3 min
L’intelligenza artificiale resta ancora lontana dall’essere pienamente integrata nelle istituzioni finanziarie. Eppure, la sua capacità di incidere su fattori come la redditività e soprattutto la qualità del credito è destinata ad aumentare. È questa la conclusione del sondaggio sull’adozione degli algoritmi condotto da S&P Global Ratings, secondo cui la tecnologia non rappresenta ancora un elemento determinante nelle valutazioni sulla classe di merito ma le differenze tra gli operatori in termini di governance e capacità di implementazione potrebbero diventare sempre più rilevanti nei prossimi anni.
Domanda del sondaggio: La vostra strategia aziendale integra l’intelligenza artificiale nel modo in cui l’impresa opera e compete?
Fonte: Sondaggio di S&P Global Ratings sull’intelligenza artificiale presso le istituzioni finanziarie, luglio 2026.
Il punto di partenza della ricerca, che ha raccolto il parare di 179 istituzioni finanziarie globali, consiste nella forte distanza che ancora esiste tra le ambizioni strategiche e l’effettivo utilizzo dell’intelligenza artificiale. Gli intervistati hanno infatti confermato come soltanto l’8% dei progetti risulti pienamente integrato nelle loro organizzazioni, mentre il 26% si trova ancora nella fase di sperimentazione e una quota altrettanto consistente è stata impiegata in maniera sistematica solo da singoli dipartimenti. Una fotografia che non migliora neppure quando ci si concentra esclusivamente sulle banche, tra le quali la quota di piena adozione supera appena la media, e arriva a addirittura a peggiorare fino al 5% nel caso degli altri intermediari.
Il divario tra ambizioni e realtà non significa però che l’AI non sia entrata nelle strategie di lungo periodo delle istituzioni finanziarie. Il 42% degli intervistati dichiara infatti di disporre di una strategia approvata dal board e integrata a livello aziendale, mentre il 21% ha definito piani specifici per singole aree di business e il 27% è ancora nella fase di sviluppo. La maturità appare però molto diversa a livello geografico. Se Nord America e Asia-Pacifico mostrano le strategie più avanzate, con circa il 71% degli istituti che dice di essere già pronta, le altre regioni vedono invece una distribuzione eterogenea delle risposte. Quanto agli obiettivi, è invece ancora l’efficienza a guidare gli sforzi dei player di settore: l’84% degli istituti utilizza gli algoritmi per migliorare le funzioni di supporto e per automatizzare i processi, il 44% la impiega per ottimizzare le soluzioni rivolte alla clientela, il 39% per la gestione dei rischi e solo il 28% dichiara di servirsene nello sviluppo di nuove soluzioni o servizi. Una prudenza che, secondo S&P, riflette la natura altamente regolamentata dell’industria e i rischi reputazionali associati soprattutto all’AI generativa. È una dinamica particolarmente evidente nell’AI agentica: il 43% delle istituzioni la sta ancora sperimentando, il 33% l’ha adottata in singoli dipartimenti o progetti e appena il 3% l’ha integrata a livello organizzativo. L’approccio prevalente resta quello dell’“assistente”, con l’essere umano ancora responsabile delle attività eseguite dall’agente. Tra gli utilizzi più ricorrenti figurano il customer support, la gestione dei documenti, l’automazione dei workflow, l’elaborazione di informazioni relative al credito e alla due diligence, la ricerca e il supporto allo sviluppo software. In Europa, in particolare, l’AI agentica appare maggiormente concentrata su attività regolamentate e ad alta intensità analitica, come credito, compliance, antiriciclaggio, capital markets e ricerca.
Domanda del sondaggio: Qual è la percentuale di progetti di intelligenza artificiale in ciascuna delle seguenti fasi?
Fonte: Sondaggio di S&P Global Ratings sull’intelligenza artificiale presso le istituzioni finanziarie, luglio 2026.
n=133. I dati riportano valori mediani. Sono inclusi tutti i tipi di IA (discriminativa, generativa, agentica). PoC = proof of concept. Tra le istituzioni finanziarie sono inclusi asset manager, società di brokeraggio, clearing house ed exchange.
Per ora, il principale beneficio economico dell’AI è la riduzione dei costi. Le istituzioni finanziarie intervistate stimano un taglio fino al 4% nel 2026, con un’accelerazione al 6-8% entro la fine del 2028. Nell’Asia-Pacifico le aspettative sono ancora più elevate, con una riduzione stimata tra l’8% e il 10% entro il 2028. S&P sottolinea però che questi risparmi non si tradurranno necessariamente in un aumento equivalente della redditività. Parte delle risorse liberate potrebbe infatti essere reinvestita in personale, gestione del rischio, compliance, cybersecurity o altre iniziative strategiche. Inoltre, la quantificazione dei costi nascosti dell’AI e del ritorno sugli investimenti rimane complessa. Anche sul fronte dei ricavi l’impatto è ancora agli inizi. Gli intervistati prevedono un incremento dei ricavi legato all’AI fino al 4% nel 2026 e tra il 4% e il 6% entro il 2028. Secondo S&P, l’AI potrebbe in particolare rendere economicamente sostenibili servizi di investimento personalizzati destinati a una platea più ampia di clienti, permettendo agli advisor di gestire più portafogli e ampliando l’offerta di soluzioni per il risparmio affluent. È qui che la tecnologia può passare dall’essere uno strumento di automazione a un elemento di differenziazione competitiva. Gli istituti capaci di utilizzare l’analisi in tempo reale per comprendere meglio i bisogni dei clienti possono aumentare il cross-selling e migliorare il rapporto tra costi e ricavi. Per S&P, la maggiore maturità registrata in Nord America e Asia-Pacifico potrebbe consentire agli operatori più avanzati di consolidare nel tempo un vantaggio rispetto ai concorrenti.
L’altro grande terreno di applicazione è il risk management. Il 57% delle istituzioni intervistate utilizza già l’AI per la rilevazione e gestione delle frodi, mentre il 47% la impiega per le minacce cyber e per supportare la valutazione del merito creditizio. Le potenzialità riguardano soprattutto l’analisi delle anomalie e la prioritizzazione degli alert anche la raccolta automatizzata delle evidenze, con circa il 70% degli istituti che considera analytics in tempo reale e sistemi di early warning tra le principali opportunità. La stessa S&P ritiene che utilizzarli in modo più esteso possa favorire una più rapida identificazione degli errori e migliorare il monitoraggio dei portafogli, anche se il beneficio sulla qualità degli attivi e sull’allocazione del capitale dipende dalla presenza di controlli adeguati. “Un modello più efficace non elimina il rischio se i processi di sviluppo e supervisione non sono altrettanto robusti”, viene spiegato. È proprio questo il punto su cui l’agenzia individua una delle principali differenze future tra gli operatori.
Domanda del sondaggio: Quali sono i tre principali motivi per cui utilizzate l’intelligenza artificiale?
Fonte: Sondaggio di S&P Global Ratings sull’intelligenza artificiale presso le istituzioni finanziarie, luglio 2026.
Il 69% delle istituzioni dichiara infatti di avere già definito un framework di governance dell’AI, ma soltanto il 39% prevede una supervisione a livello di board. Percentuale che indica, secondo S&P, come il settore non abbia ancora raggiunto uno standard condiviso sulla gestione della tecnologia. Senza contare che un ulteriore 69% dispone di un inventario dei modelli AI e, tra questi, il 44% lo ha integrato nei propri sistemi di enterprise risk management. La governance assume particolare importanza anche perché solo una parte minoritaria dei player sviluppa internamente tutte le proprie capacità algoritmiche, mentre il 67% si affida a soluzioni non personalizzate fornite da operatori esterni: una pratica utile ad accelerare l’adozione ma tale anche da introduce dipendenza e possibilità concentrazione, come dimostrato dal 52% di intervistati mettano questi rischi in cima alla lista delle criticità.
La disponibilità del modello non è più considerata il principale ostacolo all’adozione. A pesare sono soprattutto qualità e preparazione dei dati, insieme agli aspetti regolamentari e di governance. Tra le altre difficoltà figurano le competenze del personale, la capacità di trasformare i progetti pilota in applicazioni su scala e i vincoli infrastrutturali. In EMEA, in particolare, S&P rileva un peso maggiore della complessità regolamentare: il 77% delle istituzioni indica infatti privacy dei dati, sicurezza e compliance regolamentare come principali ostacoli all’adozione. Sul fronte dei rischi effettivi, inoltre, la sicurezza e la privacy delle informazioni dominano ancora più nettamente: il 92% le indica cioè come maggiore fonte di rischio. Seguono problemi di disponibilità e qualità degli input, integrazione con le infrastrutture IT esistenti e allucinazioni generate dai modelli.
Domanda del sondaggio: Qual è il livello di utilizzo delle soluzioni di IA agentica nella vostra organizzazione?
Fonte: Sondaggio di S&P Global Ratings sull’intelligenza artificiale presso le istituzioni finanziarie, luglio 2026.
È proprio dall’incrocio tra efficienza, gestione del rischio e capacità di controllo che S&P fa discendere il possibile impatto dell’AI sul merito creditizio. Oggi le azioni di rating direttamente legate all’intelligenza artificiale nel settore finanziario restano rare e l’adozione della tecnologia, da sola, difficilmente costituisce un elemento determinante per un giudizio di merito crediti. Nel tempo, però, la capacità di trasformare gli investimenti in AI in una redditività più solida e in un vantaggio competitivo duraturo o in una gestione più efficace dei rischi potrebbe rafforzare la qualità degli emittenti. Al contrario, istituzioni che dovessero incontrare difficoltà sul fronte della governance e della disponibilità dei dati rischiano di trovarsi esposte a maggiori minacce. La conseguenza, secondo l’agenzia, è che nei prossimi anni l’AI non sarà valutata soltanto per quanto velocemente verrà adottata ma soprattutto per come verrà integrata nelle organizzazioni. E la distanza tra chi riuscirà a trasformare la sperimentazione in efficienza e controllo e chi resterà fermo a progetti isolati diventerà un elemento sempre più visibile anche nella qualità del credito.
Vuoi ricevere ogni mattina le notizie di FocusRisparmio? Iscriviti alla newsletter
Registrati sul sito, entra nell’area riservata e richiedila selezionando la voce “Voglio ricevere la newsletter” nella sezione “I MIEI SERVIZI”.
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 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
Per il gruppo di consulenza, l’adozione dell'intelligenza artificiale nel settore finanziario aumenta la dipendenza del continente da fornitori tecnologici extra-UE. Dagli investimenti alle competenze fino al tandem pubblico-privato, la ricetta per rafforzare l’autonomia strategica
L’intelligenza artificiale si prepara a ridisegnare modelli di business, processi e relazioni con la clientela. Ma per gli operatori, la vera sfida sarà integrare la tecnologia nei sistemi e valorizzare il patrimonio dei dati. La ricetta di tre istituti per farlo
