I progetti di intelligenza artificiale si stanno arenando ovunque nel settore bancario.
I consigli di amministrazione hanno approvato i budget, i progetti pilota sono in corso, esiste una roadmap ricca di casi d'uso e i modelli funzionano… ma i cambiamenti concreti tardano ad arrivare.
Quando si tratta di integrare l'AI nei pagamenti, nelle decisioni di credito e nei percorsi cliente, le prestazioni si inceppano non appena le integrazioni diventano complesse e la compliance solleva criticità.
L'ambizione c'è, ma la realtà è che mancano le fondamenta necessarie per trasformarla in risultati concreti.
La ricerca condotta nell'ambito del nostro report globale, Cloud-led innovation in the era of AI: The new rules for driving value with cloud, rivela che, nonostante il 98% delle organizzazioni bancarie e di investimento dichiari che l'ascesa dell'AI ha accresciuto la necessità di investire nel cloud, soltanto il 14% si considera al massimo livello di maturità cloud.
Il vero collo di bottiglia non è l'AI: è il cloud che la supporta
Si tende a considerare l'AI stessa come la parte più complessa. Sebbene l'implementazione e la gestione di modelli e algoritmi possano essere articolate, raramente sono ciò che frena il progresso. Il problema è che l'AI è efficace soltanto quanto l'ambiente in cui opera.
Ad esempio, un modello di rilevamento delle frodi può segnalare una transazione sospetta in millisecondi, ma recuperare i dati corretti potrebbe richiedere minuti. E se il sistema non riesce ad attivare un'azione in tempo reale, o non può agire senza intervento manuale, il valore va perso. L'insight esiste, ma la piattaforma non è in grado di tradurlo in azione.
Per aiutare le organizzazioni a superare questi colli di bottiglia, il cloud è diventato il livello di esecuzione dell'AI: il luogo in cui le decisioni vengono prese, i flussi di lavoro attivati e i sistemi scalano sotto pressione.
Tuttavia, dopo anni di migrazione verso il cloud, molte banche continuano a trattarlo come un semplice spazio di hosting per le applicazioni, anziché come una piattaforma su cui gestire il business e sostenere il peso dell'AI.
L'infrastruttura legacy non è l'unica responsabile
È facile puntare il dito contro i sistemi legacy — e sì, sono parte del problema. Ma migrare verso il cloud non è sufficiente se i dati rimangono dispersi tra sistemi diversi e le applicazioni restano strettamente accoppiate, con integrazioni fragili. Quando l'AI entra in scena, si scontrerà con gli stessi ostacoli.
È per questo che così tanti programmi di AI sembrano bloccati. Sono stati implementati ma non pienamente integrati nei processi, e i dati lo confermano. La metà delle organizzazioni intervistate per il nostro report afferma che la necessità di modernizzare applicazioni e piattaforme dati sta frenando l'innovazione cloud.
Pertanto, l'AI non si inceppa perché i modelli falliscono, bensì perché i sistemi che li circondano non riescono a sostenere la loro dipendenza dai dati in tempo reale, dalle decisioni guidate dagli eventi e dal cambiamento continuo.
Cosa significa “cloud moderno” nell'era dell'AI
La modernizzazione viene spesso discussa in modo errato. Più che spostare i carichi di lavoro da un luogo all'altro, il suo scopo è trasformare il comportamento dell'intero sistema.
Quando i clienti aprono l'app della propria banca, verificano il saldo e ricevono un'offerta personalizzata in tempo reale, basata sulle condizioni di mercato, sui segnali di rischio e sulla cronologia delle transazioni, diverse cose devono accadere istantaneamente:
- I dati devono essere disponibili e aggiornati.
- I sistemi devono comunicare tra loro senza interruzioni.
- Le decisioni devono attivare azioni automaticamente.
- Ogni aspetto deve essere governato e verificabile.
In altre parole, nell'era dell'AI il cloud deve svolgere simultaneamente tre funzioni: essere un backbone dati in tempo reale, una piattaforma su cui i flussi di lavoro intelligenti si dispiegano end-to-end e un ambiente controllato in cui le decisioni possono scalare in sicurezza.
Questo è raggiungibile solo attraverso una progettazione cloud-native: sistemi modulari basati sugli eventi, guidati da interfacce di programmazione delle applicazioni, capaci di evolversi senza interferire con ciò che li circonda.
L'architettura è oggi una decisione regolamentare
Il settore bancario è altamente regolamentato. Con l'integrazione dell'AI nei flussi operativi centrali, i regolatori scrutinano sia i modelli sia gli ambienti in cui operano.Le banche devono conformarsi a normative come il Digital Operational Resilience Act dell'Unione Europea e il Digital Personal Data Protection Act dell'India.
Un report NTT DATA sui leader dell'AI nel settore bancario e dei servizi finanziari rivela che il 62,5% di queste organizzazioni indica la privacy dei dati e la sovranità cross-geografica tra i principali problemi di governance.
Per questo, più in generale, il 99% delle organizzazioni incluse nella nostra ricerca sul cloud si attende un aumento dell'adozione del cloud privato, trainato da esigenze di sicurezza, sovranità e conformità, mentre si prevede che l'adozione del cloud sovrano crescerà del 50% nei prossimi due anni.
Se le architetture delle banche non sono progettate per garantire un controllo di livello regolamentare, le loro strategie AI non potranno scalare, indipendentemente dalla solidità dei modelli.
Perché le strategie cloud e AI devono convergere
Spesso si osserva come AI e cloud vengano trattati come argomenti separati. L'AI è responsabilità dei team di innovazione, mentre i team infrastrutturali si occupano del cloud. Tuttavia, quando le strategie di AI e cloud evolvono in modo isolato, si verificano diverse criticità:
- Le ambizioni in materia di AI superano ciò che la piattaforma è in grado di gestire.
- Gli investimenti cloud mancano di un chiaro obiettivo di business.
- La scalabilità diventa più lenta, più costosa e difficile da governare.
Dati, piattaforme e governance vengono allineati sin dall'inizio.
Questo produce un risultato molto diverso: un'AI che non deve combattere contro il proprio ambiente per scalare, ma che viene invece supportata da esso.
Come i leader stanno avanzando (e perché il loro approccio funziona)
Con il progredire dell'intelligenza nel settore bancario, i sistemi AI agentici stanno diventando sempre più diffusi. Nel credito, ad esempio, i documenti possono ora essere raccolti, verificati, valutati e approvati con un intervento umano minimo, grazie a un sistema AI che orchestra l'intero flusso di lavoro e prende decisioni in modo continuo e su scala.
Questi sistemi agentici stanno già avviando indagini sulle frodi quando emergono anomalie, orchestrando complessi flussi di lavoro per il credito e l'onboarding, e personalizzando le interazioni con i clienti in tempo reale.
Ciascuno di questi flussi di lavoro AI può ora coinvolgere mezza dozzina di applicazioni, molteplici fonti di dati e, sempre più spesso, agenti autonomi che prendono decisioni lungo il percorso. Tentare di gestire tutto questo manualmente o attraverso sistemi disconnessi diventa rapidamente insostenibile.
Alcune banche stanno già modernizzando per livelli, intervenendo dove conta di più. La nostra ricerca globale sull'AI mostra che il 62,5% dei leader bancari e dei servizi finanziari nell'ambito dell'AI utilizza modelli di deployment ibridi — combinando soluzioni plug-and-play con co-innovazione selettiva — rispetto ad appena il 29,2% dei ritardatari del settore.
Questo porta solitamente a un mix di cloud ibrido e modifiche mirate alle applicazioni, con una solida base di piattaforma per unificare tutto in un unico luogo:
- Una visione chiara e end-to-end di ciò che accade in ogni sistema
- Governance integrata nel modo in cui le decisioni vengono prese ed eseguite
- Visibilità continua dei costi man mano che i carichi di lavoro AI scalano
- Automazione che mantiene i processi in movimento senza interventi costanti
Costruisci le fondamenta o limita il futuro della tua AI
La maggior parte delle banche non opera a un livello in cui il cloud rappresenta il layer di esecuzione dell'AI.
Per raggiungere questo traguardo, i leader bancari devono iniziare a guardare al cloud in modo diverso: come fondamento su cui la banca opera e cresce, aprendo la strada a un'innovazione più rapida e a margini migliori.
Solo allora riusciranno a mantenere il proprio vantaggio competitivo nell'era dell'AI.
- LEGGI ANCHE: Il settore bancario guarda oltre i progetti pilota per trasformare l'AI in impatto di business
Questo articolo è stato co-redatto da Kane Stavens, Managing Director: Asia Pacific di NTT DATA.
COSA FARE DOPO
Consulta il report NTT DATA, Cloud-led innovation in the era of AI: The new rules for driving value with cloud, per verificare il livello di maturità cloud della tua organizzazione.