L’Intelligenza Artificiale nel settore finanziario italiano Il Report OCSE
L’Intelligenza Artificiale nel settore finanziario italiano Il Report OCSE. Come abbiamo visto in questo articolo introduttivo, il Report OCSE Artificial Intelligence in Italian Financial Markets, analizza l’impiego dell’intelligenza artificiale nei mercati finanziari italiani e nel settore finanziario nazionale.
Il primo capitolo del Rapporto, AI in the Italian financial sector, va a mappare lo stato dell’adozione dell’intelligenza artificiale nei mercati finanziari italiani e nel settore finanziario più ampio. Nel complesso, l’AI nel settore finanziario italiano risulta essere una tecnologia già in uso, ma con livelli di maturità differenziati tra settori, dimensioni aziendali e tipologie di attività. L’impiego appare più consolidato in funzioni trasversali, come analisi dati, generazione di output, frodi, customer support e processi interni, mentre è più cauto nelle attività centrali dei mercati finanziari. Il capitolo evidenzia anche la forte presenza di fornitori terzi, l’importanza crescente dei modelli generativi e GPAI, la varietà degli assetti di governance e il peso dei vincoli regolatori, organizzativi, di competenze e di qualità dei dati.
Il capitolo prende in considerazione l’intera attività dei mercati finanziari in Italia, comprese le infrastrutture sottostanti e la catena del valore dei mercati primari e secondari, includendo inoltre banche e assicurazioni. L’analisi si basa principalmente sulla survey OCSE condotta presso l’industria finanziaria italiana nel secondo trimestre del 2025, sviluppata in consultazione con Banca d’Italia, SG REFORM della Commissione europea e le altre autorità competenti italiane. Secondo l’indagine, il 39% dei rispondenti dichiara di utilizzare attualmente tecnologie di intelligenza artificiale. L’adozione è più elevata nel comparto assicurativo e riassicurativo, dove raggiunge il 70% dei rispondenti, e nel settore bancario, dove arriva al 59%. Gli asset manager, inclusi fondi comuni e AIM, si collocano al 31%; investment advisor e wealth manager al 30%; le securities investment firms al 22%; gli istituti di pagamento e di moneta elettronica al 19%; le attività creditizie o legate alla cartolarizzazione al 16%; i fondi pensione al 10%. Il documento segnala anche il caso delle banche mutualistiche, con il 96% dei rispondenti che dichiara di usare l’AI, precisando però che solo circa l’11% degli enti autorizzati in questa categoria ha risposto alla survey.
Il rapporto sottolinea comunque che il dato sull’adozione dell’AI nei mercati finanziari potrebbe risultare inferiore rispetto alla reale penetrazione settoriale, perché molte istituzioni operano in più comparti e possono svolgere anche attività di mercato. Allo stesso tempo, l’impiego dell’AI da parte degli asset manager può riguardare funzioni di back-office o amministrative, e non necessariamente processi di investimento in senso stretto. Si deve perciò distinguere tra uso dell’AI da parte di operatori che appartengono ai mercati finanziari e uso dell’AI in attività propriamente core di mercato.
52 le finalità d’uso dell’AI proposte dalla survey, aggregate in 23 macro-aree e ulteriormente distinte tra application – ove l’utilizzo sostiene direttamente risultati di business, come risorse umane, vendite, modellizzazione e post-trade e method, con riferimento ad usi trasversali che supportano indirettamente i risultati aziendali, come coding, traduzione o analisi dei dati. Tra i method, data analytic and output generation risulta l’ambito più frequente, con 379 usi attuali e 761 usi previsti nei successivi tre anni. Anche traduzione e coding mostrano un livello significativo di adozione e una crescita attesa.
Tra le application, la prevenzione e individuazione delle frodi è indicata come l’applicazione più diffusa e destinata a rimanere dominante fino al 2028. Le applicazioni più direttamente riferibili ai mercati finanziari comprendono asset allocation e trading strategies. Nel documento, asset allocation include gestione di portafoglio, investment research, robo-advice, consulenza finanziaria e market analysis. Trading strategies include underwriting, IPO, algorithmic trading, hedging, predictive analytics, forecasting e market-making. I rispondenti indicano più spesso l’uso dell’AI per predictive analytics, 21%, market analysis, 17%, e investment research, 11%. Sono invece meno frequenti gli usi attuali o programmati per sviluppo di nuovi prodotti, post-trade processing, profit and loss e riconciliazioni.
