IA I casi d’uso nel settore finanziario italiano secondo il Report OCSE
IA I casi d’uso nel settore finanziario italiano secondo il Report OCSE. Dalla mappatura presentata nel primo capitolo del Report OCSE Artificial Intelligence in Italian Financial Markets emerge dunque che l’AI è utilizzata soprattutto per funzioni aziendali non coincidenti con il nucleo più sensibile delle attività di mercato. Il rapporto collega questo dato sia alla composizione dei rispondenti, che comprende anche istituzioni con limitata esposizione ai mercati, sia a un approccio prudente nell’adozione dell’intelligenza artificiale. Le imprese sembrano privilegiare applicazioni consolidate, come analisi dei dati e prevenzione delle frodi, mentre le finalità più rischiose o meno sperimentate restano secondarie.
Il capitolo approfondisce anche la distribuzione dei casi d’uso per settore. Tra i rispondenti dei mercati finanziari che utilizzano l’AI, gli asset manager risultano particolarmente attivi nella sperimentazione e nell’implementazione, con quasi 1.000 casi d’uso in sperimentazione o produzione, secondi solo alle banche, che ne riportano oltre 2.500. Le banche presentano più casi d’uso in produzione e quasi tanti casi in sviluppo o sperimentazione quanti tutti gli altri settori combinati. Il documento osserva che le banche risultano quindi più avanzate nell’implementazione dell’AI rispetto ad altri settori.
Sviluppo e sperimentazione sono concentrati soprattutto nelle grandi imprese, che rappresentano il 54% dei casi riportati nella figura dedicata. Le piccole imprese risultano comunque più presenti delle medie imprese nei casi d’uso sperimentali, anche perché sono più numerose tra i rispondenti. Per i casi d’uso in produzione, il documento indica 400 casi riferiti a grandi imprese, pari al 47%, 117 a imprese medie, pari al 14%, 321 a piccole imprese, pari al 38%, e 7 a microimprese, pari all’1%, con ulteriori 1.939 casi riportati da società che non hanno dichiarato il numero di dipendenti.
Allorché le imprese sono chiamate a scegliere se acquistare modelli AI o svilupparne di propri, il report rileva che i grandi operatori adottano spesso un approccio ibrido, sviluppando modelli interni per aree competitive e ricorrendo a soluzioni di terzi per altre funzioni. L’AI basata su terze parti è più comune nell’analisi dei dati e nella generazione di contenuti; altri usi frequenti riguardano ottimizzazione dei processi interni, generazione testuale, GPT interni, prevenzione delle frodi, traduzione e customer support. Le attività finanziarie più specialistiche, come post-trade processing o trading P&L, mostrano invece un ricorso limitato a soluzioni AI di terzi.
I servizi cloud sono la principale modalità di deployment dell’AI, indicata dal 74% dei rispondenti che utilizzano AI. Il 39% ricorre a implementazioni di modelli GPAI fornite da terzi, il 25% a supporto nell’implementazione dei modelli, il 16% a servizi di acquisizione dati, mentre il 9% dichiara di usare casi d’uso AI senza alcun coinvolgimento di terze parti. Il documento evidenzia anche una concentrazione tra i principali provider: il primo fornitore è citato nel 29% delle risposte, il secondo nel 19%, il terzo nel 10% e il quarto nell’8%.
I modelli generativi, in particolare gli LLM, sono il tipo più indicato tra quelli attualmente in uso o in sviluppo: l’84% delle imprese che hanno fornito informazioni in questa sezione li menziona. Seguono il machine learning per classificazione e clustering, al 56%, e natural language processing/text mining, al 48%. Sono inoltre citati machine learning e deep learning per regressione e forecasting, approcci logici e knowledge-based, agentic AI e sistemi esperti rule-based. Tra i modelli GPAI, prevalgono quelli licenziati non personalizzati, come licenze commerciali di LLM, pari al 73% delle risposte; i modelli GPAI adattati a casi d’uso specifici rappresentano il 23%, mentre i modelli fine-tuned con dati proprietari il 19%.
Molte imprese bloccano strumenti GPAI liberamente accessibili e aperti a causa di preoccupazioni di sicurezza. Accanto al blocco tecnico, sono previste attività di monitoraggio degli accessi e l’introduzione di strumenti compatibili con le policy aziendali di protezione dei dati. In un esempio riportato nel documento, una società utilizza uno strumento regolato da un contratto adattato a termini e condizioni specifici dell’impresa, accompagnato da comunicazioni interne sull’uso sicuro dello strumento e sul divieto di divulgare informazioni riservate.
