Nel fintech italiano l’intelligenza artificiale non è più una sperimentazione confinata ai laboratori di innovazione. Il quadro che emerge dall'”Indagine Fintech nel sistema finanziario italiano” della Banca d’Italia è quello di una tecnologia che ha assunto un ruolo centrale nelle strategie di trasformazione digitale degli intermediari, soprattutto bancari.
L’istituto centrale rileva che AI, piattaforme web-mobile, cloud computing e API sono oggi le tecnologie più adottate nei progetti fintech, ma segnala anche un cambio di passo preciso: cresce il peso dell’AI e, al suo interno, dell’AI generativa, mentre si riduce quello di altre tecnologie che negli anni scorsi avevano catalizzato maggiore attenzione, come le API e le DLT. Già questo dato dice molto: il sistema finanziario italiano sta entrando in una fase in cui l’intelligenza artificiale non è più una promessa di lungo periodo, ma uno strumento operativo per ridisegnare processi, offerta e organizzazione.
Il report colloca questo cambio di paradigma dentro una dinamica più ampia. Gli investimenti fintech realizzati da banche e intermediari non bancari nel biennio 2023-2024 hanno superato il miliardo di euro, e per il biennio successivo la stima resta sostanzialmente sugli stessi livelli.
In questo contesto, l’AI si conferma una delle tecnologie prevalenti: i progetti in cui è tecnologia principale passano dal 16,5% dell’indagine 2023 al 20,7% dell’indagine 2025. Parallelamente, la Banca d’Italia osserva che le strategie digitali degli intermediari nascono soprattutto dall’esigenza di intercettare i mutamenti nelle abitudini della clientela e di rispondere all’obsolescenza delle infrastrutture IT. È qui che l’AI trova il suo spazio: da un lato per migliorare l’esperienza del cliente, dall’altro per aumentare l’efficienza dei processi interni. In altre parole, l’intelligenza artificiale viene adottata non come fine in sé, ma come tecnologia abilitante di una trasformazione più profonda dell’intermediazione finanziaria.
Indice degli argomenti
Quanto pesa davvero l’AI nelle strategie degli intermediari
Il dato forse più significativo del capitolo dedicato all’intelligenza artificiale riguarda il suo impatto sulle strategie digitali. Secondo la Banca d’Italia, l’AI incide o è in fase di esplorazione nel 79% dei casi in cui esiste una strategia di trasformazione digitale. Questo significa che, tra gli intermediari che hanno già formalizzato un percorso di digitalizzazione, quasi otto su dieci considerano l’intelligenza artificiale come un elemento già rilevante o imminente.
La penetrazione è ancora più forte nel settore bancario: l’AI svolge una funzione rilevante nelle strategie di tutte le banche significative e nell’86% delle banche meno significative. Tra gli altri intermediari, il ruolo è meno dominante, ma non assente: spesso la tecnologia non è ancora prevalente rispetto ad altre direttrici di innovazione, anche se non viene esclusa per applicazioni future.
La Banca d’Italia individua quattro grandi ambiti nei quali l’AI sta modificando la strategia degli operatori.
Il primo è la gestione aziendale: quasi la metà delle strategie in cui l’AI ha impatto la utilizza per automatizzare processi e semplificare flussi operativi, spesso con strumenti di supporto al personale basati su AI generativa.
Il secondo è la relazione con la clientela, dove l’AI viene impiegata attraverso chatbot e assistenti digitali capaci di offrire raccomandazioni di prodotto, consulenza personalizzata e tempi di risposta più rapidi.
Il terzo ambito è la gestione dei rischi, inclusi antiriciclaggio, frodi, compliance e rischio di credito.
Il quarto riguarda il supporto alle decisioni, con modelli predittivi applicati sia alle tendenze di mercato sia ai comportamenti dei clienti. Ne esce una fotografia chiara: l’AI non è confinata al front-end né al back-end, ma attraversa tutta la catena del valore dell’intermediario.
C’è però un aspetto che rende il dato ancora più interessante. La stessa indagine segnala che le competenze digitali, soprattutto in materia di AI, restano mediamente basse: solo il 3,4% degli intermediari dichiara di avere competenze almeno medio-alte sull’intelligenza artificiale. Dunque il sistema sta accelerando sull’adozione prima ancora di aver colmato il gap di competenze. È una dinamica tipica dei passaggi tecnologici veloci: la pressione competitiva e la disponibilità di nuovi strumenti spingono le organizzazioni a muoversi, mentre formazione e governance inseguono.
Gli investimenti crescono e la vera spinta arriva dalla GenAI
Se si guarda ai numeri degli investimenti, l’intelligenza artificiale emerge come una delle direttrici più dinamiche del fintech italiano. I progetti che includono AI valgono complessivamente 593 milioni di euro e sono quasi interamente riconducibili alle banche. La distribuzione per tipologia di intermediario è molto sbilanciata: 508 milioni fanno capo alle banche significative, 33 milioni alle banche meno significative e 52 milioni agli altri intermediari. Ma il punto più importante è un altro: l’89% di questi investimenti riguarda nuove progettualità. Nella precedente indagine il peso dei nuovi progetti AI era molto più basso, fermandosi al 39%. Il salto segnala un’accelerazione netta e recente, non una semplice prosecuzione di iniziative già avviate.
Dentro questa crescita, il motore principale è l’AI generativa. La Banca d’Italia la descrive come la componente che sta trainando l’adozione dell’intelligenza artificiale nel sistema finanziario. Sul totale dei nuovi progetti AI segnalati, circa il 53% prevede l’impiego di GenAI, contro l’11% della rilevazione precedente. Non cresce solo il numero dei progetti, ma anche la spesa. Nel 2025, secondo le stime del report, i nuovi progetti entrati in produzione basati su GenAI sono destinati a superare quelli fondati su tecniche di AI più tradizionali. È un segnale decisivo: il settore non si limita più a usare modelli predittivi o sistemi di classificazione, ma sta iniziando a integrare strumenti capaci di generare contenuti, sintetizzare informazioni, assistere operatori e clienti in linguaggio naturale.
Il report spiega anche perché la GenAI sia così attrattiva per gli intermediari. La sua capacità di generare testi, codice e dati sintetici a partire da input strutturati o non strutturati la rende particolarmente efficace nell’elaborazione di informazioni complesse, nella sintesi documentale e nell’interazione con l’utenza. Non stupisce, allora, che la seconda tecnica AI più utilizzata per numero di progetti sia proprio la GenAI, con il 32%, dietro al machine learning che resta al 46%. NLP e altre tecniche coprono quote inferiori. Ma il punto è che la traiettoria futura sembra ormai segnata: il machine learning resta centrale, soprattutto nei casi d’uso più consolidati, mentre la GenAI diventa la tecnologia di frontiera con il tasso di crescita più elevato.
Dove viene usata: operations, credito, rischi e servizio al cliente
L’ambito principale di utilizzo dell’AI è quello delle attività operative. Poco meno della metà dei progetti AI insiste su quest’area, in aumento rispetto alla precedente indagine. Qui l’intelligenza artificiale serve soprattutto a supportare il personale operativo e la rete commerciale nello svolgimento di compiti specifici: recupero di informazioni normative disperse nei sistemi aziendali, sintesi di documentazione, strumenti di produttività, assistenti virtuali e chatbot per la gestione delle richieste ricorrenti. È proprio nelle attività operative che la GenAI compare come tecnologia principale. Questo è forse il segnale più concreto della maturazione dell’AI nel fintech: prima ancora di rivoluzionare il prodotto finale, la tecnologia sta cambiando il lavoro quotidiano dentro le organizzazioni.
La seconda area di impiego è l’intermediazione del credito, sostanzialmente stabile rispetto all’indagine precedente ma molto importante per la qualità dell’innovazione. In questo ambito l’AI viene impiegata soprattutto per migliorare il processo di gestione dei prestiti in tre fasi chiave: valutazione dell’affidabilità creditizia, erogazione e monitoraggio. I modelli di machine learning sono usati per il credit scoring, per soluzioni di prestiti rapidi e per sistemi di early warning o gestione dei crediti deteriorati. Qui l’AI non agisce tanto come interfaccia conversazionale, quanto come tecnologia predittiva, capace di leggere grandi moli di dati e produrre valutazioni utili a velocizzare e raffinare le decisioni di credito.
Un terzo fronte riguarda il risk management. Sebbene i progetti in quest’area risultino in diminuzione rispetto al 2023, il report segnala applicazioni rilevanti nella gestione dei rischi di frode e di riciclaggio. Il machine learning continua a essere la tecnica più usata, ma sono in fase di studio e sperimentazione anche impieghi di NLP e GenAI per l’analisi normativa.
Infine restano costanti le applicazioni nei servizi di investimento e gestione del risparmio, dove l’AI supporta sia la consulenza personalizzata sia l’ottimizzazione dei processi interni. Mettendo insieme tutte queste aree, si vede come l’AI nel fintech italiano non abbia ancora una sola “killer application”, ma si stia diffondendo in maniera trasversale, con una pluralità di casi d’uso che vanno dall’efficienza interna al supporto commerciale, fino al controllo dei rischi e all’assistenza alla clientela.
Governance, AI Act e controllo umano: il nodo della fiducia
La rapidità dell’adozione non coincide automaticamente con una governance matura. Ed è qui che il report della Banca d’Italia lancia un segnale importante. Solo un terzo degli intermediari ha istituito una struttura di governance dell’AI. Nella maggior parte dei casi, queste strutture sono collocate dentro le unità che coordinano la trasformazione digitale; più raramente prendono la forma di comitati dedicati all’AI, centri di competenza o altri organismi strategici. In altre parole, la tecnologia corre più veloce dell’architettura organizzativa che dovrebbe presidiarla.
Il tema è rilevante anche per un’altra ragione: l’adozione dell’AI viene percepita dagli intermediari come capace di mantenere invariato o addirittura ridurre il livello complessivo dei rischi, ma restano aree sensibili, in particolare i rischi operativi IT legati anche a fornitori terzi e quelli reputazionali. La qualità dell’interazione automatica con la clientela, l’adattamento dei processi interni, la supervisione dei sistemi e la formazione del personale sono indicati come elementi decisivi per evitare impatti negativi. Non a caso il report insiste sul monitoraggio e sulla necessità di aggiornare i presidi di rischio e di governance.
C’è poi il capitolo della regolazione. Il 30% degli intermediari, e il 72% delle banche significative, ha già avviato o avvierà entro il 2026 un’attività di censimento e valutazione del rischio dei sistemi di AI ai sensi dell’AI Act europeo. Al momento risultano censiti 798 sistemi di AI: l’11% è catalogato ad alto rischio, il 55% a rischio limitato e il 34% a rischio minimo. Sono numeri che mostrano come il lavoro di classificazione e compliance sia appena all’inizio, ma anche come il settore finanziario abbia già compreso che il tema non è soltanto adottare nuovi strumenti, bensì governarli in un contesto regolatorio che richiede trasparenza, supervisione e accountability.
Su questo punto, la fotografia della GenAI è particolarmente istruttiva. Nella quasi totalità dei progetti, il 94%, è previsto l’intervento umano, il cosiddetto human in the loop, per supervisionare dati e validare output. Questo significa che, almeno allo stato attuale, gli intermediari italiani stanno scegliendo una strada prudente: integrare l’AI generativa nei processi, ma dentro perimetri controllati, senza affidarle una piena autonomia decisionale. È un approccio coerente con la natura del settore finanziario, dove l’efficienza è importante, ma la fiducia lo è ancora di più.
La direzione è chiara, ma la trasformazione è ancora in corso
Nel complesso, il quadro restituito dalla Banca d’Italia è quello di un sistema finanziario italiano che ha superato la fase del semplice interesse per l’AI ed è entrato in quella dell’implementazione concreta. L’intelligenza artificiale incide sulle strategie, muove investimenti consistenti, si diffonde nelle operations, nel credito, nel controllo dei rischi e nella relazione con la clientela. L’AI generativa, in particolare, ha agito come acceleratore: ha abbassato la soglia di accesso ad alcune applicazioni, ha reso più immediato il valore percepito della tecnologia e ha spinto gli intermediari a immaginare nuovi strumenti di produttività e assistenza.
Ma il report racconta anche un’altra verità, meno enfatica e forse più utile. La trasformazione è reale, però non è ancora compiuta. Le competenze restano limitate, la governance dell’AI è presente solo in una minoranza degli operatori, il censimento dei sistemi ai fini dell’AI Act è in corso e molte applicazioni sono ancora in fase di studio o realizzazione. Anche sul piano più ampio del fintech, l’indagine segnala che l’offerta bancaria completamente digitale resta circoscritta: l’acquisizione online della clientela è diffusa, ma prestiti e depositi interamente digitali hanno ancora un peso limitato. Questo suggerisce che l’AI sta crescendo dentro un ecosistema che si digitalizza, sì, ma in modo graduale e con forti differenze tra aree di business e categorie di operatori.
La conclusione, allora, è che l’AI nel fintech italiano non va letta come una rivoluzione improvvisa, bensì come una transizione strutturale. La traiettoria è netta: più automazione, più supporto decisionale, più interazione intelligente con clienti e dipendenti. Tuttavia il modo in cui questa traiettoria produrrà valore dipenderà da tre fattori decisivi: capacità di investimento, qualità della governance e sviluppo delle competenze. È lì che si giocherà la differenza tra chi userà l’AI come semplice strumento di efficientamento e chi invece la trasformerà in un vero vantaggio competitivo.
