NTT DATA, approccio pragmatico per l’AI nel banking » inno3

L’intelligenza artificiale entra nel banking in una fase in cui la pressione competitiva impone rapidità, ma la natura regolata del settore richiede controllo, tracciabilità e responsabilità. Serve portare l’AI nei processi ad alto valore, dal credito alla compliance, dalla cybersecurity alla relazione con il cliente, senza indebolire governance, gestione del rischio e sovranità del dato. Per le banche italiane, la sfida è trasformare la sperimentazione in capacità industriale. Ne parliamo con Giovanni Speranza, Head of Banking NTT DATA.

Il filo conduttore del Global AI Report: A playbook for banking and financial services (2026) di NTT DATA sembra essere il concetto di “velocità disciplinata”: muoversi più in fretta dei concorrenti senza rinunciare al controllo che un settore regolato impone. Tradotto nella pratica di una banca italiana, dove si gioca davvero questo equilibrio?

Nella pratica di una banca italiana, la “velocità disciplinata” si gioca soprattutto nella capacità di portare l’AI dentro processi ad alto valore — credito, cybersecurity, compliance, customer engagement and advisory, core banking modernization — senza perdere tracciabilità, controllo e responsabilità. Il report NTT DATA mostra che i leader non sono quelli che sperimentano di più, ma quelli che collegano l’AI a obiettivi di business e gestione del rischio, con governance già incorporata. Questo significa scegliere use case dove il beneficio è misurabile, definire ownership chiara tra business, IT, risk management e compliance, e costruire architetture trasparenti e verificabili. In un settore regolato, andare veloci non vuol dire alleggerire i controlli, ma irrobustirli attraverso l’IT automation, rendendoli un abilitatore di scala.
Trasponendo il concetto nel contesto di una banca italiana, questo equilibrio si gioca nell’ambito di: sistemi automatici di customer identification, prevenzione antifrode e sistemi di identity management, che rappresentano alcuni degli esempi più concreti.

Il vostro studio fotografa un divario (tra le aziende che fanno bene e chi insegue) che si allarga su risultati economici, posizionamento e governance. Guardando alle banche italiane, dove si colloca oggi la maggior parte degli istituti? E qual è, nella vostra esperienza sul campo, l’ostacolo che più spesso blocca il passaggio dalla sperimentazione alla messa a regime?

Guardando al mercato italiano, molte banche sono oltre la fase della curiosità e dei PoC, ma non tutte hanno già trasformato l’AI in capacità industriale. Il report evidenzia proprio questo passaggio: il divario cresce tra chi integra l’AI nel core operativo e chi resta in sperimentazioni frammentate. L’ostacolo più frequente è raramente il modello AI in sé; più spesso è l’assenza di un modello operativo maturo: dati non pienamente governati, processi legacy, responsabilità distribuite, governance non ancora centralizzata e difficoltà nel misurare il ritorno economico. Un ulteriore elemento di complessità riguarda la necessità di conciliare innovazione e controllo del rischio. Le banche sono chiamate a evolvere i propri sistemi core verso modelli più efficienti e intelligenti, ma senza compromettere stabilità, compliance e governance. Per questo, come NTT DATA, osserviamo che l’adozione dell’AI richiede non solo investimenti tecnologici, ma anche solidi modelli operativi e un’attenta gestione del rischio.

Le aziende più avanti non scelgono né la riscrittura totale dei sistemi né il semplice add-on, ma una modernizzazione calibrata sul rischio, con forte attenzione a sovranità del dato e architetture multi-Llm e multicloud. Come accompagnate una banca in questo bilanciamento fra innovazione AI e tenuta del core banking? E che peso ha per voi come NTT DATA il tema della sovereign AI?

NTT DATA accompagna le banche con un approccio pragmatico: non riscrivere tutto, ma nemmeno limitarsi a innestare AI superficiale sui sistemi esistenti. Il report parla di modernizzazione calibrata sul rischio: alcune aree possono adottare soluzioni plug-and-play, altre richiedono co-innovazione, integrazione profonda e controlli più stringenti. Il punto è proteggere il core — pagamenti, credito, capital markets, compliance — mentre si abilita innovazione scalabile. Qui pesano architetture multi-Llm e multicloud, governance dei dati, observability, sicurezza, privacy by design e capacità di evitare lock-in tecnologici o geografici.

La sovranità non riguarda solo le infrastrutture ed i dati, ma anche le tecnologie; infatti, gran parte dei modelli AI più avanzati è sviluppata e controllata da un numero ristretto di player globali. Questo crea nuove forme di dipendenza che le aziende stanno iniziando a considerare con crescente attenzione. Il 2026 Global AI Report: A Playbook for Private and Sovereign AI di NTT DATA, evidenzia come la crescita dell’AI enterprise stia mettendo sotto pressione infrastrutture progettate in un contesto molto diverso da quello attuale. Per anni le architetture IT hanno privilegiato la libera circolazione dei dati tra cloud, piattaforme e Paesi diversi, con l’obiettivo di aumentare velocità, scalabilità ed efficienza.
Come evidenzia il report NTT DATA, la sovranità digitale non può più essere considerata soltanto una questione regolatoria o geopolitica, ma un tema strategico di gestione del rischio. È un tema che oggi osserviamo sempre più centrale anche nelle agende dei principali player bancari italiani, chiamati a bilanciare esigenze di innovazione, sicurezza e compliance con una crescente attenzione alla sovranità digitale, infrastrutturale e tecnologica, evitando al contempo situazioni di lock-in. Per questo il futuro sarà caratterizzato da modelli ibridi che consentano di coniugare autonomia, controllo e resilienza con la capacità di innovare e scalare rapidamente.

Il report evidenzia come il futuro dell’AI nel settore finanziario sia legato soprattutto al potenziamento delle capacità umane- non alla sostituzione – e all’introduzione di nuovi ruoli professionali: professionisti finanziari potenziati dall’AI, supervisory AI operator e specialisti AI-native. In questo scenario, come possono le banche italiane gestire il cambiamento culturale e organizzativo necessario affinché il change management diventi un acceleratore della trasformazione e non il suo principale freno?

Nelle banche italiane il change management va trattato come parte del programma AI, non come attività finale di comunicazione. Il report NTT DATA è chiaro: i leader puntano sull’augmentation, cioè sull’AI che potenzia banker, risk analyst, compliance specialist e operations manager, preservando supervisione e accountability umana. Per farlo servono percorsi di AI fluency, ridisegno dei ruoli, nuove competenze di controllo sui sistemi agentici e figure AI-native sulla gestione del rischio, explainability, data governance e validazione. Il punto critico è evitare che l’AI sia percepita come sostituzione o imposizione tecnologica. Funziona quando le persone vedono casi d’uso concreti, metriche chiare, responsabilità definite e strumenti integrati nei workflow quotidiani. La trasformazione diventa sostenibile solo se supporta il modo di lavorare, introducendo elementi di efficientamento e accelerazione.

L’esperienza del cliente è diventata uno dei principali fattori di differenziazione nel settore bancario. In che modo l’Intelligenza Artificiale sta trasformando la relazione tra banca e cliente e quali sono oggi le principali priorità per gli istituti finanziari?

Oggi le banche competono sempre più sulla qualità dell’esperienza che riescono a offrire ai propri clienti. Per questo temi come customer engagement e customer interaction stanno assumendo un ruolo centrale nelle strategie di trasformazione del settore.
In NTT DATA supportiamo gli istituti finanziari nell’evoluzione dei canali digitali e fisici, dei sistemi di Crm e delle piattaforme di gestione dell’identità, con l’obiettivo di costruire esperienze sempre più integrate, personalizzate e coerenti lungo tutti i punti di contatto.
In questo percorso, l’intelligenza artificiale rappresenta un importante acceleratore. Da un lato consente di personalizzare offerte, servizi e comunicazioni sulla base delle esigenze specifiche del cliente; dall’altro supporta consulenti e operatori bancari fornendo insight e suggerimenti in tempo reale che migliorano la qualità dell’advisory e delle interazioni.
L’obiettivo finale non è sostituire la relazione umana, ma renderla più efficace e rilevante, permettendo alle banche di costruire relazioni più solide, aumentare la soddisfazione dei clienti e generare maggiore valore nel tempo.

Per saperne di più scarica il whitepaper: Global AI Report 2026, manuale per il banking e i servizi finanziari
Leggi tutti gli approfondimenti della Room Financial Services & AI by NTT Data

© RIPRODUZIONE RISERVATA