L’intelligenza artificiale nei mercati finanziari italiani

Allegato A. Contesto del progetto e metodologia dell’indagine

Panoramica del progetto

In quanto autorità di vigilanza principale per la stabilità e l’efficienza del sistema finanziario italiano, la Banca d’Italia intende rafforzare la propria capacità di comprensione, analisi e valutazione dell’impatto dell’IA sui mercati finanziari e sui relativi partecipanti, rivolgendo particolare attenzione alle infrastrutture sottostanti e alla catena del valore complessiva. A tal fine, la banca centrale ha richiesto il supporto della Commissione europea ai sensi del Regolamento (UE) 2021/240, che istituisce lo strumento di sostegno tecnico (TSI Regulation). A seguito dell’approvazione di tale richiesta, l’Unione europea, attraverso tale strumento, ha finanziato il progetto “Strengthening the regulatory and supervisory framework and market practices for the use of artificial intelligence in the Italian financial markets” e l’OCSE lo ha attuato, in cooperazione con la task force della Commissione europea per le riforme e gli investimenti (SG REFORM) e in stretta collaborazione con la Banca d’Italia, in qualità di autorità beneficiaria, nonché con il coinvolgimento e con i notevoli contributi del Ministero dell’Economia e delle finanze (MEF), della Commissione nazionale per le società e la borsa (Consob), dell’Istituto per la vigilanza sulle assicurazioni (Ivass), e della Commissione di vigilanza sui fondi pensione (Covip). Nell’ambito di questo progetto, della durata di 18 mesi (il “Progetto”), l’OCSE e la Commissione europea hanno collaborato con la Banca d’Italia per individuare, comprendere e affrontare le implicazioni di policy e di vigilanza derivanti dall’utilizzo dell’IA lungo tutta la catena del valore del mercato finanziario, contribuendo, in ultima analisi, al rafforzamento della sua stabilità, resilienza, efficienza e inclusività. I risultati del Progetto rilevano anche per le autorità italiane di regolamentazione e supervisione finanziaria, tra cui il MEF, la Consob, l’Ivass e la Covip, e sono il frutto dell’attiva interazione tra queste autorità.

Lo svolgimento del Progetto è stato guidato dal Project Advisory Group (AG), composto da rappresentanti della Banca d’Italia (Giuseppe Grande, Luca Filidi, Mauro De Santis, Michela Marinello), dall’SG REFORM della Commissione europea (Giuseppe Sciascia, Cristina Pacella) e dall’OCSE.

Il Progetto è strettamente in linea con gli obiettivi principali di policy della Commissione europea, volti a promuovere l’innovazione digitale a beneficio dei consumatori e dell’efficienza dei mercati, anche attraverso l’impiego di strumenti di IA, come illustrato nel Pacchetto per la finanza digitale (2020) e nel regolamento sull’intelligenza artificiale (2024), nonché in tutti gli scambi intercorsi nell’ambito della proposta legislativa della Commissione europea “Omnibus digitale” (2025). I facilitatori dell’innovazione sono considerati una priorità anche delle autorità europee di vigilanza.

Contesto dell’indagine

Dal 15 aprile al 22 maggio 2025, l’OCSE ha condotto un’indagine online presso le istituzioni finanziarie italiane utilizzando la piattaforma LimeSurvey. L’indagine ha inteso cogliere la portata e le caratteristiche della diffusione dell’intelligenza artificiale nei mercati finanziari italiani, comprese la quantità e la tipologia di progetti e investimenti. Ha inoltre valutato altri aspetti: la consapevolezza delle parti interessate in merito alle opportunità offerte dall’IA, i dati e i sistemi di monitoraggio attualmente in uso, la cooperazione tra operatori storici e Fintech, le opportunità percepite in caso di adozione e i relativi ostacoli. Per quanto riguarda questo progetto, tale indagine è stata lo strumento più completo per mappare lo stato dell’utilizzo dell’IA nei mercati finanziari italiani.

L’indagine era suddivisa in cinque sezioni. L’introduzione raccoglieva dettagli istituzionali come il settore, l’ubicazione e la presenza di team dedicati allo studio dei dati sull’IA. La seconda sezione si concentrava sugli usi attuali dell’IA, compresi i casi d’uso in produzione o sviluppo, i livelli di investimento, la dipendenza da fornitori terzi e aspetti tecnici come modelli per finalità generali e componenti open source. Gli intervistati hanno inoltre fornito informazioni sui dati utilizzati per l’addestramento, sui metodi di spiegabilità, sui livelli di autonomia e sui benefici osservati. La terza sezione esplorava le aspettative circa gli utilizzi futuri nei prossimi tre anni. La quarta esaminava gli assetti di governance, la suddivisione delle responsabilità, i presidi contro attività indesiderate dell’IA e le misure di resilienza cibernetica. La sezione finale affrontava i vincoli regolamentari e di natura non regolamentare, le iniziative di formazione e il ruolo degli assetti di Open Finance nel consentire lo sviluppo di modelli di IA proprietari.

I risultati dell’indagine condotta dall’OCSE sul settore finanziario si aggiungono a precedenti iniziative di raccolta dati da parte delle autorità italiane, tra cui l’indagine Fintech della Banca d’Italia (Banca d’Italia, 2025[1]), lo studio della CONSOB intitolato “L’intelligenza artificiale nell’asset e nel wealth management” (CONSOB, 2022[2]), l’indagine dell’IVASS sull’utilizzo degli algoritmi di machine learning da parte delle imprese assicurative nei rapporti con gli assicurati (IVASS, 2023[3]) e la rilevazione condotta dalla CIPA in collaborazione con l’ABI sulle tecnologie informatiche nel settore bancario (Convenzione Interbancaria Per l’Automazione, 2023[4]). L’indagine dell’OCSE apporta valore aggiunto dato dall’integralità del settore finanziario analizzato, fornendo informazioni granulari su questioni particolarmente rilevanti per gli operatori dei mercati finanziari.

Sono state ricevute 450 risposte, che garantiscono una forte rappresentatività di tutti i settori finanziari. Tale copertura è più ampia rispetto alle indagini precedenti, che si sono concentrate su segmenti specifici come quello bancario o assicurativo. I risultati sono in gran parte in linea con studi precedenti: l’intelligenza artificiale è ampiamente utilizzata nei processi operativi come la gestione documentale e la compliance (Convenzione Interbancaria Per l’Automazione, 2023[4]). Tuttavia, la sua diffusione nelle principali attività dei mercati finanziari rimane limitata, sebbene si attenda una crescita. L’indagine dell’OCSE offre inoltre informazioni dettagliate sull’uso dei modelli di GPAI, sui modelli di investimento, sulle strutture di governance e sulla dipendenza da fornitori terzi, integrando i risultati precedenti e arricchendo la comprensione degli ostacoli sistemici all’adozione dell’IA.

Profili dei partecipanti all’indagine

Sono state ricevute complessivamente 450 risposte, pari a un tasso di risposta del 49%, calcolato in relazione alle totale di quelli vigilati (incluse le imprese estere che svolgono attività in Italia e sono sottoposte alla vigilanza dalla Banca d’Italia). Alcune domande erano obbligatorie e sono state compilate da tutti i partecipanti, mentre altre erano facoltative e hanno ricevuto meno risposte1.

I partecipanti all’indagine forniscono una forte rappresentatività di tutto il settore finanziario italiano. I primi cinque sottosettori rappresentati sono i gestori di portafogli (100 intervistati), le banche (99), le imprese legate al credito o alle cartolarizzazioni (69), le imprese di assicurazione e riassicurazione (44) e i fondi pensione (42). Altri sottosettori sono le banche popolari (25), gli istituti di moneta elettronica e di pagamento (16), i consulenti di investimento e i gestori patrimoniali (10), le società di intermediazione mobiliare (9), i fornitori di servizi di crowdfunding (8) e le infrastrutture di mercato finanziario (4). La categoria “Altro”, con 24 intervistati, comprende società fiduciarie, altri istituti di pagamento e un broker-dealer. I fondi comuni di investimento, i mercati di investimento alternativi e gli altri fondi sono stati raggruppati nella categoria “gestori di portafogli”.

Quando analisi e approfondimenti sono incentrati sugli operatori dei mercati finanziari, vengono considerati solo gli intervistati appartenenti ai seguenti settori: consulenza in materia di investimenti, gestione di portafogli, gestione patrimoniale, società di intermediazione mobiliare, broker-dealer, borse valori, sistemi multilaterali di negoziazione, controparti centrali e depositari centrali di titoli.

Per quanto riguarda le dimensioni delle imprese, la maggior parte dei settori si compone di una combinazione di micro, piccole, medie e grandi entità. Le banche e le imprese di assicurazione sono principalmente grandi o medie, mentre i gestori di portafogli, i consulenti di investimento, le società di intermediazione mobiliare e i fondi pensione sono prevalentemente piccole o microimprese. Tutte le IMF sono di grandi dimensioni o di medie dimensioni.

Categorizzazione degli intervistati per settore

Agli intervistati è stato chiesto di specificare i settori di attività in cui operano. Nel caso svolgano attività in più di un comparto, è stato chiesto di specificare quale di questi sia il principale. Di conseguenza, questo rapporto classifica gli intervistati in base al principale settore di attività.

Per alcuni intervistati il principale settore di attività è stato riclassificato manualmente, allo scopo di riflettere meglio il comparto in cui operano e/o i servizi che forniscono. Ciò comprende:

• Due intervistati, che si sono auto-identificati come “Financial technology/Fintech”, sono stati invece assegnati al settore finanziario in cui sono più attivi2.

• Due intervistati, che si sono auto-identificati come operanti nei settori Factoring, Leasing e Prestiti, sono stati spostati nella categoria Credito e Cartolarizzazioni secondo le istruzioni della Banca d’Italia.

• Sedici intervistati, che si sono auto-identificati come “altro”, hanno dichiarato di operare ai sensi dell’art. 106 TUB nell’intermediazione finanziaria3, venendo quindi ricollocati nella categoria Credito e Cartolarizzazioni secondo le istruzioni della Banca d’Italia.

Classificazione dei casi d’uso dell’IA nelle macroaree aziendali

L’indagine include domande relative all’utilizzo dell’IA per vari scopi. La domanda 6.1 chiede agli intervistati “Per quali finalità state attualmente utilizzando l’IA?”. La domanda 17.1 chiede agli intervistati “Per quali finalità intendete utilizzare l’IA nei prossimi 3 anni?”. Per entrambe le domande, è stato fornito un elenco a scelta multipla di 52 finalità diverse. Due domande di follow-up (6.2 e 17.2) hanno chiesto agli intervistati di confermare, per ciascuna delle finalità di cui sopra, se utilizzano o intendono utilizzare modelli di intelligenza artificiale che siano:

• per finalità generiche

• forniti da terzi

• adottati e/o impiegati in collaborazione con terzi

• interni (cioè non rivolto al cliente).

Le domande 6.2 e 17.2 hanno consentito agli intervistati di scegliere solo tra le finalità che avevano precedentemente selezionato nelle domande 6.1 e 17.1.

Per facilità di lettura, in questo rapporto le finalità sono classificate in 23 “macroaree aziendali”. La Tavola A.A.1 elenca le finalità, le macroaree e il modo in cui tali finalità sono classificate per macroarea.

Tavola A A.1. Classificazione delle “finalità” dell’IA per “macroarea aziendale”

Macroaree aziendali utilizzate nel rapporto	Finalità indicate nell’indagine	Classificazione delle finalità per macroarea
Front office (creazione di valore): Sviluppo di nuovi prodotti Marketing mirato/Vendite (segmentazione dei clienti) Allocazione di attivi Acquisizione/autenticazione della clientela Assistenza alla clientela Strategie di negoziazione, esecuzione Middle/back office (miglioramento della produttività): Conformità e reportistica Analisi dei dati (fonte informativa) Modellazione e gestione dei rischi Individuazione e prevenzione delle frodi AML/CFT Elaborazione e analisi dei dati ESG Generazione di dati sintetici Traduzione Scrittura di codice Gestione delle risorse umane Utili e perdite, riconciliazioni in attività di trading Processi di post-trading Per specifici settori e altro Sottoscrizione e pricing del credito Sottoscrizione, pricing e distribuzione delle polizze assicurative Politiche assicurative e gestione dei sinistri Riscossione dei contributi pensionistici Altro	‒ Controlli AML/CFT (identificazione/monitoraggio delle operazioni/segnalazioni) ‒ Individuazione/prevenzione delle frodi/ sorveglianza ‒ Modellazione e gestione dei rischi ‒ Sistemi di allerta precoce (early warning) ‒ Gestione dei dati (ad es. miglioramento della qualità) ‒ Scrittura di codice/sviluppo di software ‒ Generazione di dati sintetici ‒ Traduzione ‒ Sintesi ‒ Generazione di contenuti testuali ‒ GPT interni ‒ Gestione del capitale/della liquidità ‒ Cybersicurezza (compresa la rete) ‒ Ottimizzazione dei processi interni/miglioramento della produttività ‒ Conformità, revisione interna e obblighi normativi di informativa ‒ Gestione delle risorse umane ‒ Relazioni interne/Comunicazioni ‒ Gestione degli accordi con la clientela ‒ Marketing e vendite ‒ Profilazione/segmentazione della clientela ‒ Assistenza/comunicazione con la clientela (inclusi chatbot) ‒ Acquisizione della clientela/KYC ‒ Sviluppo di nuovi prodotti ‒ Ricerca in materia di investimenti ‒ Analisi/approfondimenti di mercato ‒ Sentiment analysis ‒ Analisi predittiva/previsioni ‒ Consulenza finanziaria (inclusi definizione di budget, piani pensionistici, ecc.) ‒ Consulenza robotizzata ‒ Market-making ‒ Strategie/tariffazioni d’asta ‒ Sottoscrizione/collocamento di titoli ‒ IPO (offerte pubbliche iniziali)/SPO (offerte pubbliche secondarie) ‒ Sottoscrizione (classificazione/valutazione del merito creditizio) e pricing del credito ‒ Strategie di negoziazione ‒ Modellazione/analisi di investimento sostenibile/ESG ‒ Riconoscimento dei modelli ‒ Copertura dei rischi ‒ Esecuzione delle negoziazioni (trading algoritmico) ‒ Negoziazione ad alta frequenza ‒ Monitoraggio della condotta di mercato (ad es. rilevamento di abusi di mercato) ‒ Processi di post-trading ‒ Scarto di garanzia sui titoli ‒ Compensazione ‒ Custodia ‒ Esecuzione di pagamenti/regolamenti ‒ Monitoraggio/verifica dei pagamenti ‒ Gestione di attivi e gestione dei portafogli di investimento ‒ Sottoscrizione di polizze assicurative (valutazione del rischio) e determinazione dei relativi prezzi ‒ Distribuzione assicurativa ‒ Gestione delle polizze assicurative (dopo la sottoscrizione e prima dei sinistri) ‒ Gestione dei sinistri ‒ Riscossione dei contributi pensionistici ‒ Altro	Macroaree: elenco puntato con cerchio nero; finalità: in corsivo, elenco puntato con trattino. Sviluppo di nuovi prodotti ‒ Sviluppo di nuovi prodotti Marketing mirato/Vendite (segmentazione dei clienti) ‒ Marketing e vendite ‒ Relazioni interne/Comunicazioni ‒ Profilazione/segmentazione della clientela Allocazione delle attività ‒ Gestione di attivi e gestione dei portafogli di investimento ‒ Ricerca in materia di investimenti ‒ Consulenza robotizzata ‒ Consulenza finanziaria (inclusi definizione di budget, piani pensionistici, ecc.) ‒ Analisi/approfondimenti di mercato Acquisizione/autenticazione della clientela ‒ Acquisizione della clientela /KYC Assistenza alla clientela ‒ Assistenza/comunicazione con la clientela (inclusi chatbot) Strategie di negoziazione, esecuzione ‒ Sottoscrizione/collocamento di titoli ‒ IPO (offerte pubbliche iniziali)/SPO (offerte pubbliche secondarie) ‒ Strategie di negoziazione ‒ Copertura dei rischi ‒ Esecuzione delle negoziazioni (trading algoritmico) ‒ Analisi predittiva/previsioni ‒ Strategie/tariffazioni d’asta ‒ Market-making ‒ Negoziazione ad alta frequenza Conformità e reportistica ‒ Gestione degli accordi con i clienti ‒ Conformità, revisione interna e obblighi normativi di informativa Analisi dei dati e produzione di output ‒ Gestione dei dati (ad es. miglioramento della qualità) ‒ Sintesi ‒ Generazione di contenuti testuali ‒ GPT interni ‒ Sentiment analysis ‒ Ottimizzazione dei processi interni/miglioramento della produttività ‒ Riconoscimento dei modelli Modellazione e gestione dei rischi ‒ Modellazione e gestione dei rischi ‒ Sistemi di allerta precoce (early warning) Individuazione e prevenzione delle frodi ‒ Cybersicurezza (compresa la rete) ‒ Individuazione/prevenzione delle frodi/ sorveglianza ‒ Monitoraggio/verifica dei pagamenti ‒ Monitoraggio della condotta di mercato (ad es. rilevamento di abusi di mercato) AML/CFT ‒ Controlli AML/CFT (identificazione/monitoraggio delle operazioni/segnalazioni) Elaborazione e analisi dei dati ESG ‒ Modellazione/analisi di investimento sostenibile/ESG/ Generazione di dati sintetici ‒ Generazione di dati sintetici Traduzione ‒ Traduzione Scrittura di codice ‒ Scrittura di codice/sviluppo di software Gestione delle risorse umane ‒ Gestione delle risorse umane Utili e perdite, riconciliazioni in attività di trading ‒ Compensazione ‒ Scarto di garanzia sui titoli ‒ Gestione del capitale/della liquidità Processi di post-trading ‒ Processi di post-trading ‒ Custodia ‒ Esecuzione pagamenti/regolamenti Sottoscrizione e pricing del credito ‒ Sottoscrizione (classificazione/valutazione del merito creditizio) e pricing del credito Sottoscrizione, pricing e distribuzione delle polizze assicurative ‒ Sottoscrizione di polizze assicurative (valutazione del rischio) e determinazione dei relativi prezzi ‒ Distribuzione assicurativa Gestione delle polizze assicurative e dei sinistri ‒ Gestione delle polizze assicurative (dopo la sottoscrizione e prima dei sinistri) ‒ Gestione dei sinistri Riscossione dei contributi pensionistici ‒ Riscossione dei contributi pensionistici Altro ‒ Altro

Tavola A A.2. Categorizzazione dei vincoli regolamentari all’adozione dell’IA

Tutti i vincoli regolamentari elencati nell’indagine

Categorie introdotte nei grafici

‒ Mancata chiarezza della normativa ‒ Difficoltà di definire i modelli di IA ‒ Mancanza di orientamenti sulla sorveglianza ‒ Normativa insufficiente ‒ Possibile intervento normativo ex post (ad es. applicazione delle norme) ‒ Conflitti tra norme settoriali e requisiti regolamentari vigenti ‒ Conflitti tra norme/requisiti regolamentari settoriali e non settoriali esistenti ‒ Mancato allineamento della normativa tra diverse giurisdizioni ‒ Normativa insufficiente ‒ Obblighi di segnalazione ‒ Costi per la conformità alla normativa ‒ Aumento degli obblighi di segnalazione associati all’uso dell’IA ‒ Protezione dei dati ‒ Copyright/proprietà intellettuale ‒ Regole prudenziali ‒ Assetti per la gestione dei rischi ‒ Regole sulla gestione dei rischi dei modelli ‒ Deriva dei modelli/dati ‒ Norme contro bias, discriminazioni, risultati sbilanciati ‒ Norme in materia di governance ‒ Dovere fiduciario ‒ Norme che richiedono spiegabilità ‒ Obblighi di trasparenza ‒ Regole sulla resilienza operativa ‒ Regole sulla resilienza cibernetica ‒ Sistemi di gestione dei rischi di terze parti

Categorie nei grafici: elenco puntato con cerchio nero; vincoli nell’indagine: elenco puntato con trattino. Preoccupazioni legate alla chiarezza e all’allineamento della normativa ‒ Mancata chiarezza della normativa ‒ Difficoltà di definire i modelli di IA ‒ Mancanza di orientamenti sulla sorveglianza ‒ Normativa insufficiente ‒ Possibile intervento normativo ex post (ad es. applicazione delle norme) ‒ Conflitti tra norme settoriali e requisiti regolamentari vigenti ‒ Conflitti tra norme/requisiti regolamentari settoriali e non settoriali esistenti ‒ Mancato allineamento della normativa tra diverse giurisdizioni ‒ Normativa insufficiente Conformità e obblighi di segnalazione ‒ Obblighi di segnalazione ‒ Costi per la conformità alla normativa ‒ Aumento degli obblighi di segnalazione associati all’uso dell’IA Norme sui dati e sulla proprietà intellettuale ‒ Protezione dei dati ‒ Copyright/proprietà intellettuale Regole prudenziali e gestione dei rischi ‒ Regole prudenziali ‒ Assetti per la gestione dei rischi Regole relative ai modelli ‒ Regole sulla gestione dei rischi dei modelli ‒ Deriva dei modelli/dati Governance, equità e condotta del mercato ‒ Norme contro pregiudizi, discriminazioni, risultati sbilanciati ‒ Norme in materia di governance ‒ Dovere fiduciario Spiegabilità e trasparenza ‒ Norme che richiedono spiegabilità ‒ Obblighi di trasparenza Resilienza operativa e relativa a terzi ‒ Regole sulla resilienza operativa ‒ Regole sulla resilienza cibernetica ‒ Sistemi di gestione dei rischi di terze parti

Tavola A A.3. Categorizzazione dei vincoli di natura non regolamentare all’adozione dell’IA

Tutti i vincoli di natura non regolamentare elencati nell’indagine

Categorie introdotte nei grafici

‒ Carenze nei processi interni di governance dei dati ‒ Formato dei dati ‒ Mancanza di processi di gestione dei dati ‒ Accesso ai dati ‒ Qualità dei dati (accuratezza, coerenza) ‒ Costo dell’adozione dell’IA (costi del fornitore) ‒ Costo dell’acquisizione dei dati ‒ Costo/accesso all’hardware relativo all’IA ‒ Costo dello sviluppo dell’IA (interno) ‒ Considerazioni etiche ‒ Dovere fiduciario ‒ Rischi di responsabilità non chiari per danni derivanti dall’adozione di un sistema di IA non proprietario ‒ Responsabilità legale (relativa a violazioni di dati/proprietà intellettuale e diritti d’autore/danni ai clienti o alle imprese) ‒ Proprietà intellettuale/copyright ‒ Cultura aziendale ‒ Priorità interne concorrenti ‒ Gestione del cambiamento ‒ Competenze insufficienti all’interno dell’impresa ‒ Competenze/comprensione insufficienti dell’alta dirigenza/del consiglio di amministrazione ‒ Assenza di processi di governance interni per l’adozione dell’IA ‒ Assenza di casi d’uso ‒ Acquisizione di competenze qualificate ‒ Incompatibilità/difficoltà di integrazione dell’IA con le infrastrutture preesistenti ‒ Rischi per la continuità operativa ‒ Rischio di dipendenza da terzi ‒ Rischio di eccessivo affidamento ai sistemi di IA ‒ Aumento del rischio cibernetico ‒ Rischi di danno reputazionale ‒ Contenuti “deepfake” ‒ Affidabilità discutibile dell’output del modello ‒ Spiegabilità del modello limitata/assente ‒ Allucinazioni ‒ Frode/rischio di manipolazione del mercato ‒ Potenziali risultati distorti/dannosi/insoddisfacenti per i clienti ‒ Responsabilità per il modello sviluppato da terzi ‒ Mancanza di comprensione dei modelli sviluppati da terzi rispetto ai modelli sviluppati internamente ‒ Problemi di governance connessi alla fornitura di servizi da parte di terzi ‒ Assenza di trasparenza dei dataset utilizzati nei modelli sviluppati da terzi ‒ Limitata trasparenza relativa ai modelli sviluppati da terzi

Vincoli relativi ai dati ‒ Carenze nei processi interni di governance dei dati ‒ Formato dei dati ‒ Mancanza di processi di gestione dei dati ‒ Accesso ai dati ‒ Qualità dei dati (accuratezza, coerenza) Vincoli collegati ai costi ‒ Costo dell’adozione dell’IA (costi del fornitore) ‒ Costo dell’acquisizione dei dati ‒ Costo/accesso all’hardware relativo all’IA ‒ Costo dello sviluppo dell’IA (interno) Vincoli etici, di conformità e di responsabilità ‒ Considerazioni etiche ‒ Dovere fiduciario ‒ Rischi di responsabilità non chiari per i danni derivanti dall’adozione di un sistema di IA non proprietario ‒ Responsabilità legale (relativa a violazioni di dati/proprietà intellettuale e diritti d’autore/danni ai clienti o alle imprese) ‒ Proprietà intellettuale/copyright Vincoli organizzativi, culturali e relativi alle competenze ‒ Cultura aziendale ‒ Priorità interne concorrenti ‒ Gestione del cambiamento ‒ Competenze insufficienti all’interno dell’impresa ‒ Competenze/comprensione insufficienti dell’alta dirigenza/del consiglio di amministrazione ‒ Assenza di processi di governance interni per l’adozione dell’IA ‒ Assenza di casi d’uso ‒ Acquisizione di competenze qualificate ‒ Incompatibilità/difficoltà di integrazione dell’IA con le infrastrutture preesistenti Rischi operativi e aziendali ‒ Rischi per la continuità operativa ‒ Rischio di dipendenza da terzi ‒ Rischio di eccessivo affidamento ai sistemi di IA ‒ Aumento del rischio cibernetico ‒ Rischi di danno reputazionale Limiti dell’affidabilità del modello ‒ Contenuti “deepfake” ‒ Affidabilità discutibile dell’output del modello ‒ Spiegabilità del modello limitata/assente ‒ Allucinazioni Integrità del mercato e tutela dei consumatori/degli investitori ‒ Frode/rischio di manipolazione del mercato ‒ Potenziali risultati distorti/dannosi/insoddisfacenti per i clienti Vincoli legati ai modelli sviluppati da terzi ‒ Responsabilità per il modello sviluppato da terzi ‒ Mancanza di comprensione dei modelli sviluppati da terzi rispetto ai modelli sviluppati internamente ‒ Problemi di governance connessi alla fornitura di servizi da parte di terzi ‒ Assenza di trasparenza dei dataset utilizzati nei modelli sviluppati da terzi ‒ Limitata trasparenza relativa ai modelli sviluppati da terzi

Riferimenti bibliografici

[1] Banca d’Italia (2025), FinTech Survey, https://www.bancaditalia.it/pubblicazioni/indagine-fintech/index.html?com.dotmarketing.htmlpage.language=1 (accessed on 18 December 2025).

[2] CONSOB (2022), “Artificial intelligence in the asset and wealth management”, Quaderni Fintech, https://www.consob.it/web/consob-and-its-activities/ft9en (accessed on 18 December 2025).

[4] Convenzione Interbancaria Per l’Automazione (2023), Rilevazione sull’IT nel settore bancario italiano - Profili tecnologici e di sicurezza, anno 2023, https://www.cipa.it/rilevazioni/tecnologiche/2023/index.html (accessed on 18 December 2025).

[3] IVASS (2023), “Survey on the use of Machine Learning algorithms by insurance companies in their relations with policyholders”, https://www.ivass.it/pubblicazioni-e-statistiche/pubblicazioni/altre-pubblicazioni/2023/indagine-algoritmi/Esiti_indagine_Algogovernance_ENG.pdf?language_id=3 (accessed on 18 December 2025).

Note

← 1.  L'indagine dell'OCSE è stata condivisa con oltre 900 istituzioni del settore finanziario italiano e consultata da 731 istituzioni, ricevendo 450 risposte.

← 2.  Sulla base delle attività e dei servizi finanziari pubblicizzati sui siti web della società.

← 3.  Gli intervistati che hanno dichiarato di essere titolari di licenza e/o di operare ai sensi dell'articolo 106 svolgono attività di intermediazione finanziaria o si auto-identificano come Confidi, un consorzio che funge da garante per le linee di credito.