NTT DATA, portare l’AI nel cuore del banking » inno3

Nel banking e nei servizi finanziari la capacità di competere e guidare il mercato facendo leva sull’AI non si misura sulla base dei proof of concept (Poc) completati. Si misura piuttosto da quanto e come l’AI ridisegni effettivamente il modo in cui un istituto genera ricavi, gestisce il rischio, serve i clienti e soddisfa la compliance in relazione ai nuovi regolamenti. È la tesi di fondo del Global AI Report: A playbook for banking and financial services (2026) di NTT DATA. L’indagine di settore, che si innesta nella più estesa ricerca di carattere globale del gruppo – che ha coinvolto oltre 2.500 senior leader intervistati su cinque region e comprensiva di realtà italiane – comprende quasi 300 realtà nel comparto bancario e finanziario. Il messaggio è chiaro: l’AI non è una semplice leva di efficienza, ma rappresenta già un vantaggio strutturale, e le organizzazioni ferme a sperimentare resteranno ai margini considerato anche come già oggi sentono la pressione competitiva di chi ha già inserito l’AI nel cuore delle operation.

Tra i circa 300 rispondenti cui si fa riferimento per il vertical Banking e Financial Services, NTT DATA individua un 14% di AI leader, un 24% di “ritardatari” – in questo caso intendiamo con il termine organizzazioni che hanno una strategia per l’AI mal definita (o non ce l’hanno del tutto), valutano il proprio livello di maturità in materia come quello di un “principiante” o sono riuscite solo di rado a trarre vantaggi dall’implementazione dell’AI (spesso non registrando alcun profitto o addirittura subendo perdite) – e il 62% delle organizzazioni nella fascia intermedia. La terminologia è importante. La leadership è definita nello studio, come “velocità disciplinata nel rispetto del vincolo regolatorio: non sperimentazione spregiudicata, ma capacità di muoversi più velocemente mantenendo il controllo”. E il divario tra chi guida e chi insegue si sta allargando: non solo sui risultati economici, ma sul posizionamento strategico, sulla compliance alle normative e sulla rilevanza per il cliente finale.

Il primo tratto distintivo tra i leader e gli altri segmenti è l’allineamento strategico, elemento che nel comparto sembra correlare gli impegni alla possibilità di un successivo reale ritorno economico. L’84,1% delle organizzazioni che hanno allineato strategia AI e strategia di business riporta un incremento di profitto di almeno il 5% grazie all’AI, contro il 79,3% di quelle parzialmente allineate e appena il 58,3% di quelle non allineate: un divario quindi di 25,8 punti percentuali tra i due “estremi”. I leader, si osserva, non considerano l’AI come un’iniziativa innovativa ma da laboratorio, ma inquadrano gli impegni in un portafoglio di investimenti in attesa di ritorni reali, applicando alle decisioni di funding lo stesso rigore riservato all’allocazione del capitale o del credito.

Un ulteriore criterio strategico è considerata dai leader la velocità. Il 52,5% di loro dichiara di voler muoversi in fretta per acquisire vantaggio competitivo, contro il 23,6% di chi non dispone di una strategia AI definita, e il 34,8% di tutti gli altri. Parliamo del 28,9 di punti di scarto, tra i più ampi dell’intero dataset. Anche in questo caso si parla di “velocità governata e sotto controllo”; e solo il 22,5% dei leader preferisce lasciare ad altri “i primi rischi”, contro il 30,6% dei ritardatari come li abbiamo definiti in apertura. Il profilo che ne emerge non è quello dello sperimentatore avventato, ma del first mover, che distingue gli ambiti in cui la cautela è dovuta da quelli in cui la velocità crea vantaggio.

Dal front-office ai workflow, l’effetto volano

Dirimente, nel report, è anche capire come le aziende che fanno meglio utilizzano l’AI. Il 75% sostiene casi d’uso di front-office — marketing, relazione con clienti e partner, advisory — contro il 40,3% dei ritardatari: 34,7 punti di gap, fra i maggiori della ricerca. In parallelo l’85% presidia back e mid-office attraverso la riprogettazione intelligente dei workflow, contro il 65,3% dei laggard. Questo doppio binario – crescita e ridisegno operativo – segna il passaggio dall’idea di un’AI efficiency-first a quella revenue-first: i processi ad alto valore non vengono automatizzati a pezzi, ma riarchitettati end-to-end, con gli insight AI inseriti direttamente nei cicli decisionali su pricing, approvazioni, alert antifrode, reportistica regolatoria e interazione con il cliente.

C’è poi l’effetto volano. Il 65% dei leader descrive l’attuale investimento in AI come molto significativo, contro il 51,4% delle aziende con una strategia AI poco o non definita e il 43% degli altri. Ma ciò che distingue l’atteggiamento delle aziende non è la spesa iniziale: è la rapidità con cui convertono i risultati in reinvestimento. Il primo finanziamento segnala l’intenzione, sintetizza il report, il reinvestimento segnala la convinzione. Curiosamente, nel banking i leader accelerano gli impegni futuri con più prudenza dei pari di altri settori: solo il 55% pianifica un aumento significativo nei prossimi due anni, contro il 65,6% dei leader cross-industry.

Modernizzazione calibrata

Sul piano tecnologico, il settore modernizza in modo calibrato. Il 27,6% dei leader ricostruisce le applicazioni con AI integrata — non semplicemente “aggiunta”— contro il 18,9% delle aziende senza una strategia AI definita, mentre il 34,5% potenzia i sistemi esistenti con add-on e Api. L’approccio migliore prevede un’esecuzione ponderata sul rischio, perché funzioni core come i pagamenti, l’erogazione del credito o le operazioni di capital markets non si riscrivono senza riguardo alla compliance. Da qui la netta preferenza per il deployment ibrido — soluzioni plug-and-play più co-innovazione selettiva — adottato dal 62,5% dei leader contro il 29,2% dei laggard, circa 33 punti di distanza e una quota persino superiore al 48,7% dei leader cross-industry.

Nel banking poi l’architettura non è una scelta tecnica a valle, ma un requisito di credibilità regolatoria. Il 30% dei leader dà priorità a stack tecnologici scalabili e sicuri, contro il 19,4% dei laggard, e il 62,5% indica privacy e sovranità del dato cross-geography tra le principali preoccupazioni di governance, contro il 41,7% dei laggard: circa 20 punti di scarto. È qui che entrano in gioco le tre componenti dello stack descritte da NTT DATA: la GenAI per ‘creare’ e interpretare dati strutturati e non — documenti, comunicazioni, transazioni, testi normativi; l’Agentic AI come esecutrice, in grado di innescare indagini antifrode sul rilevamento di anomalie, orchestrare la raccolta documentale, instradare le revisioni di compliance e ottimizza il cross-sell; e la Private e Sovereign AI per proteggere dati finanziari sensibili, identità dei clienti e requisiti di residenza giurisdizionale.

Persone, change management e cultura

La trasformazione AI, nel settore, è tanto un cambiamento di tecnologia quanto di forza lavoro. Il 36,4% delle aziende che operano bene mette gli strumenti AI nelle mani dei professionisti esperti mentre lo staff junior gestisce i task assegnati con l’aiuto dell’AI, contro il 21,1% delle aziende senza strategia definita. Il modello dominante non è la sostituzione ma l’“augmentation”: in un’industria regolata, dove giudizio e responsabilità restano centrali, l’AI potenzia gli esperti preservando supervisione e accountability umana. NTT DATA prefigura tre categorie di talento destinate a ridefinire gerarchie e percorsi di carriera: i professionisti finanziari “aumentati” (grazie all’utilizzo dell’AI di supporto) — relationship manager, credit officer, analisti di rischio, specialisti di compliance; i supervisory AI operator, che presidiano i sistemi agentici con monitoraggio ed escalation; e gli specialisti AI-native, esperti di model risk management, data governance, validazione ed explainability.

La capacità tecnica, però, da sola non basta. Il 50% dei leader dà priorità a un change management efficace per delimitare, scalare e integrare l’AI nei workflow, contro il 23,6% dei laggard: 26,4 punti, uno dei differenziali più ampi della ricerca. I leader trattano l’adozione non come un rollout tecnologico, ma come un programma di trasformazione formale, con sponsorship esecutiva, piani di comunicazione e incentivi allineati. E l’atteggiamento culturale diventa un moltiplicatore: il 67,5% dei leader esprime un sentiment positivo verso l’AI — fiducia, entusiasmo — contro il 44,5% dei “ritardatari”, una fiducia ancorata, sottolinea il report, a risultati dimostrati più che a un atteggiamento di principio.

Governance, ruoli, partner

La governance, per i leader, non è un freno all’innovazione ma un abilitatore di scala. Il 65% segue un modello di governance AI centralizzato, contro il 36,1% dei ritardatari: quasi 29 punti di gap, una delle differenze strutturali più nette dell’intero dataset. La presenza di un comitato per indirizzare gli sforzi nella giusta direzione, invece, è ormai prassi diffusa (55% dei leader, 54,2% dei laggard, 51,2% degli altri): ciò che differenzia non è tanto la costituzione in sé del comitato, quanto piuttosto la chiarezza con cui autorità, funding e accountability vi sono definiti. Il 77,5% delle realtà leader ha un chief AI officer (Caio) dedicato; ma il vero discrimine è la titolarità del rischio, con solo il 32,5% che assegna il rischio AI d’impresa direttamente al Caio contro il 25% dei laggard. Nel banking, ricorda NTT DATA, il rischio AI va trattato con lo stesso rigore del rischio di credito, di liquidità o operativo. Il Caio si afferma così come stratega di board con un triplice mandato: orchestrazione strategica, integrazione operativa e traduzione culturale dell’AI verso il consiglio e i team tecnici. Per esempio, in NTT DATA la figura del Caio è stata assunta dallo stesso Ceo, Abhijit Dubey, a sottolineare la strategicità del ruolo e l’importanza dell’AI per l’azienda.

Per quanto riguarda invece ruolo e coinvolgimento dei partner nell’execution dei progetti con l’AI, è interessante notare la specificità del banking rispetto ad altri vertical. Solo il 32,5% dei leader punta sulle collaborazioni esterne — in linea con chi non ha una strategia AI definita (29,2%) e gli altri (34,4%) — contro il 40,1% dei leader di altri settori. Il vantaggio competitivo, qui, si costruisce prima all’interno: governance, oversight centralizzato e change management disciplinato pesano più dell’ecosistema. Stesso schema sul procurement: appena il 35% dei leader nel banking si dice aperto a modelli revenue- o gain-sharing, contro il 47,6% dei pari cross-industry. Secondo NTT DATA, i leader del settore tendono prima a valorizzare l’innovazione all’interno dei modelli di business già esistenti, dimostrandone l’impatto operativo. Solo in una fase successiva estendono l’innovazione commerciale anche ai partner.

Resta un punto centrale: portare l’AI su scala nel banking richiede competenze che difficilmente sono tutte disponibili in azienda. Nel momento in cui l’intelligenza artificiale opera su credito, antifrode, compliance, advisory e allocazione del capitale, il focus si sposta dalla sperimentazione alla costruzione di un’infrastruttura solida, governabile e conforme, sotto l’osservazione costante di board, regolatori, auditor e clienti. Per questo, osserva NTT DATA, le organizzazioni cercano partner capaci di unire innovazione e governance: esperienza diretta nell’applicazione dell’AI, architetture multi-Llm e multicloud per evitare il lock-in di fornitore o geografico, conoscenza normativa, integrazione di sistema, calcolatori di Roi e framework chiari per equità, accountability e oversight umano.

Il messaggio è univoco. Nel settore bancario e nel finance la leadership nell’AI coincide ormai con la leadership tout court. Il profitto iniziale alimenta il reinvestimento, il reinvestimento rafforza infrastruttura e governance, la governance abilita una scala più rapida — un ciclo che si autoalimenta e allarga la distanza dagli early adopter. Con la sua capacità end-to-end su AI, cloud, sicurezza, connettività e data center, e con lo Smart AI Agent Ecosystem che associa agenti verticali ai processi di business, NTT DATA accompagna banche e istituzioni finanziarie a fare della strategia AI la propria strategia di business.

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