Il sistema bancario italiano ha l’iniziato l’anno con livelli di redditività che non si vedevano da anni, beneficiando di un contesto favorevole sostenuto soprattutto dal margine d’interesse (a fine 2024 gli utili netti aggregati hanno sfiorato i 47 miliardi di euro). Ma non son tutte rose e fiori. Proprio questa fase positiva rischia di trasformarsi in un’illusione di stabilità e lo dimostrano alcune rilevanze contenute nello studio “Art of banking reinvention” presentato da Accenture in occasione della Banking Conference 2026. Il rischio oggi non è la crisi, ma la falsa sicurezza garantita da un ciclo positivo destinato prima o poi a rallentare. La redditività degli ultimi anni, si legge infatti nel report, si è infatti appoggiata soprattutto su fattori esogeni mentre le tradizionali leve di efficienza (riduzione dei costi, razionalizzazione della rete, outsourcing) stanno progressivamente esaurendo la loro spinta nel generare valore. In questo scenario, l’intelligenza artificiale è sì considerata come la principale leva di trasformazione strutturale del settore ma non cancella il paradosso che contrappone investimenti in forte crescita a una capacità che resta limitata di portarli realmente a scala.
I numeri
Qualche numero per comprendere meglio lo scenario. Nel 2024 il comparto finanziario ha investito oltre 31 miliardi di dollari in AI su scala globale, mentre un altro rapporto di Accenture di inizio anno (“Pulse of Change”) ci dice che più dell’80% dei top manager bancari considera l’intelligenza artificiale cruciale per la crescita futura, ma meno del 30% ritiene la propria organizzazione pronta a integrarla su larga scala nei processi core. Che cosa indicano questi numeri e queste percentuali? Secondo Teodoro Lio, amministratore delegato di Accenture Italia «la vera linea di demarcazione non sarà tra chi adotta o meno l’AI, ma tra chi saprà tradurla in competenze diffuse e capacità di execution e chi resterà fermo alla logica dei progetti pilota». Il punto chiave della questione, insomma, è scalare rapidamente i modelli di linguaggio di grande formato e gli strumenti agentici dentro processi e organizzazione. Il problema, e questo assunto non vale solo per il banking, non è quindi (più) tecnologico, perché le piattaforme sono mature e l’AI, come ribadisce ancora Lio, «è una piattaforma trasformativa che segna una discontinuità irreversibile e ridefinisce l’operatività e la creazione di valore». Il collo di bottiglia, casomai, è nella capacità delle banche di ripensare sistemi costruiti in decenni di fusioni e integrazioni, nei sistemi legacy, nella qualità dei dati e nella difficoltà di ripensare processi costruiti per un’altra epoca tecnologica. In molti casi l’AI viene ancora implementata come livello aggiuntivo su schemi esistenti senza modificarne davvero la struttura, perseverando un approccio incrementale che rischia di limitarne il potenziale.
Una recente ricerca di Anthropic ha misurato per l’appunto la distanza fra la capacità potenziale dell’AI e il suo impiego reale nei flussi operativi, rilevando come nell’area business & finance la copertura potenziale dei large language model superi il 94%, ma l’utilizzo effettivo di queste soluzioni rimanga invece sotto il 30%.
Il salto di paradigma necessario
Secondo lo studio, la chiave del cambiamento consiste nel passare dai singoli “use case” alla reinvenzione end-to-end dei processi bancari. Il tempo per le sperimentazioni, basato per lo più sull’adozione diffusa di semplici assistenti digitali, va considerato finito e deve lasciare spazio all’era degli agenti AI, integrandoli e orchestrandoli all’interno delle attività operative, dalla gestione del credito alla compliance fino al customer service. Si tratta a tutti gli effetti di un nuovo paradigma, sospinto da un’evoluzione che in Accenture hanno per l’appunto ingegnerizzato nel framework Art (acronimo di Artificial Reinvention Transformation) e i cui quattro pilastri principali sono dati e conoscenza, piattaforme di governance, processi AI-first e trasformazione delle competenze. L’obiettivo di fondo va ben oltre il miglioramento dell’efficienza e punta ad aumentare drasticamente velocità di execution, produttività e capacità di adattamento. La sfida per le banche, in tal senso, è abbastanza delineata: chi saprà trasformare l’intelligenza artificiale in una capacità industriale diffusa avrà un vantaggio competitivo difficilmente recuperabile; chi aspetterà rischia invece di affrontare il cambiamento con meno tempo e costi molto più elevati. E quanto sia cruciale il fattore “velocità” lo si deriva da altre stime elaborate da Accenture, secondo le quali un approccio olistico all’adozione su scala industriale dell’AI potrebbe generare per il settore bancario italiano fino a otto miliardi di dollari di valore aggiuntivo in tre anni, attraverso maggiore produttività, riduzione dei costi e minori accantonamenti sul rischio. In pillole, l’impatto stimato supera i 600 punti base sul cost-income ratio e oltre 400 punti base sul Roe.
