Le potenzialità dell’AI e dell’AI generativa in ambito finanziario sono ormai più che condivise, così come la necessità di adottare soluzioni di intelligenza artificiale, in particolare in ambito compliance e prevenzione dei crimini finanziari.
Nell’ambito dell’antiriciclaggio e dell’antifrode è piuttosto evidente il miglioramento che l’AI può apportare rispetto ai sistemi deterministici esistenti, che, ad esempio, faticano ad intercettare schemi criminali complessi e che generano un numero molto elevato di falsi positivi che sovraccaricano i team dedicati all’Anti Financial Crime.(1)
Ma a che punto è il processo di adozione di questa tecnologia nel mercato italiano?
La situazione attuale in ambito bancario e assicurativo
Nel 2024 l’adozione dell’Intelligenza Artificiale in Italia nei servizi finanziari è cresciuta rispetto all’anno precedente e gli investimenti continuano ad aumentare.
Finora però questi investimenti si sono scarsamente tradotti in casi d’uso concreti: l’AI sta entrando nell’agenda strategica di banche e assicurazioni ma rimanendo perlopiù al livello di sperimentazione pilota.
L’adozione dell’AI in Italia rimane al di sotto della media europea: in Italia nel 2024 l’8,2% delle imprese con più di 10 dipendenti ha adottato almeno una tecnologia AI, contro una media europea del 13,5%.(2)
Banche e assicurazioni appaiono prudenti nell’adozione, e solo alcuni istituti pionieri stanno integrando le nuove tecnologie nei processi core.
Secondo un’indagine ABI Lab-Deloitte di fine 2024, quasi 9 banche su 10 prevedono comunque di dotarsi di una strategia per la AI generativa entro il 2025, anche se solo il 38% aveva già iniziative operative in corso a fine 2024.(3)
In ambito assicurativo il divario Italia-Europa è anche maggiore: un rapporto dell’Italian Insurtech Association (IIA) rileva che nel 2024 appena il 34% delle assicurazioni italiane stava testando soluzioni basate su AI, contro tassi ben più alti in altri Paesi (51% nel Regno Unito, 48% in Germania, 39% in Francia).(4)
Questi sono i dati generali del settore bancario e assicurativo, ma concentrandoci sull’ambito dell’antiriciclaggio e dell’antifrode, quali sono le ragioni che stanno alla base del ritardo di adozione dell’AI?
Le barriere all’introduzione dell’AI in ambito AFC
Le barriere all’adozione dell’AI in ambito nell’ambito AFC sono molteplici: alcune appartengono più generalmente al contesto Italia (barriere culturali e di mercato, barriere di competenze), altre sono più specifiche del settore (barriere normative e regolamentari, barriere organizzative, barriere tecniche). Proviamo ad analizzarle.
- Barriere culturali e di mercato. L’Italia sconta ancora ritardi strutturali nel digitale: meno della metà della popolazione possiede competenze digitali (45,8% della popolazione contro una media UE del 55,6%).(5) Inoltre il tessuto imprenditoriale italiano, compreso quello delle banche e assicurazioni, è per la maggior parte composto da aziende medio-piccole e locali, che sono in generale meno propense a farsi pioniere dell’innovazione, ma preferiscono aspettare soluzioni pronte all’uso e già collaudate.
A questo si aggiunga che, nell’ambito specifico della compliance, spesso prevale un approccio conservativo, che con più resistenza si discosta dalle procedure già consolidate e “sicure”. Questo atteggiamento è strettamente legato alle barriere normative e regolamentari.
- Barriere normative e regolamentari. L’incertezza normativa, la mancanza di linee guida chiare e specifiche, i limiti imposti dalle norme sulla privacy e la protezione dei dati (GDPR) sono tutti elementi che inducono a temporeggiare in attesa di indicazioni più dettagliate. Il Regolamento Europeo sull’Intelligenza Artificiale (AI Act) è entrato in vigore nel giugno del 2024, ma non si potrà arrivare ad una piena applicazione del regolamento prima del giugno 2026.
Un’area critica per l’applicazione dell’AI all’AML è la spiegabilità e non-discriminazione degli algoritmi: gli enti di vigilanza finanziaria si aspettano che le decisioni automatizzate possano essere giustificate in modo trasparente e non introducano bias. Per evitare rischi molti istituti preferiscono continuare ad affidarsi a modelli statistici tradizionali, più facili da spiegare ad un auditor, perdendo così possibili vantaggi predittivi dell’AI.
- Barriere tecniche. Molte istituzioni finanziarie italiane si trovano a dover integrare l’AI in un contesto IT complesso e datato: silos informativi, incompletezza ed incoerenza dei dati, ad esempio, limitano le potenziali performance delle soluzioni AI.
- Barriere di competenze. Un problema che caratterizza il contesto italiano in generale è la scarsità di competenze specifiche. Implementare AI per l’AML richiede risorse specializzate, come ad esempio data scientist esperti di financial crime e infrastrutture, difficili da attrarre e da trattenere, in un mercato con offerte meno competitive rispetto all’estero.
- Barriere organizzative. In molte organizzazioni mancano comitati legati all’AI governance e un coordinamento interno che possa armonizzare i processi di adozione: questo rende difficile il passaggio dalla fase di sperimentazione alla fase di adozione su larga scala.
Oltre le Barriere
Come abbiamo visto, ci sono diverse barriere che rallentano l’adozione dell’AI nell’ambito della lotta al crimine finanziario. Ma cosa c’è al di là dei fattori limitanti?
Tanti sono gli elementi positivi su cui poter far leva: l’82% degli istituti intende aumentare il budget dedicato all’AI, il 75% degli istituti ha avviato iniziative di formazione o sensibilizzazione del personale sull’AI generativa,(6) le istituzioni (Banca d’Italia, ABI, IVASS) e le associazioni di settore stanno lavorando per creare un ecosistema favorevole all’AI (linee guida, sandbox, incentivi all’innovazione).
Iniziano ad essere diverse sul mercato le soluzioni AI “pronte all’uso”, che richiedono minori sforzi interni e possono facilitare l’ingresso dell’AI in realtà medio-piccole, dove le risorse sono più limitate ed è più difficile avviare progetti pilota interni.
Il 2025 è un anno chiave per l’adozione dell’AI in ambito finanziario e conoscere le barriere all’introduzione dell’intelligenza artificiale è fondamentale per poterle superare e ridurre il gap tra Italia e resto d’Europa.
Abilitare l’AI nella lotta ai crimini finanziari: una roadmap per superare le barriere all’adozione
Questi temi saranno affrontati nel corso di un webinar dedicato.
Se sei parte di una istituzione finanziaria o fornisci servizi a queste realtà?
Puoi iscriverti al webinar “AI nella lotta ai crimini finanziari” utilizzando questo link diretto
Joint Services è una società di consulenza specializzata nella trasformazione IT in ambito Anti Financial Crime e Compliance.
Grazie al suo team di ingegneri informatici ed esperti di tematica, JS è un partner tecnico e consulenziale per i propri clienti e facilita la traduzione dei “business requirements” in soluzioni tecniche su misura.
JS attualmente opera in Italia, Francia, Austria, Svizzera, Belgio, Albania, Romania, Singapore, USA e Canada.
Sito Internet: www.joint-services.com
Per approfondimenti, consultare i seguenti link e/o riferimenti:
(1) Per un excursus delle potenzialità dell’AI nell’antiriciclaggio, si veda l’intervista a Valerio Cencig, Head of Compliance Digital&Data Transformation per Intesa San Paolo, Intesa Sanpaolo. Vantaggi e rischi dell’AI nell’antiriciclaggio · iKN Italy
(2) Crescita dell’Intelligenza Artificiale nell’Industria Italiana: Rapporto Istat 2024
(3) ABI Lab & Deloitte – Indagine 2024 su banche italiane e AI generativa (dati cit. da Credit Village)
(4) Italian Insurtech Association – Survey 2024 su adozione AI nel settore assicurativo (dati cit. da Economia X Finanza)
(5) Commissione Europea – Digital Decade Country Report 2024: Italia
(6) ABI Lab & Deloitte – Indagine 2024 su banche italiane e AI generativa (dati cit. da Credit Village)
Luca Spinelli Replica
Comprendere le barriere normative e tecniche è il primo passo per adottare soluzioni AI realmente efficaci nella lotta al crimine finanziario