Mentre il dibattito sull’intelligenza artificiale nel settore finanziario si concentra sulla promessa di iper-personalizzazione e operazioni autonome, una ricerca condotta da Red Hat e FStech rivela una priorità ancor più pragmatica e urgente per i decision-maker: la resilienza. L’indagine, che ha coinvolto oltre 100 leader del settore in Europa, mostra come per il 34% di essi il maggiore impatto dell’AI nei prossimi tre anni sarà proprio sulla resilienza operativa e sulla business continuity.
La rivoluzione dell’AI agentica, con sistemi in grado di orchestrare workflow complessi con un minimo intervento umano, è senza dubbio alle porte. Tuttavia, la sua adozione non sta avvenendo nel modo che molti si aspetterebbero. L’innovazione procede con cautela, all’interno di framework rigorosi dove la stabilità ha la precedenza sulla velocità.
Il ruolo chiave della resilienza
Se per anni velocità e riduzione dei costi sono stati i driver del vantaggio competitivo, oggi il paradigma è cambiato. Normative stringenti come il Digital Operational Resilience Act (DORA) dell’UE e l’aumento dei rischi informatici sistemici hanno trasformato la continuità operativa in un imperativo strategico. DORA, imponendo la capacità di garantire i servizi critici anche durante un’interruzione, ha profonde implicazioni per l’architettura dei sistemi di AI. La resilienza non è più un’opzione, ma un requisito da integrare “by design”.
Il report rivela infatti un approccio di “innovazione governata”: quasi la metà degli istituti (47%) sta già implementando o testando l’AI agentica, ma la sicurezza e il controllo restano le priorità assolute.
Il paradosso della sovranità dei dati
Uno dei dati più sorprendenti emersi è il divario tra ambizione e realtà sulla sovranità dei dati. Sebbene il 73% dei leader la ritenga un fattore critico, un incredibile 64% ammette di non avere ancora una strategia formale per garantirla. La sovranità oggi non è più solo una questione di “residenza” dei dati, ma di controllo attivo su dove e come vengono processati, con l’obiettivo strategico di ridurre la dipendenza dagli hyperscaler e aumentare la trasparenza. Tuttavia, i costi elevati e la carenza di competenze specialistiche restano ostacoli concreti.
La difesa in primo piano: gli attuali casi d’uso dell’AI
L’analisi dei casi d’uso conferma questa strategia prudente. L’AI oggi viene soprattutto impiegata per rafforzare le difese, non per creare nuove esperienze rivolte ai clienti. Le tre applicazioni indicate come prioritarie sono il rilevamento delle frodi, il monitoraggio della conformità e il supporto alle operazioni di antiriciclaggio (KYC/AML). Al contrario, applicazioni a diretto contatto con il pubblico come la consulenza finanziaria personalizzata o la gestione del portafoglio appaiono ancora in secondo piano. Il settore vuole prima la garanzia di un controllo assoluto, per poi delegare all’AI decisioni che impattano direttamente il cliente.
La piattaforma: la base per un’AI sostenibile e sicura
L’innovazione dell’AI sarà sostenibile solo se costruita su una base solida di resilienza e governance. Navigare a vista tra modelli e agenti di AI distribuiti all’interno di ambienti isolati è la premessa per arrivare a una complessità ingestibile e rischi sistemici invisibili.
Il vero elemento di differenziazione strategica sarà una piattaforma open hybrid cloud che offra controllo unificato, sicurezza integrata e trasparenza. In questo contesto, l’open source enterprise diventa la base di una vera sovranità digitale, offrendo visibilità sul codice e garantendo la libertà dal vendor lock-in. Non a caso, il 50% degli istituti sta già testando soluzioni di AI open source.
Il percorso verso un ecosistema finanziario autonomo sarà costruito passo dopo passo, ma la priorità è chiara: assicurarsi fondamenta solide e affidabili, capaci di sostenere i nuovi livelli di complessità e responsabilità dell’era agentica.
