Dalla banca digitale al modello che anticipa le esigenze
Nel settore finanziario l'intelligenza artificiale non è più considerata solo uno strumento di digitalizzazione, ma un fattore centrale di trasformazione. È la tesi illustrata al Cetif Summit 2026, l'evento promosso dal Centro tecnologie, innovazione e servizi finanziari dell'Università Cattolica che a Milano ha riunito manager e specialisti di banche e assicurazioni. Secondo Federico Rajola, direttore del Cetif, il Banking 3.0 segna il passaggio da una banca che eroga servizi tramite canali digitali a un modello capace di comprendere il contesto del cliente, anticiparne le necessità e proporre soluzioni personalizzate. Un'evoluzione resa possibile dalla convergenza di machine learning, AI generativa, AI agentica, cloud computing, analisi avanzata dei dati e automazione.
La novità principale, secondo l'analisi presentata al summit, riguarda il superamento dei modelli di servizio prevalentemente reattivi. L'AI sta già modificando processi che vanno dalla gestione dei rischi alla distribuzione, dall'assistenza alla consulenza. Le istituzioni più dinamiche guardano però già alle prospettive del 4.0, dove agenti autonomi vengono integrati nei processi operativi e non solo nell'assistenza al cliente.
Chatbot, credito e frodi: dove l'AI è già operativa
Nella relazione con la clientela i chatbot tradizionali stanno evolvendo verso agenti capaci di interpretare richieste articolate e supportare operazioni complesse. I dati Citet indicano che l'11% dei chatbot utilizza AI generativa e che il 22% delle realtà finanziarie la sta sperimentando. Sul fronte della personalizzazione dell'offerta, l'analisi dei dati consente servizi più coerenti con i comportamenti del cliente; l'AI generativa si consolida nel marketing e nella vendita e inizia a toccare processi tipicamente bancari. Il mondo agentico resta invece più indietro, con i primi casi d'uso in sperimentazione nello sviluppo dei piani marketing e nella gestione dei portafogli prodotto.
Nella gestione del credito e dei rischi il machine learning supporta l'analisi delle informazioni e i processi decisionali, mentre nella prevenzione delle frodi contribuisce a identificare comportamenti anomali e operazioni sospette. Il Cetif sottolinea tuttavia che la diffusione delle tecnologie deve essere accompagnata dalla crescita delle competenze e dall'evoluzione dei modelli organizzativi, soprattutto quando i sistemi intelligenti acquisiscono maggiore autonomia operativa.
Assicurazioni: meno burocrazia, più consulenza
Nel settore assicurativo il 55% del tempo del personale di agenzia è assorbito da attività amministrative e gestionali, contro il 30% dedicato alle attività commerciali. Per il Cetif questo dato mette in luce il potenziale dell'AI nel liberare risorse da destinare alla consulenza: in prospettiva molti processi di routine potrebbero essere gestiti da agenti AI. L'analisi rileva inoltre che oltre il 50% delle agenzie nazionali è composto da un unico agente finanziario con meno di tre subagenti e che in queste realtà i prodotti Auto superano mediamente il 65% del portafoglio.
Gli strumenti di AI generativa possono supportare gli intermediari nella predisposizione di preventivi, nell'analisi della documentazione contrattuale e nell'individuazione delle esigenze di protezione, rendendo più comprensibili clausole ed esclusioni. Applicazioni analoghe riguardano underwriting, valutazione del rischio, gestione dei sinistri e marketing predittivo. L'obiettivo indicato dal Cetif non è sostituire l'intermediario, ma potenziarne le capacità riducendo le attività ripetitive.
La sfida aperta: tecnologia più veloce dell'organizzazione
Un ultimo elemento riguarda i clienti, che grazie agli strumenti conversazionali arrivano al confronto con il consulente disponendo già di informazioni preliminari. Le istituzioni sono chiamate a offrire esperienze digitali semplici e personalizzate. Rajola osserva però che la tecnologia corre mentre organizzazioni, competenze e modelli di governance devono ancora evolvere: la vera sfida sarà trasformare il potenziale dell'AI in valore concreto. Resta da verificare sul campo l'effettiva adozione dei sistemi agentici e l'impatto organizzativo di questi cambiamenti.
