L’AI Act smette di essere un riferimento di principio e diventa materia di verifica ispettiva nel settore bancario. Decolla così la fase attuativa del regolamento europeo che disciplina l’uso dell’intelligenza artificiale secondo un approccio basato sul rischio. Da ora in avanti, le Autorità non guarderanno solo all’esistenza di politiche o codici etici, ma a come l’AI sia effettivamente progettata, utilizzata e governata.
La logica è coerente con l’evoluzione della vigilanza bancaria: non basta che un sistema produca risultati corretti, deve essere controllabile, spiegabile e tracciabile. In questo senso, l’AI è trattata come un’infrastruttura critica, al pari dei sistemi di gestione dei rischi o di reporting regolamentare. Del resto, da quando l’AI Act è legge, le cose stanno cambiando per le banche.
Questo passaggio rende centrali temi già noti alla vigilanza, come la governance dei dati e le aspettative della vigilanza BCE, che tornano in primo piano quando i modelli diventano più autonomi e pervasivi.
Autonomia, agenti intelligenti e nuove responsabilità
L’attenzione del mercato si concentra sempre più sui sistemi di AI con un elevato grado di autonomia, spesso definiti “agentici”. In ambito bancario, queste soluzioni sono sperimentate soprattutto nei presidi antiriciclaggio e KYC, dove l’AI può analizzare grandi volumi di dati, individuare anomalie e supportare, o anticipare, le decisioni operative.
Secondo McKinsey & Company, l’evoluzione verso sistemi più autonomi può trasformare radicalmente i processi di conformità in materia di crimini finanziari, automatizzando interi flussi di lavoro e aumentando in modo significativo la produttività delle funzioni di controllo. È una promessa di efficienza che spiega l’accelerazione dei progetti in corso.
Ma l’autonomia apre anche interrogativi che la vigilanza non può ignorare. In particolare:
- chi risponde delle decisioni prese dal sistema;
- come si ricostruisce il percorso decisionale ex post;
- quali limiti operativi impediscono comportamenti non coerenti con i presidi di controllo.
Sono aspetti che rientrano pienamente nelle aspettative regolatorie sull’uso dell’AI nelle banche e che l’AI Act rende giuridicamente rilevanti.
Governance e dati: il vero banco di prova regolatorio
L’AI Act non crea un binario separato rispetto alla normativa bancaria esistente. Si innesta su un quadro già complesso fatto di governance, controlli interni, responsabilità degli organi aziendali e qualità dei dati. È qui che si gioca la partita più delicata.
L’adozione di sistemi autonomi rende immediatamente visibili debolezze organizzative che in passato potevano restare sullo sfondo. In particolare su tre dimensioni:
- chiarezza delle responsabilità e delle deleghe;
- solidità della data governance e dei flussi informativi;
- capacità di audit e di ricostruzione delle decisioni.
Non a caso, il tema dell’aggregazione dei dati sui rischi secondo la BCE torna centrale quando l’AI è utilizzata in ambiti regolatori sensibili. Senza dati affidabili e governati, l’automazione non rafforza la compliance: la espone.
Una frattura crescente tra gli intermediari
Questo scenario rischia di accentuare una frattura già presente nel sistema bancario. Gli intermediari con architetture dati solide e processi ben presidiati potranno integrare l’AI come leva di rafforzamento della compliance. Altri rischiano di esporsi a rilievi non tanto per errori tecnologici, quanto per carenze organizzative.
Il discrimine non è l’adozione in sé, ma la capacità di dimostrare il controllo. È una differenza sottile, ma decisiva. Come evidenziato anche nel dibattito europeo sul regolamento europeo sull’intelligenza artificiale (AI Act), la tecnologia non compensa debolezze strutturali: le rende più evidenti.
Dalla conformità formale alla compliance sostanziale
La nuova frontiera della compliance non è formale, ma sostanziale. Non basta dichiarare l’adesione ai requisiti normativi: occorre dimostrare che l’AI è inserita in un assetto di governance coerente, controllabile e sostenibile nel tempo. Per numerosi istituti di credito questo significa lavorare prima sui processi che sui modelli:
- mappare i casi d’uso;
- valutare i rischi;
- rafforzare i presidi di controllo;
- migliorare la qualità dei dati e la capacità di rendicontazione interna.
È lo stesso percorso che emerge quando si analizza l’impatto dell’AI Act sulla compliance bancaria.
In questo contesto, attività strutturate di analisi e autovalutazione diventano uno strumento concreto per anticipare le aspettative della vigilanza, individuare le lacune e intervenire prima che emergano in sede ispettiva.
La vigilanza come orizzonte operativo
L’AI Act segna un punto di non ritorno. L’intelligenza artificiale non è più un ambito di sperimentazione controllata, ma un oggetto di vigilanza a pieno titolo. Per le banche, la sfida non è correre più veloci, ma dimostrare di saper governare sistemi sempre più autonomi all’interno di un quadro regolatorio esigente. Anche perché nella gestione dei rischi, l’intelligenza artificiale aiuta le banche già oggi e lo farà ancor di più in futuro.
In questa fase, la capacità di tradurre requisiti normativi e aspettative di vigilanza in scelte operative coerenti diventa un fattore critico. È su questo terreno che la compliance cessa di essere un esercizio formale e diventa una leva strategica.


