AI generativa nelle istituzioni finanziarie: trend globali e panorama italiano

Cleverfin
21 ott
Tempo di lettura: 14 min

L’avvento di ChatGPT alla fine del 2022 ha acceso un’enorme attenzione sull’intelligenza artificiale generativa (GenAI) anche nel settore finanziario, tradizionalmente cauto verso le tecnologie di frontiera. In pochi mesi banche, assicurazioni, società di gestione del risparmio (SGR), fintech e persino autorità di vigilanza di tutto il mondo hanno avviato progetti per sperimentare modelli generativi, spinti dal potenziale di rivoluzionare servizi e processi. Secondo un’indagine Bloomberg citata dal Financial Times, il 70% delle banche prevede che l’AI generativa diventerà di utilizzo diffuso o addirittura critico per il proprio business entro due anni (rispetto al 24% attuale). Allo stesso tempo, si moltiplicano gli esempi di applicazione concreta, dai chatbot conversazionali per clienti e dipendenti, agli strumenti di analisi dati e supporto decisionale, fino a nuove soluzioni per marketing personalizzato e gestione dei rischi.

In questo articolo esamineremo sinteticamente i principali trend globali della GenAI in finanza – con casi d’uso in banche, assicurazioni, asset management, fintech e vigilanza. Successivamente, ci focalizzeremo sull’Italia per capire quali iniziative sono in corso presso i principali attori finanziari italiani, con quali obiettivi (es. customer service, risk management, data analytics, marketing) e quali benefici attesi, senza dimenticare le criticità e i dibattiti aperti.

Trend globali: l’AI generativa trasforma la finanza

A livello mondiale, banche e istituzioni finanziarie stanno rapidamente abbracciando l’AI generativa per guadagnare efficienza e migliorare i servizi. Goldman Sachs ad esempio ha distribuito nel 2023 una piattaforma GenAI interna – il GS AI Assistant – a tutti i suoi 46.000 dipendenti, per assisterli in compiti come il summarizing di documenti complessi, la stesura di testi e l’analisi di dati. Altri colossi di Wall Street hanno fornito strumenti simili a decine di migliaia di impiegati, nell’ottica di potenziare la produttività attraverso l’automazione di attività routinarie. La finanza utilizzava già forme di AI (ad es. nel trading, nel credit scoring o nella rilevazione delle frodi), ma l’adozione rapida di nuovi strumenti generativi sta portando la trasformazione a un altro livello, con impatti potenzialmente trasversali a tutte le divisioni.

Banche

Oltre Goldman, altre grandi banche globali sono in prima linea. JP Morgan, Morgan Stanley, Goldman Sachs negli USA – così come gruppi europei come BBVA, Deutsche Bank, ING – figurano tra i più attivi nell’esplorare la GenAI. Morgan Stanley, in particolare, ha collaborato con OpenAI per integrare GPT-4 nei flussi di lavoro della propria divisione Wealth Management. Oggi oltre il 98% dei team di consulenti finanziari di Morgan Stanley utilizza un chatbot interno (“AI @ Morgan Stanley Assistant”) che risponde alle domande attingendo all’immenso archivio informativo della banca, consentendo di trovare in pochi secondi informazioni che prima richiedevano ore di ricerca. Questo assistente generativo riassume report di ricerca, analizza dati finanziari e fornisce insight personalizzati per i clienti, aiutando i consulenti a prendere decisioni più informate e a “essere intelligenti quanto la persona più esperta dell’organizzazione”. Goldman Sachs dal canto suo stima che l’AI generativa stia già facendo risparmiare ore di lavoro ai suoi banker ogni settimana, automatizzando compiti di drafting e analisi; tuttavia, la banca avverte anche del rischio di eccessiva dipendenza da questi strumenti, se usati acriticamente. Nel complesso, una survey di Bloomberg conferma che l’interesse delle banche è esploso: il settore finanziario è oggi quello con più iniziative pilota in GenAI, persino più del commercio o di altri ambiti. Si pensi che la società di consulenza Bain & Co., partner di OpenAI, in pochi mesi ha avviato 80 progetti GenAI nel mondo, e ben il 30% riguarda banche o servizi finanziari.

Assicurazioni

Anche il settore assicurativo vede un fermento analogo. Gli insurer storicamente sono ricchi di dati e cominciano a usare l’AI generativa per estrarne valore in modi innovativi. Tra i casi d’uso di successo c’è quello della compagnia canadese Definity, che ha impiegato la GenAI per supportare il proprio call center clienti: un modello generativo crea in automatico dettagliati resoconti di ogni chiamata, estraendo il motivo della richiesta, le azioni svolte dall’operatore e i prossimi passi. Un altro esempio notevole riguarda la gestione sinistri: Deloitte ha sperimentato con un grande assicuratore un sistema per cui, caricando la foto di un’auto incidentata, la GenAI identifica i danni, compila la lista dei pezzi da sostituire e formula un preventivo in tempo reale, incrociando il tutto con i database interni – consentendo di indennizzare il cliente in 60 secondi dall’invio della foto. In generale, la “AI generativa in prima linea” può snellire molti processi assicurativi “lenti e macchinosi” (dalle perizie alla sottoscrizione di polizze), riducendo attriti e tempi morti. Ovviamente l’uomo resta in cabina di regia per le decisioni finali, ma queste nuove soluzioni promettono un boost di produttività significativo in un settore spesso tradizionale.

Asset management e servizi di investimento

SGR e banche d’investimento vedono nella GenAI uno strumento per potenziare l’analisi finanziaria e la relazione con i clienti. Oltre al citato esempio di Morgan Stanley nel wealth management, va menzionato che Goldman Sachs ha lanciato (giugno 2023) un modello generativo proprietario accessibile a tutti i dipendenti, pensato per riassumere documenti finanziari complessi, generare report e condurre analisi di dati interni. Altri grandi player come BlackRock e JP Morgan stanno investendo per sviluppare chatbot interni capaci di rispondere a domande di ricerca di mercato, commentare l’andamento dei portafogli o perfino generare codice per modelli quantitativi, il tutto mantenendo la riservatezza sui dati proprietari. Questo filone rientra nel trend più ampio dei copilot aziendali: assistenti AI addestrati sui dati e know-how interni che fungono da “memoria vivente” dell’organizzazione, consentendo a ogni analista di attingere all’esperienza collettiva dell’azienda in pochi secondi. I vantaggi attesi includono notevoli risparmi di tempo (meno ricerche manuali, meno compiti amministrativi) e una personalizzazione migliore del servizio al cliente. Ad esempio, i consulenti finanziari possono ottenere con l’AI schede sintetiche su misura per ciascun cliente – con informazioni aggiornate su portafoglio, profilo di rischio, novità fiscali rilevanti – così da offrire consigli più mirati. Ovviamente, anche qui le istituzioni mantengono un forte controllo: Morgan Stanley ha implementato rigide metodologie di evaluation per testare l’accuratezza dei riassunti prodotti da GPT-4 e affina costantemente i prompt per garantire standard qualitativi elevati. I risultati finora sono incoraggianti: con tecniche come il retrieval augmented generation (l’AI ricerca nei database interni le fonti prima di rispondere), Morgan Stanley è passata dal poter rispondere a 7.000 quesiti ricorrenti a “praticamente qualsiasi domanda” tra oltre 100.000 documenti interni. Inoltre, stanno emergendo nuovi servizi: la stessa Morgan Stanley ha introdotto AI Debrief, un assistente che trascrive e riassume automaticamente le riunioni con i clienti (audio di Zoom, con consenso), generando note e follow-up per il CRM, poi revisionate dal consulente. Questo equilibrio tra automazione e supervisione umana è cruciale per sfruttare l’AI senza perdere il controllo.

Dai trend sopra descritti emergono alcuni benefici chiave attesi dall’AI generativa in finanza: maggiore efficienza (automazione di attività ripetitive, riduzione tempi di risposta), decisioni più informate (grazie alla capacità di sintetizzare big data e conoscenze sparse), personalizzazione di massa dei servizi (es. comunicazioni mirate ai clienti, offerte su misura generate dall’AI) e innovazione di prodotto (nuovi servizi prima impensabili, come l’analisi conversazionale dei dati finanziari). McKinsey stima che l’AI generativa potrebbe far risparmiare miliardi al settore, migliorando del 20-30% la produttività di front-office e middle-office bancario nei prossimi 3-5 anni. Tuttavia, vi sono rischi e sfide significative. Un problema noto sono le “allucinazioni”: i modelli generativi a volte inventano informazioni plausibili ma false. Ciò è inaccettabile in ambito finanziario, dove errori o risposte fuorvianti possono danneggiare clienti o violare norme. Per mitigare ciò, molte implementazioni (es. il chatbot UnipolSai descritto sotto) utilizzano un approccio RAG (Retrieval-Augmented Generation), in cui l’AI può solo attingere a fonti approvate e fornisce risposte citate da documenti interni, riducendo rischi di fantasia. Altre criticità includono la privacy e sicurezza dei dati (banche e assicurazioni maneggiano dati sensibili e sono molto caute nel mandarli a servizi esterni di AI), la spiegabilità degli output (soprattutto per algoritmi che influenzano decisioni su credito o investimenti: i regolatori chiedono che siano interpretabili e non “scatole nere”) e il rischio di dipendenza dalle macchine. Infine, impatti occupazionali: l’AI generativa promette di liberare i lavoratori da mansioni ripetitive, ma può anche sostituire alcune funzioni; serve dunque una gestione attenta della transizione, con programmi di reskilling e nuovi ruoli (ad es. AI trainer o prompt engineer in banca). Non a caso molte istituzioni, come vedremo anche in Italia, stanno formando “AI ambassador” interni per guidare l’adozione etica e consapevole di questi strumenti. In breve, la GenAI in finanza va affrontata con entusiasmo ma anche con prudenza: come dice il motto, “Trust but verify”, ovvero fidarsi delle opportunità senza abbassare la guardia sui rischi.

Il panorama italiano: iniziative e casi d’uso della GenAI nella finanza italiana

Passando dal contesto globale a quello italiano, troviamo uno scenario in rapida evoluzione. Tradizionalmente le istituzioni finanziarie italiane sono partite un po’ in ritardo rispetto a Stati Uniti e UK nell’adozione di AI avanzate, ma il gap si sta chiudendo rapidamente. Già nel 2023-24 diverse banche e assicurazioni leader hanno lanciato progetti pilota con AI generativa, spesso in collaborazione con big tech o startup specializzate, e le autorità nazionali stanno incoraggiando un approccio innovativo ma responsabile. Vediamo i settori principali.

Banche e SGR: dai pionieri Intesa e Banca Generali alle altre iniziative

In Italia la banca apripista sull’AI generativa è stata Intesa Sanpaolo, il maggior gruppo bancario del Paese. Intesa ha compreso presto le potenzialità della GenAI sia per usi interni che per servizi ai clienti. Già a maggio 2023 il CEO Carlo Messina ha creato una nuova Direzione Generale AI, Innovazione e IT, affidandola a Massimo Proverbio (ex Accenture), con l’obiettivo di portare l’AI al centro della trasformazione digitale della banca. Questa struttura ha riunito 180 specialisti e il piano d’impresa 2022-25 prevede l’inserimento di circa 2000 professionisti IT, segno di un investimento enorme nelle competenze digitali. Intesa Sanpaolo già oggi utilizza oltre 150 applicazioni di AI sviluppate internamente, che spaziano dalla cybersecurity all’antiriciclaggio, dall’helpdesk IT alla customer care tramite l’assistente virtuale Ellis. L’ultima generazione di questi sistemi è di tipo generativo: un esempio emblematico è “Crystal”, un software di business intelligence generativa fornito dalla startup milanese iGenius. Intesa ha stretto un accordo con iGenius per adottare Crystal – definito dai media come una sorta di “ChatGPT dei numeri” – allo scopo di analizzare istantaneamente enormi moli di dati finanziari e supportare il management nelle decisioni. In pratica, invece di interrogare manualmente database e fogli Excel, i banker possono porre domande in linguaggio naturale a Crystal (ad esempio: “Qual è stata la redditività del segmento PMI nel Nord-Est questo trimestre rispetto al precedente?”) e ottenere in pochi secondi risposte precise, corredate dai dati rilevanti.

Altre grandi banche stanno muovendo passi concreti. UniCredit, il secondo gruppo bancario italiano, è stata finora più prudente, ma anch’essa sta integrando l’AI in varie aree. UniCredit impiega da tempo algoritmi (non generativi) per apertura conti online, gestione crediti, ottimizzazione dei processi interni e back-office. Sul fronte GenAI, UniCredit ha annunciato investimenti significativi: ad esempio è partner fondatore del progetto Technopole di Roma, un polo d’innovazione a cui ha destinato 1 miliardo, e proprio lì sta sviluppando un sistema di dialogo avanzato cliente-macchina basato su AI generativa. L’idea, in linea con la cosiddetta “interpretabilità controfattuale”, è di permettere ai clienti di porre scenari ipotetici a un assistente AI (es. “Cosa succederebbe al mio mutuo se i tassi aumentassero di 1% per due anni?”) ottenendo simulazioni immediate e spiegazioni comprensibili. Questo approccio, ancora in incubazione, mira a rendere più interattiva la consulenza finanziaria online, con l’AI che funge da simulatore per educare i clienti e supportare i consulenti umani.

Merita attenzione l’esperienza di Banca Generali, terza banca privata italiana (parte del gruppo Generali) specializzata in gestione patrimoniale. Banca Generali ha adottato una strategia avanzata sulla GenAI, in partnership con Microsoft. Nel febbraio 2025 la banca ha annunciato di essere la prima in Italia a implementare Microsoft 365 Copilot per tutti i dipendenti e private banker, fornendo quindi strumenti AI di produttività personale integrati in Outlook, Teams, Word, Excel e PowerPoint. Grazie a Copilot, gli operatori possono automatizzare compiti quotidiani (come riassumere email, preparare presentazioni, analizzare fogli di calcolo) liberando tempo per attività a maggior valore aggiunto. Ma la collaborazione Microsoft–Banca Generali va oltre: insieme stanno sviluppando soluzioni di AI generativa personalizzate per la consulenza finanziaria, con l’obiettivo di offrire ai clienti servizi innovativi e su misura. Ad esempio, si lavora a tool AI che aiutino i consulenti a elaborare portfolio review per i clienti in modo interattivo, o a generare newsletter personalizzate sull’andamento dei mercati rilevanti per ciascun investitore. Questo evidenzia un punto cruciale: l’innovazione tecnologica è accompagnata da un’evoluzione culturale e organizzativa. La banca ha persino organizzato un Innovation Day con un hackathon focalizzato su implementazioni dell’AI, e “business aperitif” (incontri informali) per discutere con esperti delle migliori best practice digitali in tema AI. Tutto ciò per far sì che l’adozione della GenAI sia guidata dalle persone e non subìta: i dipendenti vengono coinvolti, formati e resi protagonisti del cambiamento, così che l’AI diventi un alleato e non un fattore di ansia. Questa attenzione alla dimensione umana nasce anche dalla consapevolezza delle percezioni contrastanti verso l’AI: un sondaggio Deloitte 2024 citato da Banca Generali rileva che tra i giovani professionisti italiani la GenAI suscita sia fascinazione (28% GenZ) che incertezza (29%), e circa metà teme che i propri datori di lavoro non li stiano formando adeguatamente sull’uso di queste tecnologie. Perciò Banca Generali insiste: “crediamo che un impiego consapevole e guidato della GenAI possa rendere il posto di lavoro migliore sia in termini di creatività, qualità, efficienza, sia di equilibrio vita-lavoro” – ma ciò richiede uno sforzo di cambio di mindset aziendale.

Assicurazioni: chatbot “generativi” e processi intelligenti

Nel settore assicurativo italiano, l’adozione della GenAI è agli inizi ma già emergono casi interessanti, specialmente nell’ambito customer experience. Un esempio di rilievo è UnipolSai, uno dei maggiori gruppi assicurativi nazionali, che nel 2023 ha lanciato un nuovo assistente digitale basato su AI generativa per interagire con i clienti in modo più naturale e personalizzato. In collaborazione con la società di consulenza Reply, UnipolSai ha evoluto il suo chatbot (inizialmente usato per fornire informazioni sulle polizze casa) in un vero assistente conversazionale capace di sostenere dialoghi quasi “umani” sulle soluzioni assicurative offerte. L’obiettivo del progetto era guidare l’utente nella scelta delle coperture più adatte alle sue esigenze, rispondendo a domande specifiche con un linguaggio semplice ma accurato. Il cuore della soluzione è proprio la capacità generativa: invece di restituire risposte predefinite e rigide, il chatbot comprende il contesto delle domande e fornisce risposte pertinenti, rapide e personalizzate, attingendo alla conoscenza dettagliata delle condizioni di polizza UnipolSai. Ad esempio, un cliente può chiedere: “La mia polizza casa copre i danni da allagamento del vicino?” e l’assistente AI risponderà spiegando cosa prevede la specifica polizza, eventuali massimali, ecc., come farebbe un operatore umano, ma in tempo reale 24/7. Fondamentale è stato il lavoro di preparazione della knowledge base: i documenti informativi delle polizze sono stati strutturati in modo che il modello AI potesse accedervi facilmente e “leggere” le clausole assicurative. Per assicurare accuratezza, si è adottato come detto un approccio RAG (Retrieval-Augmented Generation): il bot, prima di rispondere, recupera dalle basi dati interne le informazioni pertinenti e le utilizza per generare la risposta, evitando di inventare contenuti fuori dalle fonti ufficiali. Sono stati implementati anche filtri di sicurezza per limitare le allucinazioni e garantire che il linguaggio resti appropriato e conforme alle normative.

Anche il gruppo Generali, leader assicurativo italiano ed europeo, sta esplorando l’AI generativa in vari ambiti. Oltre al citato progetto di Banca Generali nel private banking, Generali Assicurazioni ha dichiarato di vedere nella GenAI uno strumento per accelerare l’innovazione interna. Generali sta investendo nella data science applicata a rischi innovativi: ad esempio il progetto “Skyvista” combina AI generativa e immagini satellitari per valutare in automatico, dopo un disastro naturale, i danni alle proprietà e velocizzare i rimborsi (evitando sopralluoghi manuali se non necessari). In sintesi, le assicurazioni italiane stanno puntando la GenAI soprattutto su tre fronti: relazione clienti (chatbot di nuova generazione come UnipolSai), efficientamento processi interni (ad es. gestione sinistri automatizzata, underwriting assistito) e supporto agli sviluppatori e analisti (generazione di codice, di report, ecc., per aumentare la produttività del personale tecnico).

In sintesi, l’Italia finanziaria sta approcciando l’AI generativa con entusiasmo pragmatico: le banche e assicurazioni più grandi investono per coglierne i benefici in termini di servizio e efficienza, pur consapevoli di dover colmare un ritardo iniziale; le fintech e startup fungono da motore di sperimentazione; le autorità promuovono l’innovazione ma con un occhio vigile a rischi e regole. I benefici attesi nel contesto italiano riecheggiano quelli globali: migliore customer experience (es. assistenti virtuali h24, risposte più veloci e pertinenti), processi interni più snelli (meno burocrazia manuale, più automazione in analisi dati e compliance), supporto decisionale e strategico grazie a insight dai dati. Si spera anche in un vantaggio competitivo: colmare il divario tecnologico aiuterebbe le banche italiane a competere meglio con fintech e big tech internazionali. Le criticità discusse riguardano soprattutto la qualità e affidabilità delle risposte AI (da cui l’enfasi sul controllo umano e su modelli spiegabili) e la gestione del cambiamento organizzativo. Come sottolineato, molte banche italiane stanno investendo in formazione del personale e nello sviluppo di linee guida etiche interne. Anche il reperimento dei talenti non è banale: c’è carenza di figure STEM specializzate in AI, per cui gli istituti devono attrarre e formare nuovi profili, pena rallentare i progetti. Infine, c’è la sfida di integrare la GenAI con i sistemi legacy: diverse banche italiane hanno architetture IT datate, quindi inserire un modello generativo richiede investimenti su cloud, data lake e API (non a caso l’80% della spesa tech recente è su modernizzazione infrastrutture).

Conclusioni

L’intelligenza artificiale generativa sta rapidamente passando da curiosità sperimentale a strumento concreto nelle mani di istituzioni finanziarie globali e nazionali. Banche, assicurazioni, SGR e fintech di tutto il mondo ne stanno esplorando i molteplici usi: chatbot avanzati per clienti e dipendenti, sistemi di supporto alle decisioni che metabolizzano montagne di dati in pochi secondi, generatori di documenti e codici che automatizzano compiti tediosi, analisti virtuali che affiancano i professionisti umani. I trend globali mostrano un settore in trasformazione, con stime di adozione in forte crescita e casi d’uso già in produzione che evidenziano guadagni di efficienza e qualità del servizio. Allo stesso tempo, gli attori più prudenti (inclusi i regolatori) richiamano alla necessità di governance e controllo, per evitare i rischi insiti in questa tecnologia potente ma imperfetta.

In Italia, dopo un avvio più lento, il 2023-2025 sta segnando il punto di svolta: i principali gruppi finanziari stanno accelerando sull’AI generativa con investimenti dedicati, partnership tecnologiche di rilievo (ad es. Microsoft), e primi progetti implementati nei canali digitali e nei processi interni. Queste iniziative, insieme a molte altre in cantiere, mirano tutte a un fine comune: rendere il sistema finanziario più innovativo, efficiente e focalizzato sul cliente, grazie all’AI. I benefici potenziali – clienti più soddisfatti, decisioni più rapide e data-driven, riduzione dei costi operativi, nuovi servizi digitali – vanno bilanciati con un’attenzione alle sfide – qualità dell’output AI, sicurezza dei dati, normativa in evoluzione e impatto sulle persone.

Il dialogo tra innovazione e regolamentazione appare centrale: l’Italia, inserita nel quadro europeo, sta cercando di creare un ambiente dove la GenAI possa prosperare nella finanza in modo sicuro e affidabile. La Banca d’Italia e le altre autorità vigilano e sperimentano a loro volta, riconoscendo che questa tecnologia è un game changer da governare, non da temere a priori. In definitiva, l’AI generativa si configura come un abilitatore strategico per le istituzioni finanziarie che sapranno integrarla: non sostituirà l’ingegno umano né la fiducia dei clienti costruita in anni, ma potrà potenziare entrambe le cose – unendo la capacità computazionale e creativa delle macchine con l’esperienza e il giudizio umano – per dare forma a una finanza più intelligente, personalizzata e inclusiva.

Fonti:

LLRX – AI in Finance and Banking, 15 settembre 2025
IusLetter – L’intelligenza artificiale diventa una priorità anche per le banche
OpenAI – Shaping the future of financial services (Morgan Stanley case study)
Deloitte/FT Partner Content – How generative AI is changing the face of insurance services (Financial Times)
The Banker – AI use could factor into stress tests, says BoE’s Breeden
Deloitte/FT Partner Content – US financial services organisations face fresh challenges as they adopt generative AI
Reply – UnipolSai rinnova l’interazione one-to-one con i clienti tramite un nuovo assistente digitale
Microsoft Italia – Microsoft e Banca Generali insieme sul fronte dell’AI generativa
Nicolaporro.it – Intesa Sanpaolo fa l’apripista e punta sull’intelligenza artificiale
Quotidiano Nazionale – Generali sperimenta l’intelligenza artificiale generativa
Generali – Con intelligenza artificiale e satelliti polizze più... (YouTube)
Unipol – Changes: intelligenza artificiale generativa (archivio)
EconomyUp – AI generativa: 8 startup che promettono di rivoluzionare il mercato
Forbes Italia – Data science e intelligenza artificiale: a Trieste nasce Agorai Innovation Hub di Generali
Banca d’Italia – QEF n. 935: Un sistema di intelligenza artificiale generativa “multifase” per rispondere a quesiti sulla normativa bancaria
Banca d’Italia – QEF n. 929: Uso e impatto atteso dell’IA generativa: evidenze dalle famiglie italiane
CIO.com – L’Italia ha approvato la sua legge sull’intelligenza artificiale
Diritto Bancario – Sull’uso dell’intelligenza artificiale nel settore finanziario