Negli ultimi due anni, il settore bancario ha subito una trasformazione profonda sotto la spinta dell’intelligenza artificiale. Non si tratta di un’evoluzione graduale: il cambiamento è strutturale e sta ridefinendo modelli operativi, mercato del lavoro e rapporti tra Stati Uniti ed Europa. Tuttavia, dietro la narrativa entusiastica, emergono criticità concrete che rendono il quadro tutt’altro che lineare.
Le grandi banche internazionali non stanno semplicemente sperimentando l’AI: la stanno integrando nei processi core. Un caso emblematico è quello di Goldman Sachs, che ha avviato una strategia di adozione trasversale, applicando l’intelligenza artificiale a funzioni chiave come onboarding clienti, compliance, gestione del rischio e attività di lending. Parallelamente, la banca ha avviato collaborazioni con società tecnologiche per sviluppare agenti autonomi capaci di eseguire operazioni complesse – dalla due diligence alla contabilizzazione delle transazioni – con un impatto diretto sulla produttività.
Un ulteriore passo riguarda l’utilizzo di sistemi di “agentic AI” per il monitoraggio in tempo reale delle attività di trading, con l’obiettivo di individuare anomalie e comportamenti sospetti in modo più efficiente rispetto ai sistemi tradizionali: l’AI non è più un supporto, ma sta diventando un’infrastruttura decisionale!
L’efficienza ha un prezzo: secondo stime recenti, fino a 200.000 posti di lavoro nel settore bancario europeo potrebbero essere eliminati entro il 2030, soprattutto nelle funzioni di back e middle office. Negli Stati Uniti il fenomeno è già visibile: diverse banche stanno riducendo il personale e automatizzando attività che tradizionalmente erano affidate a figure junior. Questo cambia radicalmente anche il modello di carriera nel banking, riducendo il ruolo formativo delle posizioni entry-level.
C’è poi un rischio meno evidente ma più sistemico: l’adozione dell’AI comporta costi iniziali elevati e non sempre produce benefici immediati. Alcuni studi parlano di un vero e proprio implementation tax, con impatti negativi temporanei sulla redditività, soprattutto per le banche minori.
Se si volge, poi, lo sguardo a USA e UE, emerge una divergenza crescente: negli Stati Uniti, il contesto regolatorio è storicamente più permissivo, con recenti proposte di riduzione dei requisiti patrimoniali per le grandi banche volto a stimolare credito e investimenti. Ciò crea terreno fertile per l’innovazione e l’adozione aggressiva dell’AI; in Europa, al contrario, prevale un approccio più prudente. Le autorità sono in fase di valutazione per il rinvio dell’implementazione di alcune regole per evitare uno svantaggio competitivo rispetto agli Stati Uniti.
Tuttavia, il quadro normativo resta più rigido. Paradossalmente, proprio questa rigidità potrebbe rappresentare un vantaggio competitivo nel lungo periodo: secondo analisi sviluppate da Goldman Sachs, l’Europa è ben posizionata nello sviluppo di applicazioni AI, anche se meno dominante sul piano infrastrutturale.
Un altro aspetto da evidenziare, spesso sottovalutato, è che l’AI non elimina il rischio finanziario, lo trasforma. David Solomon, CEO di Goldman Sachs dal 2018, ha recentemente sottolineato come il ciclo del credito “non sia stato abolito”, mettendo in guardia sui rischi nel mercato del private credit, anche in relazione alle trasformazioni tecnologiche in corso. Allo stesso tempo, la banca prevede una ripresa delle operazioni di M&A, trainata anche dagli investimenti in AI. Tuttavia, il problema che emerge riguarda l’interconnessione e la fragilità del sistema finanziario dato dall’automatizzazione tramite AI: se più istituzioni utilizzano modelli simili, gli errori o gli shock possono propagarsi più rapidamente.
Per concludere, in questo contesto appare evidente come l’AI non rappresenti semplicemente un vantaggio competitivo, ma un fattore di ridefinizione degli equilibri dell’intero sistema finanziario. Le banche che riusciranno a integrarla in modo efficace potranno ottenere significativi guadagni di efficienza; tuttavia, i benefici non saranno distribuiti in modo uniforme, né tra istituzioni né tra aree geografiche.
Resta inoltre aperta una questione centrale: la velocità dell’innovazione sta superando la capacità di adattamento delle strutture organizzative e regolatorie. Se da un lato gli Stati Uniti stanno sfruttando un contesto più flessibile per accelerare, dall’altro l’Europa tenta di contenere i rischi sistemici senza compromettere la competitività. Nessuno dei due approcci, ad oggi, offre garanzie.
Più che una rivoluzione ordinata, quella in corso assomiglia a una fase di transizione instabile, in cui efficienza, rischio e regolazione avanzano su binari non sempre allineati. L’AI, in questo scenario, non semplifica il sistema: lo rende più veloce, più complesso e, potenzialmente, più vulnerabile.
