Altieri Pignalosa (EY): "AI, le banche devo passare dall'approccio tattico all'analisi dei processi"

L’intelligenza artificiale è ormai una priorità dichiarata per i vertici delle banche, ma la sua adozione resta ancora in una fase iniziale. Il punto, quindi, non è più chiedersi se investire sull’AI. È capire come farlo in modo selettivo, strategico e coerente con i processi che generano davvero valore.

Lo sottolinea Antonio Altieri Pignalosa, Partner, Financial Services Risk di EY, nella videointervista rilasciata a Bancaforte in occasione di Supervision, Risks & Profitability 2026. Nella tavola rotonda di apertura si è discusso delle principali innovazioni che stanno interessando il settore bancario, con un’attenzione particolare all’intelligenza artificiale e al suo impatto sui processi, sui rischi e sulla gestione del capitale.

Altieri Pignalosa richiama i risultati di una survey globale condotta da EY in collaborazione con l’Institute of International Finance, che ha coinvolto circa cento banche di diversi Paesi. Il quadro è netto: se l’AI è una priorità per i C-level, nel 72% dei casi il livello di adozione è ancora iniziale. Le sperimentazioni si sono concentrate soprattutto su financial crime e cyber security, mentre risultano meno avanzati gli interventi sui modelli di misurazione del rischio di credito e di mercato. Su questo fronte, anche grazie all’apertura della Vigilanza, nei prossimi mesi è atteso un maggiore sviluppo.

Il freno principale resta la qualità dei dati. Secondo la survey, l’80% degli intervistati considera la mancata disponibilità dei dati, o la loro qualità insufficiente, un ostacolo alla piena adozione dell’intelligenza artificiale. Un limite che si riflette anche sull’utilizzo della GenAI: solo una quota molto ridotta degli strumenti testati dalle aziende arriva poi in produzione. Il problema non riguarda soltanto la tecnologia. Riguarda anche la mancanza di una visione strategica. 

Finora, osserva Altieri Pignalosa, molte banche hanno seguito un approccio soprattutto tattico: si è partiti dalla tecnologia e dalla promessa di efficienza operativa, cercando poi di calarla nei singoli processi. Il paradigma va rovesciato. Bisogna partire dall’analisi dei processi, individuare gli ambiti in cui è possibile creare maggiore valore e solo dopo capire dove l’intelligenza artificiale può incidere in modo rilevante. L’efficienza resta un risultato importante, ma non dovrebbe essere l’unico obiettivo né il punto di partenza.

Un esempio concreto è la capital intelligence, ambito su cui EY ha sviluppato progetti con diverse banche europee e, più di recente, con un gruppo bancario significant in Italia. L’obiettivo è rendere più strategica la gestione del capitale, superando iniziative sporadiche di efficientamento e integrando l’ottimizzazione degli RWA nelle decisioni operative quotidiane.

Per arrivarci serve una base dati adeguata. Il tema della data unification diventa quindi centrale: in molte banche le informazioni sono ancora distribuite su sistemi non integrati, con tassonomie differenti e responsabilità frammentate tra utenti diversi. Costruire un’infrastruttura dati più solida, anche attraverso il cloud, consente di gestire volumi informativi più ampi e granulari, creando le condizioni per applicare tecniche di machine learning alla lettura del portafoglio crediti.

L’AI può così aiutare a individuare le porzioni di portafoglio su cui avviare iniziative commerciali mirate, con l’obiettivo di migliorare il profilo rischio-rendimento. Può inoltre supportare strumenti di simulazione più evoluti. Altieri Pignalosa cita, ad esempio, lo sviluppo di agenti AI capaci di leggere le novità regolamentari e contribuire alla produzione di analisi di sensitivity, così da stimare in anticipo i possibili effetti dell’entrata in vigore di nuove norme.

La capital intelligence è solo un caso applicativo, ma indica una direzione più ampia. L’intelligenza artificiale esprime il proprio potenziale quando viene inserita in una visione di trasformazione dei processi, sostenuta da dati affidabili e orientata alla creazione di valore. Non come sperimentazione isolata, né come scorciatoia per ridurre costi nel breve periodo, ma come leva per rendere più efficaci le decisioni bancarie.

Guarda lo Speciale Supervision, Risks & Profitability 2026