“Lezioni americane” per la classe 2025 dell’Executive Master in Finance di SDA Bocconi: dal modello end-to-end di isybank all’intelligenza umanocentrica

Potrebbero esserci cambiamenti al business model nel futuro, immaginando uno scenario in cui i chatbot potrebbero pagare fee per usare i contenuti già sviluppati. Oppure l’Artificial Intelligence: i nuovi agentic-AI che usano ragionamenti sofisticati per risolvere in modo autonomo problemi complessi, richiedendo un ripensamento di contenuti, processi e competenze delle persone. O ancora la cybersecurity: una survey ad aziende con fatturato superiore a 350 milioni di euro ha mostrato che il 37% delle aziende destina oltre il 4% del fatturato a investimenti digitali contro 17% nel 2020 mentre solo 7% dichiara di non aver fatto investimenti contro il 19% del 2020. Dalla ricerca emerge come le aziende stiano adottando il digitale, in modo concreto e orientato al valore, con focus sugli ambiti collegati alla cybersecurity.
Purtroppo in Europa il “sistema abilitante” dell’AI non è del tutto sviluppato. La digitalizzazione delle PMI è insufficiente, e in prospettiva nel 2030 cloud e datacenter genereranno una forte domanda di energia, che potrebbe mettere in difficoltà l’Europa dal punto di vista dei costi. Il gap con gli Stati Uniti è chiaro quando si nota che gli investimenti privati in AI sono sei volte inferiori rispetto a quelli degli Usa.
La struttura di Global Transaction Banking della Divisione IMI CIB di Intesa Sanpaolo aiuta il sistema italiano a colmare il gap sia per le PMI che per le grandi aziende e si rivolge in modo specifico a varie figure professionali, quali tesorieri, finance manager e import/export manager. Il portale di Corporate Internet Banking di Intesa Sanpaolo è diventato un marketplace con 300.000 clienti, anche per scambio documentale, colloquio diretto con i RM per creare processi lineari, per condividere documenti e contratti. Per le aziende con esigenze maggiormente complesse e personalizzabili, tra gli altri servizi disponibili, troviamo la gestione tesoreria con soluzioni come cash pooling e payment factory.

Una delle sue caratteristiche distintive è l’adozione di un modello centralizzato, pensato per garantire coerenza e sinergia tra le diverse aree aziendali, con team di data scientist che collaborano direttamente con le strutture di business. Le priorità vengono definite a livello di Gruppo sulla base della rilevanza trasformativa e degli impatti di business. Vi è un forte presidio di controlli di Responsible AI, già attivi prima dell’entrata in vigore dell’AI Act, ed è promosso il trasferimento di conoscenze e la collaborazione con laboratori di ricerca avanzata.
Tra i progetti più significativi figurano assistenti virtuali che supportano i colleghi nell’ottenere rapidamente informazioni utili per il cliente, e strumenti che rispondono a domande su processi e procedure aziendali, pensati per una popolazione aziendale molto eterogenea.
Un tema particolarmente stimolante, emerso dal confronto con i partecipanti della classe EMF9, riguarda lo sviluppo dell’agent AI: digital expert progettati per affiancare i colleghi nei compiti ripetitivi, liberando tempo e risorse per attività a maggior valore aggiunto. Tuttavia, il contesto di rapida evoluzione tecnologica introduce elementi di incertezza. Gli agent AI non sono semplici copilot, ma agenti autonomi la cui responsabilità ricade su chi ne progetta la delivery, aprendo nuove sfide nella gestione integrata delle risorse aziendali.

Ha poi menzionato le applicazioni più immediate a contesti aziendali come ad esempio:

• creazione e supporto alla creazione per ogni tipo di contenuti
• automazione delle attività ripetitive
• analisi e sintesi di informazioni
• estrazione automatica dati, trascrizioni con sintesi, gestione dell’interazione con clienti in linguaggio naturale

Sono seguiti alcuni esempi di applicazioni capaci di suscitare particolare attenzione per le prospettive che aprono, come Google Veo3, NotebookLM podcast maker, HeyGen per la creazione di avatar prima di chiudere con una carrellata sui principali motivi di ritardo nell'adozione di sistemi AI nelle aziende tra cui:

• mancata disponibilità di dati aziendali, per deficit nella loro formattazione, raccolta e stoccaggio
• difficoltà nel calcolare l’impatto sul ROI, dei progetti legati all'AI
• i costi di mantenimento più alti del previsto

In sintesi, l’AI offre straordinarie opportunità per il futuro, ma occorre farne un uso consapevole; le aziende in particolare devono investire sulla data readiness, riflettere sulla governance, sui rischi e sull’etica dell’AI, mantenendo allo stesso tempo una cultura organizzativa aperta all’innovazione.