Sistemi legacy e AI agentica: la nuova via per la modernizzazione nel Fintech

Nel settore bancario e assicurativo, la trasformazione digitale si scontra da anni con un paradosso strutturale: i sistemi informatici su cui poggiano le operazioni quotidiane sono spesso gli stessi sviluppati decenni fa, costruiti per resistere nel tempo e, proprio per questo, difficili da sostituire. Gestiscono miliardi di transazioni, custodiscono dati strategici, incorporano logiche di business sedimentate. Rinnovarli senza una strategia mirata significa esporre l'organizzazione a rischi che poche istituzioni sono disposte ad accettare. Il costo dell'inerzia è ben documentato. Secondo le stime il debito tecnico legato ai sistemi legacy assorbe tra il 40% e il 60% dei budget IT aziendali, con un incremento stimato dei costi di progetto tra il 10% e il 20% [McKinsey]. Una pressione che gli approcci tradizionali faticano ad allentare, introducendo spesso nuove criticità senza risolvere quelle di fondo.

A differenza dei sistemi di automazione convenzionali, un agente AI osserva il contesto operativo, ragiona sui dati disponibili e agisce in modo autonomo per affrontare problemi articolati - sempre entro perimetri definiti e sotto supervisione umana. Applicata alla modernizzazione dei sistemi legacy, l'AI agentica si declina su due percorsi. Il recoding prevede la riscrittura completa delle applicazioni in linguaggi moderni, preservando la logica di business originaria: si interviene sul come senza alterare il cosa. Il replatforming consiste nella migrazione verso nuove piattaforme - tipicamente cloud - con modifiche minime al codice, riducendo costi e rischi senza interrompere la continuità operativa.

La discontinuità più rilevante sta nella possibilità di costruire framework basati su agenti AI capaci di analizzare codice legacy anche in assenza di documentazione tecnica - scenario frequente nei sistemi più datati - traducendolo in linguaggi più recenti, generando specifiche tecniche e orchestrando l'intero processo in modo governato. Emerge un modello di co-creazione in cui l'AI gestisce la complessità tecnica e il team umano mantiene il controllo strategico.

Un'esperienza che stiamo seguendo nel mondo insurance offre una misura concreta di questo potenziale. Adottando un modello Document Driven Development - in cui agenti AI e code assistant accompagnano l'intero ciclo di sviluppo - sono emersi risultati su più fronti: tempi di migrazione da mainframe a infrastrutture cloud ridotti, qualità e sicurezza del codice migliorati, governance più robusta e maggiore scalabilità nella gestione di progetti complessi.

Ottenere questi risultati richiede un terreno preparato: un framework di gestione/orchestrazione degli agenti AI, pipeline di dati strutturate, infrastrutture di sicurezza solide, competenze adeguate. La gestione del cambiamento passa per programmi di formazione che mettano i team nelle condizioni di lavorare a fianco dei sistemi agentici.

Per banche e compagnie assicurative, questo percorso rappresenta un'opportunità che supera la dimensione tecnica: trasformare vincoli storici in capacità operative rinnovate, liberare risorse e costruire servizi digitali più efficienti e scalabili. Secondo Gartner, entro il 2026 il 30% delle imprese avrà automatizzato più della metà delle proprie attività di rete. Per chi opera nel settore, la finestra per costruire un vantaggio competitivo duraturo è già aperta.