Pugini (Numia): “Per noi un primo anno con bilancio positivo”

L’intelligenza artificiale promette di rendere i modelli predittivi più potenti, granulari e reattivi. Per le banche, però, questa evoluzione non può prescindere da un presidio sempre più rigoroso su validazione, spiegabilità e governance. È il punto richiamato da Alida Popescu, Customer Advisory Senior Manager Risk Practice CEE di SAS, nella videointervista rilasciata a Bancaforte in occasione di Supervision, Risks & Profitability 2026.

Il contesto è segnato da più fattori: la revisione della guida BCE sui modelli interni, la crescente attenzione su processi di validazione e ispezioni, l’entrata in vigore dell’AI Act. Elementi che alzano in modo significativo le aspettative verso le banche proprio mentre aumenta il ricorso a modelli predittivi avanzati, con implicazioni rilevanti in termini di spiegabilità, controllo delle black box e utilizzo di tecniche di intelligenza artificiale.

“La vera sfida è far coesistere queste due spinte lungo tutto il ciclo di vita dei modelli”, spiega Popescu. L’obiettivo, sottolinea, non è scegliere tra innovazione e compliance, ma integrare entrambe in modo credibile e verificabile anche agli occhi della Vigilanza. 

In questa prospettiva, strumenti come AI Assistant e Code Assistant possono rendere più rapido il lavoro quotidiano su sviluppo, validazione, documentazione automatica, spiegabilità del codice e analisi. Il punto, però, è che l’accelerazione non può avvenire fuori da un presidio strutturato. Deve inserirsi in un framework di governance nativo, capace di garantire tracciabilità, lineage e coerenza con i requisiti richiamati anche da BCBS 239.

L’utilizzo dell’AI, quindi, non va letto come una riduzione del controllo. Al contrario, se inserito in un impianto di governance robusto, può rafforzarlo. Anche grazie a strumenti di supporto alla readiness regolamentare, come copilot per simulazioni di impatto e autogenerazione delle schede modello, le banche possono accelerare i processi mantenendo evidenze, responsabilità e verificabilità.

Il messaggio è chiaro: l’intelligenza artificiale può diventare una leva di efficienza e qualità solo se progettata insieme ai presidi di compliance. Non una scorciatoia, ma un modo per rendere più solido, documentato e trasparente il governo dei modelli. 

Guarda lo Speciale Supervision, Risks & Profitability 2026