Il dibattito pubblico – anche quello specialistico – è dominato dall’intelligenza artificiale. Convegni, white paper, roadmap strategiche, bandi: tutto sembra ruotare attorno alla domanda “come integriamo l’AI nei nostri processi?“. È una domanda legittima e, per molte realtà, urgente, ma c’è una domanda preliminare, meno glamour, che troppo spesso resta inevasa: “i nostri processi sono almeno automatizzati?“.
La distinzione non è di poco conto: un sistema d’intelligenza artificiale costruito sopra processi manuali, frammentati e basati ancora sul copia-incolla tra caselle di posta e fogli Excel, eredita tutti i limiti del substrato su cui poggia. L’AI senza un layer di automazione sottostante produce, nella migliore delle ipotesi, output sofisticati su flussi di lavoro disfunzionali e, nella peggiore, sposta il collo di bottiglia di qualche centimetro più in là.
L’Italia digitale tra eccellenze e divari crescenti
I dati ufficiali raccontano un Paese a due velocità. Il rapporto Digital Decade 2025 della Commissione europea, pubblicato a giugno 2025, conferma alcuni punti di forza italiani: la copertura FTTP è cresciuta di 11 punti percentuali tra 2023 e 2024, raggiungendo la media UE, l’eID è ampiamente diffuso (oltre 40 milioni di SPID e 51 milioni di CIE) e la quota di PMI con intensità digitale almeno di livello base si attesta al 70,21%, di poco sotto la media UE del 72,91%. Restano ritardi rilevanti sull’adozione di tecnologie digitali avanzate e sull’ecosistema delle scale-up.
I dati ISTAT più recenti – comunicato “Imprese e ICT – Anno 2025” pubblicato il 15 dicembre 2025 – mostrano una dinamica più significativa. L’adozione dell’intelligenza artificiale nelle imprese con almeno 10 addetti raddoppia in un anno, dall’8,2% del 2024 al 16,4% del 2025 (era il 5,0% nel 2023). Il dato è positivo, ma il dettaglio dimensionale è eloquente: nelle grandi imprese si passa dal 32,5% al 53,1%; nelle PMI dal 7,7% al 15,7%. Il divario tra grandi e piccole, anziché ridursi, è esploso: da circa 20 punti percentuali nel 2023, a 25 nel 2024, fino a 37 punti percentuali nel 2025.
Tradotto: l’AI sta arrivando, ma in modo molto disomogeneo. Per oltre l’83% delle imprese italiane resta una promessa più che una pratica. E quando le PMI provano ad avvicinarsi, il primo ostacolo che incontrano non è il costo: è la mancanza di competenze adeguate, segnalata dal 58,6% delle aziende, che hanno valutato, ma poi non realizzato, investimenti in IA. Sul versante delle competenze digitali della popolazione il quadro è coerente: solo il 45,8% degli italiani possiede competenze digitali almeno di base contro una media UE del 55,6%, e gli specialisti ICT restano fermi al 4% dell’occupazione totale, sotto la media europea del 5%.
La lezione dimenticata della Robotic Process Automation
Prima dell’esplosione mediatica dell’AI generativa, il settore finanziario internazionale aveva costruito una solida tradizione di automazione tradizionale. La Robotic Process Automation (RPA) – software che esegue, secondo regole deterministiche, attività ripetitive sui sistemi informativi esistenti – ha trasformato, per oltre un decennio, il back-office bancario. Le stime di mercato indicano una crescita globale dell’RPA nel BFSI dell’ordine del 40% annuo composto, con riduzioni di costi operativi documentate, sui processi interessati, fino al 25-40%.
«L’AI senza un layer di automazione sottostante produce, nella migliore delle ipotesi, output sofisticati su flussi di lavoro disfunzionali. Nella peggiore, sposta il collo di bottiglia di qualche centimetro più in là»
L’RPA non è intelligente: non comprende, non apprende e non interpreta, ma fa esattamente ciò che le si è detto di fare, secondo le regole che le si è scritte. Ma è proprio questa banalità che la rende preziosa: per i processi standardizzati, ad alto volume e basso valore unitario, la prevedibilità è un pregio, non un limite. La macchina deterministica non allucina, non si distrae e “non perde una PEC il venerdì pomeriggio”.
Il punto rilevante per il dibattito odierno è un altro: in moltissime organizzazioni italiane di dimensioni medio-piccole (banche locali, servicer specializzati, studi professionali, finanziarie) la prima trasformazione utile non passa dall’AI, ma da automazioni informatiche tradizionali, leggere e su misura. Spesso si tratta di pochi script o di un piccolo applicativo che dialoga con la posta elettronica, con il gestionale e con il file system. Niente di esotico, niente che faccia titolo, ma con un impatto operativo immediato e misurabile.
Un caso concreto: lo smistamento delle PEC in uno studio legale
Un esempio utile arriva dalla mia esperienza diretta presso lo studio di cui sono socio, dove era attiva da tempo la centralizzazione delle PEC su un unico indirizzo professionale. Una scelta logica sul piano organizzativo – un solo punto d’ingresso ufficiale, controllato e archiviato –, che però aveva un effetto collaterale prevedibile: ogni giorno, centinaia di comunicazioni dovevano essere lette, classificate e ridistribuite manualmente verso le caselle dei singoli professionisti competenti per fascicolo.
Su volumi sostenuti questa attività drena tempo della segreteria, introduce latenze tra l’arrivo della comunicazione e la sua presa in carico, e genera il rischio che una notifica processualmente rilevante resti per ore nella casella centrale prima di raggiungere chi deve agire. Il problema, evidentemente, non richiedeva intelligenza artificiale per essere risolto, ma richiedeva banalmente un automatismo robusto, costruito su regole esplicite (mittente, oggetto, riferimenti di pratica, parole chiave) capace d’indirizzare ogni messaggio alla casella corretta nel giro di pochi secondi.
La soluzione è stata sviluppata su misura, progettando con i nostri consulenti IT lo smistatore come componente specifico, integrato con l’infrastruttura preesistente, che non è cambiata per nulla. Nessun modello di linguaggio, nessun algoritmo predittivo: un sistema deterministico, tracciabile, verificabile a posteriori e che opera di nascosto sulla normale casella di posta elettronica (cd. stealth). Il vantaggio percepito è stato enorme (letteralmente) in termini di tempi di reazione e di tranquillità organizzativa ed è un vantaggio difficile da replicare con un prodotto generalista da scaffale, perché ogni studio ha la propria tassonomia di pratiche, i propri pattern di clienti e i propri criteri d’assegnazione.
Il punto interessante non è il singolo caso, ma il principio che illustra: il salto di qualità non è venuto da una tecnologia di frontiera, ma da una corretta lettura del processo e da un intervento mirato su un collo di bottiglia ben identificato.
Cosa significa per banche di piccole dimensioni e servicer
Trasferire il principio al perimetro tipico dei lettori di queste pagine – banche locali, servicer NPL/UTP di dimensioni medio-piccole, finanziarie specializzate, studi che operano nel credit management – significa fare i conti con un’evidenza operativa: prima di ragionare di AI generativa applicata al recupero o di modelli predittivi sul cure rate, molte di queste organizzazioni hanno ancora processi quotidiani gestiti via Excel e posta elettronica.
Pensiamo allo smistamento delle PEC in arrivo da tribunali, controparti e debitori; alla riconciliazione dei pagamenti tra conto raccolta e gestionale; all’estrazione mensile di dati dai portali della giustizia telematica per l’aggiornamento dello stato dei fascicoli; alla compilazione di reportistica ricorrente verso investitori o organi di vigilanza; al monitoraggio delle scadenze processuali e amministrative. Sono attività ad alto volume, regole stabili, basso valore aggiunto del singolo gesto, ma ad alto valore aggregato per via dei tempi cumulati e del rischio operativo associato.
I dati ISTAT 2025 indicano, peraltro, che il margine di efficienza ottenibile con strumenti tradizionali resta ampio: l’utilizzo di software gestionali è cresciuto al 56% delle imprese con almeno 10 addetti (+7 punti rispetto al 2023) e l’analisi dei dati è passata dal 26,6% al 42,7% nel biennio. Sono incrementi consistenti, ottenuti senza ricorso massivo all’AI.
Si aggiunge un argomento di prudenza regolamentare: il quadro normativo europeo sull’AI – AI Act in primis – introduce, per le applicazioni ad alto rischio, adempimenti non banali in termini di valutazione, documentazione e governance dei dati. Per molti use case di back-office bancario e di gestione crediti, l’automazione deterministica resta una scelta più semplice da governare, più facile da verificare e più trasparente verso autorità e controparti. Non è un argomento contro l’AI (di cui sono un convinto sostenitore), ma è un argomento per dosarla dove serve davvero.
Una sequenza ragionevole
Il messaggio non è che l’intelligenza artificiale non interessi le piccole banche o i servicer di dimensioni medie. Interessa, eccome (e i numeri ISTAT 2025 mostrano che il divario tra chi sta integrando l’AI e chi no si sta strutturando rapidamente): il messaggio è che la sequenza conta. Automatizzare prima ciò che è automatizzabile con strumenti deterministici, mappare i processi reali, ripulire i dati, costruire flussi tracciabili: questa è la base senza la quale qualsiasi progetto AI rischia di restare un proof-of-concept in cerca di un problema. Non a caso, il primo ostacolo segnalato dalle imprese italiane non è il costo, ma la mancanza di competenze e la qualità dei dati.
C’è poi un aspetto culturale che vale la pena notare. L’attenzione mediatica concentrata sull’AI ha avuto il merito di portare il tema dell’innovazione tecnologica al centro dei consigli di amministrazione anche di organizzazioni che, fino a pochi anni fa, la consideravano una questione esclusivamente IT. Sarebbe paradossale se questa stessa attenzione finisse per oscurare interventi meno appariscenti, ma immediatamente trasformativi.
La domanda corretta, per chi guida una banca locale o un servicer di medie dimensioni, non è “quando adotteremo l’AI?” ma è “quali sono i tre processi che oggi consumano più tempo del nostro team operativo e cosa ci impedisce di automatizzarli con gli strumenti che già esistono?“. La risposta a quella domanda, nove volte su dieci, non richiede un modello fondazionale, bensì richiede attenzione, metodo e qualche settimana di sviluppo mirato.
Iscriviti alla newsletter: https://www.bebankers.it/newsletter/
