Il settore dei servizi finanziari si trova a un punto di svolta nell’adozione efficace dell’intelligenza artificiale. Nei consigli di amministrazione delle principali banche, il tema ricorrente è: “Abbiamo bisogno dell’AI agentica”. La promessa è allettante: sistemi autonomi capaci di pensare, ragionare e agire in modo indipendente per trasformare le operazioni.
Ma è il momento di fare un’analisi critica: un nuovo studio del MIT rivela che il 95% dei progetti pilota di GenAI nelle imprese non genera impatti aziendali misurabili.
La ricerca, pubblicata dall’iniziativa NANDA del MIT, ha analizzato 150 interviste a dirigenti, sondato 350 dipendenti e studiato 300 implementazioni pubbliche di AI. I risultati sono chiari: mentre circa il 5% dei progetti pilota genera una rapida crescita dei ricavi, la maggior parte si blocca nella fase iniziale, senza impatti significativi su profitti e perdite.
Il MIT ha individuato un punto critico: i fallimenti non dipendono dalla qualità dei modelli, ma da una integrazione aziendale carente, ovvero ciò che il MIT definisce il “divario di apprendimento” tra le capacità avanzate dell’AI e l’infrastruttura organizzativa necessaria per scalare.
Il divario infrastrutturale: una sfida da 100 miliardi di dollari
Il “divario dello stack” rappresenta i costi nascosti tra ciò che le banche prevedono di investire nell’AI agentica e ciò che serve realmente per implementarla. Si stima che questo divario possa superare i 100 miliardi di dollari a livello globale:
- Adeguamento infrastrutturale: nel 2024, il settore finanziario ha investito 45 miliardi di dollari in AI, di cui 31 miliardi solo nel banking. Tuttavia, gran parte dell’infrastruttura non è in grado di supportare le esigenze dell’AI agentica. Gli aggiornamenti dei data center richiedono da tre a cinque volte il budget iniziale, generando oltre 40 miliardi di costi non previsti.
- Complessità di integrazione: ad esempio, le banche britanniche utilizzano centinaia di sistemi diversi. Ogni integrazione AI-sistema costa tra 100.000 e 500.000 dollari. Per le banche globali, i costi di integrazione possono superare i 25 miliardi di dollari.
- Coordinamento tra fornitori: secondo RAND Corporation, il tasso di fallimento dei progetti AI può arrivare all’80%, con la complessità multifornitore come causa principale. Le inefficienze possono aumentare i costi del 30–50%, con una perdita potenziale di 40 miliardi di dollari.
- Divario tra pilota e produzione: il MIT ha rilevato che il 95% dei progetti pilota non scala, mentre RAND riporta l’80% di fallimenti complessivi. Applicando questi dati all’investimento annuale di 31 miliardi nel banking, si ottiene una perdita di opportunità da 23 miliardi di dollari.
La verità meno nota sull’AI agentica è che non riguarda l’intelligenza, ma lo stack.
Perché il divario dello stack sta distruggendo le aspettative sull'AI
Molte banche presentano un panorama tecnologico estremamente complesso: decenni di sistemi integrati alla meglio. Sistemi core degli anni ’90 comunicano con applicazioni cloud tramite middleware rattoppati. I dati sono frammentati in centinaia di sistemi, mentre infrastrutture pensate per l’elaborazione batch devono ora gestire richieste in tempo reale.
Ora immaginate di chiedere a questo ecosistema tecnologico di supportare agenti AI autonomi che devono prendere decisioni istantanee e conformi, con precisione assoluta dei dati. È come pretendere che una vecchia station wagon gareggi in Formula 1.
Questo è il divario dello stack, il baratro tra ciò che l’AI agentica richiede e ciò che la maggior parte delle banche può offrire. Troppi fornitori costruiscono “attici di lusso” su fondamenta instabili. La verità è semplice: non si può implementare l’AI agentica senza trasformare contemporaneamente l’intero stack tecnologico.
- Leggi anche → Come l'Agentic AI sta cambiando le operazioni aziendali: dalla cabina di pilotaggio alla torre di controllo
La realtà infrastructure-first
La maggior parte dei programmi AI parte dagli algoritmi e fallisce sull’infrastruttura. In NTT DATA, proponiamo l’approccio inverso: partire da fondamenta solide che permettano all’AI di funzionare.
Prendiamo il rilevamento delle frodi. Un agente AI che identifica una transazione sospetta potrebbe dover effettuare una valutazione del rischio globale in millisecondi. Questo richiede:
- Infrastruttura AI-ready con elaborazione edge a latenza ultrabassa
- Architettura di rete che distribuisca decisioni a livello globale rispettando la sovranità dei dati
- Pipeline in tempo reale che possano correlare informazioni da decine di sistemi istantaneamente
Come terzo provider mondiale di data center, con un investimento da 10 miliardi di dollari entro il 2027 per infrastrutture AI-ready, NTT DATA non si limita a ospitare l’AI per i clienti, ma ne progetta il sistema nervoso globale.
Dall’infrastruttura bancaria tradizionale al sistema operativo dell’AI
NTT DATA sa che l’AI agentica non può prosperare su basi instabili. Lo abbiamo già dimostrato con BOJ-NET e CAFIS, i sistemi di pagamento che costituiscono la dorsale invisibile del sistema finanziario giapponese, e ora con la nostra Integrated Banking Cloud.
Abbiamo fatto lo stesso in altri settori con piattaforme come TradeWaltz e FEDI, creando infrastrutture digitali affidabili su cui operano interi ecosistemi. Oggi, il nostro Smart AI Agent™ Ecosystem porta queste fondamenta a livello globale, accelerando l’adozione dell’AI agentica con soluzioni pronte per l’industria.
Non stiamo costruendo attici su sabbie mobili. Stiamo progettando il sistema nervoso AI-ready del futuro.
Perché NTT DATA è diversa
A differenza delle startup focalizzate solo sull’AI, NTT DATA ha trascorso decenni a costruire l’infrastruttura globale che rende possibile l’intelligenza autonoma. Ecco perché siamo nella posizione ideale per aiutare le banche a evitare il divario da 100 miliardi:
- Proprietà completa dello stack: dai data center agli algoritmi AI, fino alla trasformazione aziendale
- Scala globale: un’azienda da 30 miliardi di dollari che serve il 75% delle Fortune Global 100
- Integrazione comprovata: implementazioni di successo su larga scala nel settore finanziario
- Partnership strategiche: OpenAI Center of Excellence e alleanze con tutti i principali provider cloud
Con NTT DATA, le istituzioni finanziarie non si limitano a sperimentare l’AI agentica: la scalano.
SIBOS 2025: un reality check
Mentre i leader si riuniscono a Francoforte per SIBOS 2025, ci sono alcune domande da porsi:
- Come colmare il divario dello stack per abilitare l’adozione su larga scala dell’AI?
- Il tuo fornitore AI può garantire latenza sotto il millisecondo a livello globale?
- Il tuo provider cloud assicura la conformità con le leggi sui dati di ogni giurisdizione?
- Il tuo system integrator può modernizzare i sistemi legacy bancari senza interruzioni?
Il futuro appartiene all’AI full-stack
Il futuro dell’AI agentica nel banking non riguarda solo algoritmi intelligenti. Riguarda anche infrastrutture intelligenti. Chi lo capisce e collabora con fornitori capaci di offrire entrambi guiderà la trasformazione del settore.
In NTT DATA, abbiamo costruito entrambi.
