Nel sistema finanziario italiano l’intelligenza artificiale ha cambiato ruolo. Non è più solo lo strumento con cui digitalizzare processi e canali, ma l’abilitatore che ridefinisce la relazione con i clienti, l’organizzazione del lavoro e il modo in cui prodotti bancari e assicurativi arrivano sul mercato.
Cetif, il centro di ricerca su tecnologie, innovazione e servizi finanziari dell’Università Cattolica del Sacro Cuore, sintetizza questa evoluzione in due formule, Banking 3.0 e Insurance 3.0.
Le ricerche, presentate in occasione di Cetif Summit 2026 a Milano, raccolgono numeri e tendenze emersi negli hub dedicati al digital banking, digital insurance & distribution, i gruppi di lavoro con cui il centro analizza i modelli di servizio e l’impatto delle tecnologie emergenti. Il quadro che ne esce guarda oltre: le istituzioni iniziano a misurarsi con una fase successiva, in cui gli agenti autonomi entreranno stabilmente nei processi operativi e non solo nell’assistenza ai clienti.

La banca che anticipa il cliente

Con il termine Banking 3.0 si smarca il passaggio da una banca che eroga servizi attraverso canali digitali a una banca capace di leggere il contesto del cliente, anticiparne le esigenze e proporre soluzioni personalizzate. A renderlo possibile è la convergenza tra machine learning, AI generativa, AI agentica, cloud computing, analisi avanzata dei dati e automazione, tecnologie la cui adozione procede così rapidamente da imporre alle istituzioni un ritmo serrato per non restare indietro. Nella relazione con la clientela, i chatbot tradizionali lasciano spazio ad agenti in grado di interpretare richieste articolate e di supportare operazioni sempre più complesse. La diffusione, però, è ancora agli inizi.
Secondo Cetif, solo l’11% dei chatbot utilizza oggi l’AI generativa, mentre il 22% delle istituzioni la sta sperimentando. Sul fronte della personalizzazione dell’offerta, l’analisi dei dati consente di costruire servizi più aderenti ai comportamenti dei clienti, e l’AI generativa, già consolidata in molti processi di marketing e vendita, comincia ad avvicinare e comprendere anche le attività tipicamente bancarie.

Più indietro è l’AI agentica, i cui primi casi d’uso sperimentali riguardano lo sviluppo del piano marketing e la gestione del portafoglio prodotti. Nella gestione del credito e dei rischi, invece, il machine learning lavora già da tempo come supporto all’analisi delle informazioni e alle decisioni e, nella prevenzione delle frodi, aiuta a individuare comportamenti anomali e operazioni sospette. Il centro sottolinea però che la tecnologia da sola non basta: la diffusione dei sistemi intelligenti deve accompagnarsi a una crescita delle competenze e a modelli organizzativi rinnovati, tanto più quando questi sistemi acquisiscono autonomia operativa.

Insurance, il peso della burocrazia

Nel mondo assicurativo il punto di partenza è il tempo. Una rilevazione Cetif indica che il 55% del lavoro del personale di agenzia è assorbito da attività amministrative e gestionali, contro il 30% dedicato all’attività commerciale. È lo spazio in cui l’AI può intervenire per primo, liberando risorse per la consulenza: secondo il centro, molti di questi processi di routine saranno presto gestiti da agenti AI. La struttura delle reti rende il tema rilevante.

Federico Rajola
Federico Rajola, direttore Cetif

Oltre la metà delle agenzie italiane è composta da un solo agente affiancato da meno di tre subagenti, e in queste realtà il ramo Auto pesa in media per oltre il 65% del portafoglio. Organizzazioni piccole, con un carico amministrativo elevato, sono quelle che possono trarre maggiore beneficio da strumenti capaci di semplificare il lavoro quotidiano.
L’AI generativa può aiutare gli intermediari a preparare preventivi, analizzare la documentazione contrattuale, gestire le comunicazioni e individuare i bisogni di protezione dei clienti, rendendo anche più comprensibili clausole, esclusioni e condizioni di polizza.

Le applicazioni vanno oltre la relazione commerciale e attraversano l’intera catena del valore assicurativa. Nell’underwriting i sistemi intelligenti analizzano informazioni strutturate e non strutturate e sintetizzano documenti complessi a supporto degli specialisti; nella gestione dei sinistri aiutano a classificare le richieste, analizzare la documentazione, supportare le perizie e monitorare lo stato delle pratiche; nel marketing e nella distribuzione gli strumenti predittivi segnalano bisogni e scoperti. La prospettiva è quella di coperture che evolvono con la vita del cliente, in una relazione continuativa che non si esaurisce nella sottoscrizione. L’obiettivo dichiarato non è sostituire l’intermediario, ma potenziarne il lavoro con strumenti di supporto decisionale.

Il cliente cambia più velocemente dei servizi

C’è poi un elemento esterno che accelera la trasformazione. L’AI generativa ha già cambiato il modo in cui le persone cercano informazioni, confrontano prodotti e preparano le proprie decisioni finanziarie e assicurative. Il cliente può arrivare dal consulente avendo già usato strumenti conversazionali per capire caratteristiche, condizioni e alternative. Per banche e compagnie significa dover offrire esperienze digitali semplici e coerenti con le aspettative di una clientela più informata, e ripensare il rapporto tra canali digitali e consulenza umana. Per Federico Rajola, direttore Cetif, il cambiamento più significativo sta proprio qui: nella possibilità di “passare da modelli di servizio prevalentemente reattivi a sistemi capaci di anticipare le esigenze dei clienti e offrire risposte sempre più personalizzate”.

Tecnologie, competenze, governance

Il bilancio di Rajola guarda però anche ai ritardi: “I dati evidenziano anche quanto lavoro resti da fare: la tecnologia corre, mentre organizzazioni, competenze e modelli di governance devono ancora evolvere”. Il percorso verso il modello 3.0, in questa prospettiva, dipenderà meno dalla disponibilità di tecnologie avanzate e più dalla capacità delle istituzioni di integrarle in processi e organizzazioni. La convergenza tra AI tradizionale, generativa e sistemi agentici apre nuove possibilità di automazione e personalizzazione, ma richiede presidi di controllo, competenze professionali e capacità di gestione dei dati. È un tema che il centro aveva già messo in evidenza nel Digital Trends 2026, dove la sfida dell’AI digital workforce veniva descritta anche come culturale. Rajola chiude individuando una possibile direzione: “La vera sfida per le istituzioni finanziarie italiane sarà trasformare il potenziale dell’intelligenza artificiale in valore concreto per clienti, professionisti e imprese, mantenendo al centro fiducia, responsabilità e qualità della relazione“.

© RIPRODUZIONE RISERVATA

Condividi l'articolo: