AI adoption in banca: da quale caso d'uso partire davvero

In sintesi. In banca la scelta del primo caso d'uso AI viene quasi sempre fatta al contrario, partendo dal processo più visibile invece che da quello con il rapporto migliore tra valore e attrito regolamentare. I casi che generano valore rapido sono quelli interni, dove il rischio resta basso e nessuna autorità chiede conto del modello. I casi che cambiano il conto economico stanno sul credito, e lì il percorso è lungo perché passa dall'Allegato III.

La domanda che arriva più spesso riguarda dove iniziare, più che se usare l'AI, e in una banca quella domanda ha un vincolo in più rispetto ad altri settori: alcuni processi sono già presidiati da modelli validati, con un impianto di governance che l'AI deve rispettare invece di scavalcare.

Due curve che non coincidono

Nel valutare un caso d'uso bancario servono due misure separate, e confonderle è l'errore che allunga i progetti.

La prima è il valore economico atteso, che nella maggior parte delle banche è concentrato sul credito, sull'antifrode e sull'efficienza operativa di back office. La seconda è l'attrito regolamentare, cioè quanto lavoro di governance serve prima di poter mettere il sistema in produzione.

Le due curve non coincidono. Il caso d'uso con il valore più alto, il credit scoring, ha anche l'attrito più alto, perché ricade in Allegato III con obblighi su dati, documentazione tecnica e sorveglianza umana. Il caso d'uso con l'attrito più basso, la ricerca interna su documentazione e normativa, ha un valore reale ma difficile da portare a bilancio.

Dove parte chi arriva in produzione

Nei percorsi che funzionano il primo caso d'uso quasi mai è quello strategico. È un caso interno, scelto perché permette di costruire il metodo mentre il rischio resta contenuto.

Caso d'uso	Valore	Attrito regolamentare	Adatto come primo
Ricerca su normativa e procedure interne	Medio, in tempo risparmiato	Basso	Sì
Sintesi di pratiche e documentazione istruttoria	Alto in efficienza	Medio, dati dei clienti	Sì, con attenzione ai dati
Assistenza alla rete commerciale	Medio	Basso, articolo 50	Sì
Antifrode e antiriciclaggio	Alto	Medio, dipende dall'effetto sulla persona	Come secondo passo
Credit scoring	Il più alto	Il più alto, Allegato III	No, non come primo
Chatbot verso la clientela	Medio	Basso, obblighi di trasparenza	Sì, se il perimetro è chiuso

La colonna che sorprende è la terza. Molte banche scelgono di partire dal chatbot verso la clientela perché sembra il più visibile, e scoprono che il perimetro di quello che l'assistente può dire è la parte difficile, non il modello.

Il criterio che distingue un pilota da un progetto

Un pilota vale se produce una decisione, non se produce una demo. La differenza si stabilisce prima di cominciare, definendo tre elementi che devono esistere per iscritto.

Il primo è la baseline misurata del processo attuale: quanto tempo richiede, quanti errori produce, quanto costa. Senza quel numero il pilota non è confrontabile con nulla e si chiude con un giudizio di impressione.

Il secondo sono i criteri di accettazione, stabiliti prima di vedere i risultati. Se vengono scritti dopo, si adattano a qualunque esito.

Il terzo è il percorso di uscita, cioè cosa succede se il pilota funziona. Un pilota senza un piano di industrializzazione resta un pilota, e in banca resta tale anche per anni, perché il passaggio in produzione richiede integrazioni, presidi e documentazione che nessuno aveva messo a budget.

Perché il credito arriva dopo, non è una rinuncia

Rimandare il credit scoring non significa rinunciare al valore, significa ordinare il lavoro. Gli obblighi dell'Allegato III per i sistemi ad alto rischio si applicano dal 2 dicembre 2027 dopo il rinvio del Digital Omnibus, e quella finestra serve a costruire quello che poi verrà chiesto: tracciabilità dei dati, documentazione tecnica, sorveglianza umana progettata e non aggiunta.

C'è anche una ragione pratica. Chi tocca il credit scoring con un fine-tuning su dati proprietari può ricadere tra i fornitori ai sensi dell'articolo 25 dell'AI Act, assumendo gli obblighi dell'articolo 16. È una decisione che conviene prendere sapendo cosa comporta, e non scoprirla a progetto avviato.

Nel frattempo, i casi interni costruiscono esattamente le capacità che serviranno: inventario, valutazione dei rischi, competenze verificate, processo di rilascio.

L'errore che costa di più

Il più frequente non è scegliere il caso sbagliato, è scegliere il caso giusto senza un proprietario. Un sistema AI in produzione ha bisogno di una persona con nome e cognome che risponda delle decisioni che produce, e in banca quella persona sta nella funzione di business, non nell'IT.

Quando l'ownership resta all'IT, il sistema viene mantenuto ma non governato: nessuno decide quando è fuori dal suo perimetro di validità, nessuno si accorge di una deriva, e il presidio esiste sulla carta.

Da dove partire

La sequenza che funziona parte dall'inventario dei sistemi AI, perché in quasi tutte le banche qualcosa è già in uso, spesso dentro software acquistati anni fa. Da lì si costruisce la mappa dei casi candidati con le due curve, valore e attrito, e si sceglie il primo in basso a sinistra invece che in alto a destra.

I criteri di selezione in dettaglio sono in AI adoption: come scegliere il primo caso d'uso, il modello di costo dal pilota alla produzione in budget di un progetto AI.

Il quadro normativo completo del settore è nella pagina AI governance per banche e servizi finanziari.

Per capire quali casi d'uso hanno senso nella tua banca puoi fissare un incontro di valutazione.