Agire senza capire: l’intelligenza artificiale cambierà la finanza prima di cambiare se stessa

L’AI entra nei processi decisionali di banche, imprese e mercati. Dallo scoring creditizio ai pagamenti autonomi, il problema non è soltanto l’affidabilità degli algoritmi, ma la capacità delle istituzioni di verificarli e contraddirli.
Intelligenza artificiale nella finanza: una professionista e un robot umanoide osservano grafici finanziari su uno schermo.

Gary Marcus avverte che siamo solo all’inizio delle conseguenze dell’AI. Per banche, investitori e imprese la questione decisiva non è se le macchine comprendano il mondo ma se chi le usa conservi la capacità di contraddirle. I segnali che arrivano dalla vigilanza, dai pagamenti e dai mercati del credito indicano che il banco di prova è più vicino di quanto sembri.

Nei giorni scorsi Gary Marcus, professore emerito alla New York University e da anni il più noto critico dell’intelligenza artificiale generativa, è intervenuto a Roma all’iniziativa della Sapienza AI Beyond the Hype. Ha ribadito le sue tesi più note: diffidenza verso gli agenti autonomi, richiesta di una governance globale e previsione che OpenAI possa fare la fine di WeWork. Il messaggio che conviene trattenere però è un altro e riguarda il tempo. Siamo soltanto all’inizio delle conseguenze dell’intelligenza artificiale, non necessariamente all’inizio della sua intelligenza.

Per il sistema finanziario questa distinzione non è accademica. La finanza è il settore in cui un errore smette più rapidamente di essere un’informazione sbagliata per diventare una posizione aperta, un pagamento eseguito, un finanziamento erogato o negato. È anche il settore che più di ogni altro ha fondato la propria stabilità su catene di controllo pensate per decisori umani. Ed è quindi il luogo dove il paradosso descritto da Marcus produce gli effetti più concreti: affidiamo compiti che richiedono un’affidabilità elevatissima a sistemi che non la garantiscono ancora e ne aumentiamo l’autonomia prima di aver risolto il problema.

Quando l’errore diventa un’operazione

Fino a poco tempo fa il danno prodotto da un modello linguistico restava confinato al piano dell’informazione: una notizia inventata, un calcolo errato, una sintesi infedele. Con gli agenti cambia la natura del rischio. Un sistema capace di usare applicazioni, modificare documenti, eseguire codice e avviare procedure non si limita a sbagliare una risposta. Può trasformare un errore di interpretazione in un’azione con effetti contabili, contrattuali e patrimoniali.

Il punto non è che l’AI diventi troppo intelligente. Il punto è che acquisisce capacità operative superiori alla propria affidabilità decisionale. In un ufficio crediti, in un back office titoli o in una tesoreria aziendale questa asimmetria ha un nome preciso: è il divario fra il potere conferito a un operatore e la verificabilità del suo comportamento. Le istituzioni finanziarie lo gestiscono da decenni con la separazione delle funzioni, il principio dei quattro occhi, i limiti di firma e di esposizione. Sono però presidi tarati sui tempi e sugli errori umani. Un agente che istruisce una pratica, la valuta e prepara la delibera in pochi secondi comprime esattamente la sequenza su cui quei presidi si reggevano.

Architettura del rischio

Dall’informazione all’operazione

Tre livelli di autonomia, tre diverse esigenze di controllo.

Informare

Il modello produce analisi, sintesi o valutazioni. L’operazione resta separata.

Rischio caratteristico

Informazione inesatta

Proporre

Il sistema elabora una decisione o prepara un’operazione da sottoporre ad approvazione.

Rischio caratteristico

Approvazione acritica

Eseguire

L’agente interviene direttamente su pagamenti, applicazioni o procedure entro un mandato.

Rischio caratteristico

Effetto patrimoniale o operativo

Il salto decisivo non è nella qualità della risposta, ma nel potere di produrre conseguenze. Aumentando l’autonomia, il controllo deve riguardare anche il mandato e l’esecuzione.

Schema interpretativo redazionale. I livelli descrivono funzioni operative, non una classificazione normativa dei sistemi AI.

C’è poi una dimensione che il dibattito pubblico tende a trascurare e che per la finanza è decisiva: la correlazione. In un rapporto del novembre 2024 il Financial Stability Board ha indicato fra le vulnerabilità sistemiche legate all’AI la dipendenza da un numero ristretto di fornitori di modelli, servizi cloud e hardware. Ha segnalato anche l’aumento delle correlazioni nelle negoziazioni, nel credito e nella formazione dei prezzi che deriva dall’uso di modelli e fonti di dati comuni. Mille agenti costruiti sulle stesse poche architetture non equivalgono a mille giudizi indipendenti. In condizioni normali l’omogeneità è invisibile e persino efficiente; in una fase di stress può tradursi in decisioni sincrone, ritiri simultanei di liquidità, reazioni procicliche. Il rischio che Marcus descrive come una serie di incidenti isolati assume in finanza la forma, assai più insidiosa, dell’errore comune.

Le autorità hanno cominciato a prendere sul serio questo scenario. Nella primavera del 2026 il Financial Policy Committee della Banca d’Inghilterra ha concluso che l’AI più avanzata, generativa o agentica, non è ancora impiegata in modo tale da generare rischio sistemico. Ha aggiunto però che il rischio potrebbe crescere con l’estensione dei progetti già annunciati dagli intermediari. Ha quindi chiesto analisi specifiche sull’uso degli agenti nei pagamenti e nei mercati. La banca centrale ha inoltre avviato simulazioni dedicate ai comportamenti gregari capaci di amplificare le vendite nelle fasi di tensione. Negli stessi giorni il governatore Andrew Bailey ha osservato che un nuovo modello di Anthropic, particolarmente abile nell’individuare vulnerabilità informatiche, poteva scardinare l’intero equilibrio del rischio cyber. È l’esempio più netto di capacità che crescono più rapidamente delle difese predisposte per contenerle.

Dal consenso al mandato: il nodo dei pagamenti agentici

Il punto in cui questa trasformazione toccherà per primo la vita quotidiana di famiglie e imprese è probabilmente il pagamento. Mastercard ha presentato Agent Pay alla fine di aprile 2025; il giorno successivo Visa ha annunciato Intelligent Commerce. Da allora i grandi circuiti hanno costruito infrastrutture per riconoscere gli agenti, assegnare loro credenziali dedicate e circoscriverne l’operatività. La questione decisiva resta tuttavia aperta. Come riconosce un operatore del settore come Worldpay, la ripartizione delle responsabilità fra esercente, emittente e piattaforma dell’agente è in larga parte irrisolta non appena una contestazione va oltre la frode conclamata.

La difficoltà non è tecnica ma concettuale. La disciplina dei pagamenti poggia sulla nozione di operazione autorizzata, cioè sul consenso del pagatore. Quando a pagare è un agente il consenso si trasforma in mandato: il cliente non approva più la singola operazione ma delega un perimetro di operazioni possibili. Ogni controversia futura ruoterà attorno alla stessa domanda. L’agente ha eseguito ciò che il cliente voleva oppure ciò che il cliente aveva scritto?

Il Regno Unito è il primo grande ordinamento ad aver trasformato la domanda in agenda politica. Il 14 luglio 2026 il Tesoro britannico ha pubblicato un piano per l’adozione dell’AI nei servizi finanziari che indica i pagamenti agentici come priorità alta. Prevede un quadro di fiducia fondato su regole di responsabilità, protocolli di identificazione degli agenti e standard di autenticazione fra macchine. Pochi giorni prima la Mills Review della FCA aveva descritto quattro trasformazioni sistemiche attese entro il 2030: l’AI cambierà le imprese finanziarie, i percorsi dei clienti saranno guidati da agenti, il potere di mercato e la concorrenza verranno ridisegnati, la criminalità finanziaria ne risulterà amplificata. È ragionevole attendersi che le prime risposte operative arrivino dalle regole contrattuali dei circuiti prima che dalla legge. Chi scriverà quelle regole acquisirà un potere di indirizzo sull’intero commercio mediato dalle macchine.

La comprensione è la domanda sbagliata

Marcus insiste da anni sul fatto che i modelli linguistici non comprendano davvero il mondo. È una tesi filosoficamente discutibile, se non altro perché manca una definizione condivisa di comprensione che consenta di stabilire quando un sistema artificiale la possieda. Soprattutto non è necessario risolvere questa controversia per affrontare il problema della sicurezza.

La finanza lo sa meglio di qualunque altro settore: da sempre governa agenti di cui non conosce l’interiorità. A un gestore non si chiede di dimostrare di aver compreso il mercato. Gli si assegna un mandato, si fissano limiti di rischio, si registrano le operazioni, si misurano gli scostamenti e si revoca la delega quando il comportamento esce dal perimetro. Il problema principale-agente, che attraversa l’intera teoria della finanza d’impresa, non si risolve indagando la coscienza dell’agente ma allineando incentivi e verificando condotte.

Un sistema può non comprendere il mondo come un essere umano e risultare comunque efficace; un essere umano può comprendere perfettamente le conseguenze di un’azione e commettere ugualmente un errore catastrofico. La storia delle crisi finanziarie è in larga parte la storia della seconda ipotesi. La questione rilevante non è dunque se un agente comprenda: è quali garanzie si possano ottenere sul suo comportamento in rapporto al potere che gli viene affidato. Qui la diagnosi di Marcus è corretta. La sua spiegazione lo è meno, perché attribuisce all’assenza di comprensione autentica problemi che dipendono in larga misura dal disegno dei mandati, dei limiti e dei controlli.

Il funzionario che firma senza poter dissentire

Il rischio più rilevante per il sistema finanziario potrebbe non essere quello che Marcus immagina. I suoi scenari (interruzioni di servizi essenziali, incidenti informatici, agenti progettati male che causano danni a catena) sono plausibili ma non inevitabili. Vengono inoltre presentati spesso con una sicurezza che non si accompagna a una quantificazione verificabile del rischio.

Esiste una conseguenza meno spettacolare e più profonda. Man mano che gli agenti entrano nei processi decisionali diventa sempre più difficile distinguere fra una decisione umana assistita dall’AI e una decisione dell’AI ratificata da un essere umano.

Il caso del credito è esemplare. Si immagini un intermediario che affidi a un sistema automatizzato l’analisi del merito creditizio, la valutazione delle garanzie e la proposta delle condizioni contrattuali. Formalmente la delibera resta in capo a un funzionario. Sostanzialmente quel funzionario potrebbe non disporre più delle competenze, del tempo o delle informazioni necessarie per contestare l’analisi. Il controllo umano resterebbe presente sulla carta e perderebbe significato nei fatti: l’autorità conservata, la capacità di esercitarla erosa.

Il legislatore europeo ha intuito il problema. L’AI Act classifica ad alto rischio i sistemi destinati a valutare l’affidabilità creditizia delle persone fisiche, con l’eccezione di quelli usati per individuare frodi. L’articolo 14 impone una sorveglianza umana efficace e nomina espressamente il rischio di affidamento acritico all’output del sistema, la cosiddetta automation bias. Con il regolamento Omnibus, in vigore dal 27 luglio 2026, l’applicazione di questi obblighi è stata rinviata al 2 dicembre 2027. Sul versante della protezione dei dati la Corte di giustizia dell’Unione ha stabilito il 7 dicembre 2023, nel caso SCHUFA, che il punteggio di affidabilità può costituire esso stesso una decisione automatizzata quando orienta in modo determinante la scelta del finanziatore. Nel febbraio 2025, con la causa C-203/22, ha poi riconosciuto all’interessato il diritto a una spiegazione della logica seguita.

Una norma che prescrive la sorveglianza non garantisce tuttavia che esista qualcuno in grado di esercitarla. Gli incentivi organizzativi spingono nella direzione opposta. Discostarsi dal modello e sbagliare espone il funzionario a una responsabilità personale; seguirlo e sbagliare gli consente di invocare la procedura. Gli obiettivi di produttività riducono il tempo per pratica. La compliance documenta la presenza della firma, non la qualità del dissenso. Ne deriva una distribuzione asimmetrica dei costi: l’intermediario ottiene efficienza e conformità formale, il cliente sopporta gli errori del modello, l’autorità di vigilanza osserva un processo che appare presidiato.

Governance delle decisioni

Una firma non è una verifica

Quattro differenze tra presenza del controllo umano e capacità reale di esercitarlo.

01 Autorità

Il funzionario conserva la firma.

Può modificare o respingere la proposta del modello.

02 Conoscenza

Riceve un risultato e la relativa documentazione.

Dispone di informazioni sufficienti per contestarlo.

03 Tempo

La procedura prevede un passaggio umano.

Il tempo disponibile consente una valutazione autonoma.

04 Dissenso

Gli scostamenti dal modello sono consentiti.

Gli scostamenti sono praticabili, motivati e valutati.

La sorveglianza umana non si misura dal numero di approvazioni. Dipende dalla possibilità concreta di formulare un giudizio indipendente.

Matrice interpretativa redazionale. I criteri illustrano la distinzione tra controllo formale e sostanziale; non costituiscono requisiti normativi autonomi.

Il legislatore italiano ha adottato per un ambito diverso una formula che illumina il problema anche oltre il suo perimetro. La legge 132 del 2025, in vigore dal 10 ottobre 2025, stabilisce che nelle professioni intellettuali l’intelligenza artificiale possa servire soltanto ad attività strumentali e di supporto, con prevalenza del lavoro intellettuale del professionista. È un principio sensato. La prevalenza dichiarata però non coincide con quella effettiva. Nessun registro di firme è in grado di misurare la differenza.

Gli effetti di secondo e terzo ordine sono ancora più rilevanti. Nell’arco di una generazione professionale la funzione crediti può perdere la competenza che le consentiva di contraddire il modello: la lettura del bilancio oltre gli indici, la conoscenza diretta dell’imprenditore, quell’informazione qualitativa che il credito di relazione ha sempre valorizzato e che per un tessuto produttivo composto in larga parte di piccole e medie imprese, come quello italiano, non è un dettaglio. E quando il modello sbaglierà davvero, presumibilmente in un cambio di regime che i dati storici non contenevano, potrebbe non esserci più nessuno capace di riconoscerlo per tempo.

OpenAI come WeWork? Un precedente che dimostra meno di quanto sembri

Marcus paragona OpenAI a WeWork almeno dal 2023. La società di spazi di lavoro condivisi ritirò la quotazione nel settembre 2019, approdò alla Borsa di New York nell’ottobre 2021 attraverso una SPAC e nel novembre 2023 chiese la protezione del Chapter 11. L’ipotesi di una forte correzione delle valutazioni nel settore dell’intelligenza artificiale merita attenzione. Non dimostra però ciò che Marcus sembra suggerire. Le cifre su valutazioni e indebitamento che circolano nel dibattito andrebbero del resto verificate autonomamente prima di essere assunte come dati consolidati.

Il fallimento economico di un’impresa tecnologica non coincide con il fallimento della tecnologia che sviluppa. La storia finanziaria offre precedenti abbondanti. La febbre ferroviaria britannica degli anni Quaranta dell’Ottocento si chiuse con un crollo che distrusse una quota rilevante del capitale investito. Lasciò tuttavia al paese una rete destinata a restare per decenni la spina dorsale dei suoi trasporti. Il crollo delle telecomunicazioni dei primi anni Duemila portò al dissesto di operatori che avevano posato enormi quantità di fibra ottica; quella fibra, in parte rilevata a prezzi di realizzo, divenne l’infrastruttura su cui si è costruita l’economia digitale successiva. La stessa parabola di WeWork conferma il punto più di quanto lo smentisca: nel giugno 2024 la società è uscita dalla procedura con una nuova proprietà e miliardi di dollari di debito cancellati. Gli azionisti hanno perso. L’attività è sopravvissuta, ridimensionata.

La lezione per investitori e finanziatori è precisa: nei cicli di innovazione il valore non scompare, migra. Passa dai pionieri agli utilizzatori, da chi ha sostenuto il costo dell’infrastruttura a chi la rileva a sconto. La domanda rilevante non è quindi se la tecnologia sopravviverà ma dove si accumulerà il valore lungo la catena (semiconduttori, capacità di calcolo, modelli, applicazioni, imprese utilizzatrici) e chi ne sopporterà il debito. È qui che il dibattito sulla bolla smette di riguardare soltanto la Borsa. La Banca d’Inghilterra ha avvertito che il peso crescente del debito nella costruzione dell’infrastruttura dell’AI può amplificare i rischi in caso di correzione delle valutazioni. Nel rapporto di luglio ha definito le valutazioni del settore più tirate di prima e ha segnalato vulnerabilità più marcate nel credito privato. Il prossimo passaggio da osservare è la Financial Stability Review della BCE, attesa per il 18 novembre.

Se OpenAI subisse un forte ridimensionamento, ciò dimostrerebbe che il mercato aveva attribuito a una singola impresa aspettative superiori alla sua capacità di generare rendimenti. Non dimostrerebbe che i modelli linguistici abbiano raggiunto un limite strutturale. C’è anzi un paradosso che merita di essere considerato: una correzione potrebbe rendere la tecnologia più economica e quindi più pervasiva, come accadde alla fibra, accelerandone la diffusione nei processi aziendali proprio mentre si indebolisce la capacità di governarla. Lo scoppio di una bolla non risolverebbe il problema di controllo descritto sopra. Potrebbe aggravarlo.

Che cosa è lecito attendersi

Le previsioni che seguono non sono certezze. Sono giudizi ragionati, costruiti sui segnali che vigilanza e mercato hanno già emesso.

Il dissenso diventerà una metrica di vigilanza

Finora la governance dei modelli si è concentrata sulla loro accuratezza. È probabile che l’attenzione si sposti sulla capacità residua dell’organizzazione di contraddirli: quante volte il giudizio umano si discosta dall’output automatico, con quali motivazioni, con quali esiti a posteriori. Un tasso di scostamento prossimo allo zero non è necessariamente il segno di un modello eccellente. Può essere il sintomo di una funzione di controllo che ha smesso di esistere senza che nessuno se ne accorgesse. Già nel gennaio 2026 la commissione Tesoro della Camera dei Comuni chiedeva alla FCA di chiarire quanto i dirigenti debbano comprendere dei sistemi che supervisionano. La domanda che seguirà è quanto debbano essere in grado di smentirli.

Conoscere l’agente diventerà importante quanto conoscere il cliente

L’adeguata verifica della clientela si è costruita in decenni attorno a una persona fisica o giuridica identificabile. Con i pagamenti agentici ogni operazione dovrà ricondurre a una catena verificabile che unisce cliente, mandato, agente e transazione. Il piano britannico chiama questo requisito Know Your Agent. È plausibile che diventi un adempimento ordinario anche negli altri ordinamenti, con costi di conformità che peseranno soprattutto sugli intermediari più piccoli.

I fornitori di modelli entreranno nel perimetro delle terze parti critiche

Il 18 novembre 2025 le autorità europee di vigilanza hanno pubblicato il primo elenco DORA dei fornitori tecnologici critici per il sistema finanziario: diciannove soggetti, soprattutto grandi piattaforme cloud, operatori di data center e fornitori di tecnologia finanziaria. L’elenco viene aggiornato ogni anno. Se gli agenti diventeranno parte delle funzioni essenziali di banche e assicurazioni, i fornitori dei modelli su cui poggiano presenteranno le stesse caratteristiche che hanno giustificato quelle designazioni: concentrazione, scarsa sostituibilità, impatto potenzialmente sistemico di un’interruzione. È un’ipotesi, non un fatto. La logica regolatoria la rende però difficile da evitare.

La relazione con il cliente migrerà verso chi controlla l’agente

Se i percorsi dei clienti saranno guidati da agenti, come prevede la FCA, l’intermediario non competerà più soltanto per l’attenzione del cliente. Competerà per la valutazione di un algoritmo che confronta offerte per conto del cliente. È una pressione strutturale sui margini e sulla fedeltà, perché l’agente non ha abitudini né inerzie. Il valore tenderà a spostarsi verso chi controlla l’interfaccia dell’agente e verso chi dispone dei dati sugli esiti reali delle decisioni. È la stessa migrazione di valore osservata nei cicli infrastrutturali, applicata questa volta alla distribuzione dei servizi finanziari.

Il test della bolla si giocherà nel credito

Nella misura in cui l’infrastruttura di calcolo è finanziata a leva, una correzione delle valutazioni non resterebbe confinata all’azionariato. Si trasmetterebbe ai finanziatori, al credito privato e ai veicoli fuori bilancio usati per i grandi data center. Per questo le prossime revisioni di stabilità finanziaria delle banche centrali sono un indicatore più eloquente delle quotazioni di Borsa.

L’autorità che sopravvive alla competenza

Marcus legge il problema dell’intelligenza artificiale soprattutto attraverso la categoria dell’inaffidabilità tecnica. È una parte della questione, non la questione intera. Per la prima volta disponiamo di sistemi capaci di intervenire in un numero crescente di attività economiche senza che occorra attribuire loro coscienza, volontà o intelligenza generale. La trasformazione economica può quindi precedere di molto la soluzione dei problemi filosofici sulla loro natura: potremmo non sapere che cosa significhi comprendere per una macchina mentre quella stessa macchina partecipa già all’allocazione del credito, alla formazione dei prezzi, alla selezione degli investimenti e all’organizzazione del lavoro.

La finanza è, per costruzione, un sistema di giudizi delegati. Il rating delega la valutazione del rischio, lo scoring quella dell’affidabilità, il mercato quella del prezzo. Ogni delega funziona finché chi delega conserva la capacità di verificare il delegato. Il pericolo più serio non riguarda quindi le macchine che fanno ciò che non abbiamo chiesto. Riguarda le macchine che eseguono esattamente ciò che chiediamo (massimizzare un rendimento, minimizzare un tasso di insolvenza, ridurre un costo) mentre perdiamo progressivamente la capacità di comprendere che cosa stiamo chiedendo e quali conseguenze ne derivano. Un obiettivo formulato male e perseguito con efficienza illimitata è un problema che la finanza conosce bene: ogni indicatore trasformato in obiettivo tende a smettere di misurare ciò che misurava.

In questo senso siamo davvero soltanto all’inizio, anche se non per le ragioni indicate da Marcus. Il problema più profondo non è impedire agli agenti di compiere azioni sbagliate. È comprendere come cambiano le strutture della responsabilità, dell’autorità e della conoscenza quando una parte crescente delle decisioni economiche viene elaborata da sistemi che nessun singolo essere umano è più in grado di valutare integralmente. È un processo silenzioso, che può compiersi senza crisi spettacolari né anomalie evidenti. Per questo, nei bilanci delle istituzioni finanziarie dei prossimi anni, rischia di essere la voce meno visibile e la più costosa.

Apparato documentale

Fonti e riferimenti

Documenti istituzionali, atti normativi e pronunce che consentono di approfondire i rischi dell’intelligenza artificiale nei servizi finanziari, la vigilanza, la resilienza operativa e il controllo delle decisioni.

Fonti
verificate
3 Documenti di vigilanza 1 Report internazionale 2 Regolamenti UE 1 Comunicazione istituzionale 1 Giurisprudenza
  1. Report internazionale · Fonte primaria

    Financial Stability Board. 2024. The Financial Stability Implications of Artificial Intelligence. 14 novembre.

    Esamina i canali attraverso cui l’adozione dell’AI può amplificare vulnerabilità finanziarie: concentrazione dei fornitori, correlazione dei mercati, rischio informatico, qualità dei dati e governance.

    Report originale
  2. Documento di vigilanza · Fonte primaria

    Bank of England, Financial Policy Committee. 2026. Financial Stability Report — July 2026.

    Analizza le implicazioni dell’AI avanzata per la stabilità finanziaria, con particolare attenzione alle vulnerabilità informatiche, operative e alle interdipendenze tecnologiche.

    Documento originale
  3. Documento di vigilanza · Fonte primaria

    Bank of England, Financial Policy Committee. 2026. Financial Policy Committee Record — September 2026. 30 settembre.

    Documenta le preoccupazioni della vigilanza per l’autonomia crescente dei modelli, i rischi operativi e l’espansione del finanziamento degli investimenti in AI.

    Documento originale
  4. Documento istituzionale · Fonte primaria

    Bank of England, Financial Conduct Authority e HM Treasury. 2026. The Bank, FCA and HM Treasury Joint Statement on Frontier AI Models and Cyber Resilience. 15 maggio.

    Indica le esigenze di governance, prevenzione, contenimento e risposta ai rischi informatici connessi all’evoluzione dei modelli AI avanzati nel settore finanziario britannico.

    Dichiarazione ufficiale
  5. Regolamento UE · Fonte normativa

    Parlamento europeo e Consiglio dell’Unione europea. 2024. Regolamento (UE) 2024/1689 che stabilisce regole armonizzate sull’intelligenza artificiale. 13 giugno.

    Quadro normativo europeo per i sistemi AI, compresi classificazione del rischio, requisiti di governance, supervisione umana e obblighi applicabili ai sistemi ad alto rischio. Da leggere con le successive modifiche.

    Testo normativo
  6. Comunicazione istituzionale · Fonte primaria

    Commissione europea. 2026. AI Omnibus Enters into Force. 27 luglio.

    Illustra le modifiche al calendario di applicazione delle disposizioni dell’AI Act, compreso il termine del 2 dicembre 2027 per i sistemi ad alto rischio dell’allegato III.

    Comunicazione ufficiale
  7. Regolamento UE · Fonte normativa

    Parlamento europeo e Consiglio dell’Unione europea. 2022. Regolamento (UE) 2022/2554 relativo alla resilienza operativa digitale per il settore finanziario. 14 dicembre.

    Disciplina la gestione del rischio informatico, la resilienza operativa e la supervisione delle dipendenze tecnologiche nel settore finanziario, inclusi i fornitori terzi critici di servizi TIC.

    Testo normativo
  8. Giurisprudenza · Fonte primaria

    Corte di giustizia dell’Unione europea. 2023. OQ contro Land Hessen, causa C-634/21, SCHUFA Holding (Scoring). Sentenza del 7 dicembre. ECLI:EU:C:2023:957.

    Pronuncia sull’applicazione dell’articolo 22 del GDPR alla produzione automatizzata di punteggi di affidabilità creditizia utilizzati da terzi nelle decisioni.

    Archivio della Corte
Nota documentale
Nel dossier

Quando l’algoritmo entra nelle decisioni finanziarie

Tre analisi di GrifoNews ricostruiscono come l’intelligenza artificiale modifica la valutazione del credito, la responsabilità degli intermediari e il monitoraggio delle imprese.

03 approfondimenti
  1. Il meccanismo

    Credito bancario, lo scoring entra nell’era dell’AI regolamentata: cosa cambia per banche e imprese

    L’analisi dei modelli predittivi applicati al credito mostra come l’automazione modifichi la catena decisionale della banca, dalla qualità dei dati alla validazione e al controllo dei risultati.

  2. La responsabilità

    Se l’algoritmo decide il tuo credito — e nessuno sa più spiegarti perché

    Il problema della comprensibilità diventa una questione di responsabilità: chi deve giustificare una decisione automatizzata quando l’intermediario non riesce più a ricostruirne adeguatamente le ragioni?

  3. L’applicazione

    La banca ti legge in tempo reale

    Il rating delle imprese non dipende soltanto dai bilanci periodici. L’impiego di informazioni transazionali e modelli algoritmici amplia le possibilità di osservazione continuativa del rischio creditizio.

Federico Calvi, autore di GrifoNews
L’autore

Federico Calvi

IT Specialist · Sistemi informativi, infrastrutture digitali e cybersecurity

Federico Calvi si occupa di sistemi informativi e infrastrutture digitali, con attività che comprendono la gestione di software e hardware, l’organizzazione delle procedure informatiche e il supporto all’operatività tecnologica aziendale. Su GrifoNews approfondisce temi legati a cybersecurity, infrastrutture IT, sicurezza dei dati e trasformazione digitale, con particolare attenzione alle implicazioni concrete per imprese e organizzazioni.

Aree di competenza: sistemi informativi, infrastrutture IT, cybersecurity, sicurezza dei dati, software e trasformazione digitale.


Note redazionali

  • Scadenza interna al testo: il riferimento alla Financial Stability Review della BCE del 18 novembre vale fino a quella data. Se l’articolo esce dopo, va sostituito con quanto la BCE avrà effettivamente scritto.
  • Fonte secondaria da sostituire, se possibile: il passaggio sulla Banca d’Inghilterra e il debito dell’infrastruttura AI viene da un lancio Reuters ripreso da terzi, senza data esatta. Il contenuto è coerente con il rapporto di luglio, ma conviene linkare il Financial Stability Report originale sul sito della banca. Lo stesso vale per il rapporto di luglio, oggi citato tramite una testata regionale britannica.
  • Legge 132/2025: la formula dell’art. 13 è riportata nella sostanza. La legge riguarda le professioni intellettuali e non gli intermediari finanziari; il testo lo dichiara esplicitamente per evitare letture improprie.
  • Sezione previsionale: le cinque anticipazioni sono dichiarate come giudizi. Le premesse fattuali di ciascuna sono verificate; le conclusioni restano previsioni.
  • Controllo regolatorio: il rischio resta basso. La sezione sulla relazione con il cliente che migra verso gli agenti tocca da vicino il modello di business dei mediatori creditizi. È un’analisi legittima, ma sarebbe imprudente affiancarle comunicazione commerciale GrifoFinance nella stessa pagina.

Fonti:

SmartWorld, evento Sapienza
https://www.smartworld.it/tecnologia/gary-marcus-boicottaggio-ia-crollo-openai.html

FSB, rapporto 2024
https://www.fsb.org/2024/11/the-financial-stability-implications-of-artificial-intelligence/

A&O Shearman, FPC marzo 2026
https://finreg.aoshearman.com/fpc-record-of-march-meeting

Banca d’Inghilterra, lettera aprile 2026
https://www.bankofengland.co.uk/-/media/boe/files/letter/2026/response-to-tsc-inquiry-report-on-ai-in-financial-services.pdf

Reuters via The Star, test BoE
https://www.thestar.com.my/tech/tech-news/2026/04/16/bank-of-england-says-it-is-testing-ai-risks-to-financial-system

Worldpay, responsabilità agentica
https://worldpay.com/insights/articles/agentic-commerce-liability-is-still-being-written

Regulation Tomorrow, piano HMT
https://www.regulationtomorrow.com/2026/07/hmt-publishes-financial-services-ai-adoption-plan/

Osborne Clarke, Mills Review
https://www.osborneclarke.com/insights/regulatory-outlook-september-2026-fintech-digital-assets-payments-consumer-credit

Insurance Journal, Treasury Committee
https://amp.insurancejournal.com/news/international/2026/01/20/854841.htm

AI Act, Allegato III
https://ai-act-service-desk.ec.europa.eu/it/ai-act/annex-3

Edotto, Omnibus digitale
https://www.edotto.com/articolo/ai-act-pubblicato-il-regolamento-digital-omnibus-semplificazioni-e-nuove-scadenze

Bird & Bird, SCHUFA
https://twobirds.com/en/insights/2023/global/key-takeaways-from-the-schufa-case-of-the-cjeu

PMI.it, C-203/22
https://www.pmi.it/finanza/investimenti-pmi/497999/intelligenza-artificiale-valutazione-merito-creditizio.html

Cybersecurity360, legge 132
https://www.cybersecurity360.it/legal/la-nuova-normativa-italiana-sullia-principi-applicazioni-governance_legge_132-2025/

ESMA, elenco DORA
https://www.esma.europa.eu/press-news/esma-news/european-supervisory-authorities-designate-critical-ict-third-party-providers

Reuters via Yahoo, WeWork
https://sg.finance.yahoo.com/news/wework-emerges-bankruptcy-ceo-tolley-171957337.html

Express & Star, FSR luglio
https://www.expressandstar.com/uk-news/rapid-ai-advances-increasing-financial-stability-risks-bank-of-england-warns-8782094

MarketScreener, debito AI
https://in.marketscreener.com/news/five-debt-hotspots-in-the-ai-data-centre-boom-ce7d50dbda80f120

SUERF, FSR BCE novembre
https://www.suerf.org/events/key-takeaways-from-the-ecb-november-2026-financial-stability-review/

Total
0
Shares
Articoli collegati
Total
0
Share