Ceschi (Accenture): “La Silver Age non è un segmento unico: servono servizi su misura”

I proof of concept realizzati con l'AI funzionano. Spesso sorprendono per la qualità dei risultati. Il problema arriva quando si prova a portarli dentro una banca, in processi costruiti e industrializzati in anni di investimenti, dove ogni attività è inserita in una sequenza di sistemi, verifiche e responsabilità. È in questo passaggio che si gioca oggi la partita più difficile dell’intelligenza artificiale.

Lo spiega Alessandro Fracassi, CEO di Moltiply Group, nella videointervista rilasciata a Bancaforte in occasione di Credito al Credito 2026. A suo giudizio, la distanza tra sperimentazione e produzione non dipende soltanto dalla tecnologia. Riguarda soprattutto il disegno dei processi e, ancora di più, il modo in cui vengono inseriti i controlli.

La differenza si vede bene confrontando attività diverse. Nei processi ancora poco strutturati - Fracassi cita alcune analisi antiriciclaggio - l’AI può affiancare abbastanza naturalmente il professionista: raccoglie informazioni da più fonti, le elabora, propone una sintesi. Quando si entra invece in processi industrializzati, l’algoritmo deve convivere con applicazioni, procedure, passaggi autorizzativi e livelli di accuratezza molto più stringenti. «È lì che comincia la difficoltà».

Il nodo è apparentemente semplice: chi controlla l’AI, quando e come? Se un’attività che richiedeva due ore viene svolta dalla macchina in pochi minuti, ma poi una persona deve impiegare altre due ore per verificarla integralmente, l’automazione ha perso buona parte del proprio senso economico. Mettere lo human in the loop alla fine del processo può quindi essere formalmente rassicurante, ma operativamente inefficiente.

E non basta affidarsi a percentuali di accuratezza elevate. Nei processi composti da molti passaggi, anche errori poco frequenti possono sommarsi e abbassare rapidamente l’affidabilità complessiva. Soprattutto, sottolinea Fracassi, «noi non sappiamo quando l’AI sbaglia e lei non è in grado di dirci quando sbaglia». È per questo che lo human in the loop non va considerato semplicemente come una prescrizione regolamentare: deve diventare una componente progettuale del processo.

Da qui l’approccio seguito da Multiply Group, che ogni anno gestisce centinaia di migliaia di pratiche per banche e operatori finanziari, dai mutui al credito fino ai sinistri. I processi vengono scomposti nelle loro singole attività per individuare dove l’AI produce effettivamente valore e dove è invece necessario inserire una verifica umana. «Abbiamo utilizzato l’intelligenza artificiale in maniera atomica, laddove poteva aiutare, mettendo il controllo dove era necessario», sintetizza Fracassi.

È un’impostazione che sposta la discussione dall’automazione alla governance delle operations. Il parallelo proposto da Fracassi è quello dell’outsourcing: quando una banca esternalizza una parte del processo, non deve soltanto decidere cosa affidare fuori, ma anche che cosa mantenere al proprio interno, come controllarlo e con quali responsabilità. Con l’AI la logica non è molto diversa. Tecnologia e modelli sono abilitatori; il lavoro più complesso consiste nel definire cosa fa la macchina, cosa continua a fare la persona e in quale punto avviene la verifica.

L’esperienza sul campo mostra che i guadagni possono essere significativi. Fracassi indica livelli di efficienza del 30%, 40% e anche 50% in alcuni processi. Ma mette in guardia dall’idea di un’automazione senza presidio: «Non possiamo pensare di lasciare l’intelligenza artificiale a luci spente a fare il mestiere che prima facevano le persone». Un controllo disegnato male può addirittura produrre l’effetto contrario, costringendo l’operatore a ricostruire il lavoro della macchina con strumenti meno efficaci di quelli che utilizzava in precedenza.

C’è infine un’altra conseguenza importante. Industrializzare l’AI richiede una conoscenza molto verticale dei processi e rende difficile replicare una soluzione da una banca all’altra con un semplice copia e incolla. Cambiano documenti, regole, flussi, sistemi e modalità operative. I benefici dell’AI arriveranno, ma probabilmente con tempi meno immediati di quelli immaginati nella prima fase di entusiasmo.

Ed è proprio questa complessità a rendere ancora più importante il fattore umano. Non perché le persone debbano continuare a svolgere le attività che l’AI può automatizzare, ma perché progettare, governare e controllare il nuovo processo diventa un lavoro ancora più qualificato.

Guarda lo Speciale Credito al Credito 2026