritmo. E il 26% ha optato per un prodotto o un servizio diverso da quello previsto. La sfida per gli operatori finanziari? Diventare ‘raccomandabili’
Dallo studio emerge un ecosistema di pmi giovani, sempre più integrato con il sistema finanziario tradizionale. I fatturati restano però limitati: la sfida è riuscire a finanziare le soluzioni sviluppate, portarle sul mercato e farle crescere
Nel report Big Ideas 2026, la società di Cathie Wood individua cinque piattaforme tecnologiche destinate a convergere: intelligenza artificiale, robotica ed energia, biotech e multiomics, spazio e difesa, blockchain e fintech. Al centro della tesi d’investimento il crollo dei costi, che può accelerare adozione e investimenti
Secondo S&P Global Ratings, solo l’8% dei progetti nelle società è oggi pienamente integrato a livello organizzativo. Ma gli investimenti saliranno e i risparmi sui costi toccheranno il 6%-8% entro il 2028. Governance, dati e fornitori i driver per trasformare l’AI in un vantaggio competitivo. Con effetti sui rating
Secondo un sondaggio Denodo, il 73% delle organizzazioni finanziarie ha già portato soluzioni di intelligenza artificiale in produzione. Ma qualità, latenza e governance delle informazioni ne frenano la scalabilità. Nell’integrazione delle infrastrutture la chiave per colmare il gap
Le piattaforme virtuali stanno attirando l’interesse di molti aspiranti trader e appassionati di finanza, anche in Italia e in particolare tra i più giovani. Ecco come funziona il modello di società che selezionano e formano operatori attraverso ambienti simulati e programmi con regole prestabilite. Il caso Fintokei, realtà ceca per cui l’Italia rappresenta il secondo mercato più importante dopo il Giappone
Iscriviti per ricevere gratis il magazine FocusRisparmio