new
BANCHE/RAPPORTO McKINSEY
Dopo l'anno dei record, come difendere gli utili dalla concorrenza dell'AI?

Le banche hanno brindato nel 2025 a 1.300 miliardi di utili. Nel 2026, secondo McKinsey, il modello con cui quegli utili sono stati raggiunti è andato in crisi. E la resa dei conti non sarà tra banche che hanno l’intelligenza artificiale e banche che non ce l’hanno, ma tra quelle che sapranno usarla per conquistare il cliente e quelle che finiranno per lavorare al servizio degli agenti degli altri

Mai state così ricche, e forse mai così esposte. Nel 2025 le banche mondiali hanno messo a segno un risultato da primato: 1.300 miliardi di dollari di utili netti, il 7 per cento in più rispetto al 2024, che già aveva stabilito un record. Nessun altro settore industriale ha guadagnato tanto. I ricavi prima degli accantonamenti per il rischio sono saliti da 6.100 a 6.400 miliardi di dollari, mentre depositi, prestiti e masse gestite hanno raggiunto i 406 mila miliardi. Un’annata da incorniciare, almeno guardando il conto economico.

Ma proprio mentre festeggiavano, le banche si sono trovate davanti a una trasformazione che rischia di mettere in discussione le fondamenta del loro mestiere. Il rapporto con il cliente, la raccolta dei depositi, la distribuzione dei prodotti, la gestione dei pagamenti e perfino il modo di produrre credito stanno per essere attraversati dall’intelligenza artificiale. E questa volta non si tratta di una tecnologia da adottare con calma, aspettando che siano i clienti a familiarizzare con essa. L’AI avanza a una velocità che non concede il consueto periodo di adattamento.

È questo il messaggio del Global Banking Annual Review 2026 di McKinsey, intitolato The AI Disruption Dividend. Il dividendo dell’intelligenza artificiale esiste già, almeno sul fronte della produttività. Ma la partita vera è un’altra: chi controllerà il cliente, chi incasserà i margini e chi riuscirà a trasformare i risparmi di costo in un vantaggio competitivo duraturo. Perché il rischio, per le banche, è di continuare a custodire il denaro mentre qualcun altro si prende la relazione con chi lo possiede.

Le sfide sono almeno cinque: difendere la raccolta dalla capacità degli agenti digitali di spostare liquidità; evitare che ChatGPT e gli altri modelli linguistici diventino il nuovo sportello attraverso cui si scelgono prodotti e fornitori; costruire una banca che sappia utilizzare i propri dati e il proprio patrimonio di competenze; governare costi, sicurezza e responsabilità degli agenti; infine, cambiare organizzazione a una velocità che i vecchi processi bancari non hanno mai conosciuto. McKinsey avverte che il vantaggio si accumulerà presso chi si muove per primo. Per gli altri, il tempo per recuperare potrebbe essere molto più breve che nelle precedenti rivoluzioni tecnologiche.

Il paradosso: profitti record, redditività meno brillante

Visto più da vicino, d’altra parte, il quadro del 2025 è meno trionfale di quanto suggerisca il dato sugli utili. I margini d’interesse netti globali sono scesi dall’1,65 all’1,62 per cento; il rendimento sul capitale tangibile, dopo aver raggiunto il 12,4 per cento nel 2024, è arretrato all’11,8. Le banche hanno continuato ad accumulare liquidità in eccesso – altri 900 miliardi di dollari di free cash flow destinato agli azionisti – e a remunerare gli investitori con dividendi e riacquisti di azioni. Ma i mercati continuano a guardarle con una certa diffidenza: i multipli prezzo/valore contabile e prezzo/utili restano inferiori a quelli degli altri settori.

Il punto è che una parte importante della prosperità recente è arrivata da condizioni favorevoli: l’aumento dei tassi, la crescita della ricchezza finanziaria, il basso costo del rischio. Non è detto che questi motori continuino a spingere allo stesso modo. E intanto cambia la struttura stessa del settore: una quota crescente dei ricavi e dei profitti arriva da pagamenti e distribuzione, attività nelle quali la concorrenza è più intensa e l’ingresso di nuovi operatori più facile.

È qui che l’intelligenza artificiale smette di essere una questione di efficienza interna e diventa una questione di sopravvivenza del modello di business. Non basta fare le stesse cose con meno dipendenti. Bisogna capire se le stesse cose continueranno a essere fatte dalle banche, o se qualcun altro si interporrà tra loro e i clienti.

Il nuovo sportello non è più in banca

La prima minaccia è già visibile. I modelli linguistici stanno diventando un canale di distribuzione finanziaria, e non soltanto uno strumento per ottenere informazioni. Più della metà delle persone con almeno 100 mila dollari di patrimonio usa già gli LLM per porre domande finanziarie. Tra i consumatori che impiegano l’intelligenza artificiale per attività bancarie, il 74 per cento passa da ChatGPT, Claude o Gemini: circa il doppio della quota che utilizza il chatbot della propria banca.

La differenza non è sottile. Un tempo il cliente entrava in filiale, consultava il sito o telefonava al proprio istituto. Oggi può chiedere a un agente di confrontare in pochi secondi i rendimenti, le commissioni e le condizioni di decine di operatori. La banca rischia di diventare il fornitore del prodotto, mentre la piattaforma digitale si prende la conversazione, orienta la scelta e costruisce la fedeltà.

McKinsey individua due strategie già in campo. La prima è diventare una fonte di dati per le piattaforme: OpenAI consente agli utenti americani di collegare i conti bancari attraverso Plaid, per ricevere indicazioni in sola lettura. La seconda è presidiare direttamente il nuovo canale. BBVA ha sviluppato un’applicazione all’interno di ChatGPT che permette ai clienti, in Germania e in Italia, di esplorare i prodotti senza uscire dalla conversazione. Non è un dettaglio: significa provare a non lasciare ad altri il controllo della vetrina.

Il denaro può cambiare banca senza che il cliente se ne accorga

La seconda minaccia è ancora più concreta perché tocca il cuore del bilancio bancario: i depositi. Gli agenti non si limiteranno a consigliare dove tenere il denaro. Potranno confrontare i rendimenti e trasferire automaticamente la liquidità verso conti o strumenti più remunerativi, secondo le autorizzazioni ricevute dal cliente.

La simulazione di McKinsey è brutale: se gli agenti riuscissero a spostare, direttamente o attraverso i loro consigli, appena il 5-10 per cento dei saldi dei conti correnti verso prodotti più redditizi, i profitti del settore legati ai depositi potrebbero ridursi del 20 per cento. È una prospettiva che mette in discussione uno dei vantaggi storici delle banche: la relativa inerzia della raccolta, la difficoltà per il cliente di confrontare continuamente le alternative e cambiare istituto.

Non sarà semplice bloccare questi movimenti. Alcuni agenti sono già in grado di simulare il comportamento umano, per esempio attraverso clic del mouse, e i sistemi di difesa delle banche non sempre riescono a riconoscerli. La partita non si giocherà soltanto sul piano tecnologico, ma anche su quello commerciale: chi saprà offrire consulenza, prodotti d’investimento e gestione della liquidità abbastanza convincenti potrà compensare la perdita di margini sui depositi. Chi resterà fermo rischia invece di finanziare la concorrenza.

Anche il mondo dei pagamenti si sta attrezzando. Visa, con Intelligent Commerce, e Mastercard, con Agent Pay, lavorano per consentire agli agenti verificati di effettuare acquisti. PayPal porterà il proprio portafoglio nel checkout di ChatGPT; Stripe e OpenAI hanno sviluppato insieme un protocollo per il commercio agentico. Il denaro si muove sempre più attraverso infrastrutture che potrebbero non appartenere alle banche.

Il cliente vuole l’AI, ma non si fida a occhi chiusi

La terza sfida riguarda la relazione. La ricerca McKinsey, condotta su circa 46 mila consumatori in tredici Paesi, Italia compresa, mostra che il 92 per cento conosce l’AI generativa, il 58 per cento la utilizza e il 23 per cento la impiega già per attività bancarie o finanziarie. Il cambiamento è rapidissimo, ma non equivale a una delega incondizionata.

Il 59 per cento preferisce l’AI per le domande finanziarie di base. Quando si passa ai consigli d’investimento, però, il 34 per cento sceglie ancora un interlocutore umano, contro il 24 per cento che preferisce l’intelligenza artificiale; il 42 per cento è disponibile a utilizzare entrambi. E circa due utenti su tre preferirebbero parlare con una persona piuttosto che con un assistente vocale della banca, anche senza tempi d’attesa.

La fiducia, dunque, resta un patrimonio bancario. Il 62 per cento degli utenti AI preferirebbe ricevere servizi e consigli dalla propria banca principale, mentre la privacy è la principale preoccupazione per il 37 per cento. Ma questa rendita di posizione non è garantita: circa la metà degli utenti potrebbe rivolgersi a un’app finanziaria di terze parti se la propria banca non offrisse servizi AI adeguati.

Il cliente vuole delegare, ma alle proprie condizioni. Il 72 per cento degli utenti AI affiderebbe almeno un’attività finanziaria a un agente; la maggioranza, però, vuole essere interpellata prima che l’agente agisca e molti fisserebbero a 500 dollari il limite delle operazioni autorizzate autonomamente. Revolut ha provato a rispondere con AIR, lanciato nel Regno Unito nell’aprile 2026: l’assistente può eseguire operazioni sensibili, ma soltanto dopo l’approvazione biometrica del cliente. Il punto non è costruire un robot che decida al posto del correntista: è diventare il suo delegato di fiducia.

Dall’automazione alla banca che impara

La quarta sfida riguarda l’organizzazione interna. Finora molte banche hanno utilizzato l’AI per accelerare singole attività: scrivere un documento, rispondere a una richiesta, analizzare un dato. Il salto vero, sostiene McKinsey, consiste nel trasformare l’intelligenza artificiale in una forma di conoscenza istituzionale: collegare dati, procedure, decisioni passate e giudizio dei professionisti più esperti, così che l’intera organizzazione possa beneficiarne.

I casi concreti cominciano a essere significativi. DBS Bank di Hong Kong ha introdotto nell’agosto 2026 una soluzione agentica destinata a circa 1.500 gestori di clientela corporate. Gli agenti preparano bozze di credit memo già strutturate per la revisione e incorporano le conoscenze dei responsabili del rischio. Morgan Stanley ha invece sviluppato un assistente AI per i consulenti finanziari: lanciato nel 2024, è oggi utilizzato dal 98 per cento dei team di advisor.

Alla Royal Bank of Canada il ceo Dave McKay racconta di utilizzare una propria squadra di agenti per ricevere ogni mattina aggiornamenti su mercati, economia, consumatori e rischi. Il risultato, dice, è poter lavorare cinque volte più velocemente. Non è soltanto un risparmio di tempo: è un diverso modo di accedere alle informazioni e prendere decisioni.

La posta in gioco è alta perché la produttività individuale non si traduce automaticamente in profitti. Nell’indagine McKinsey sullo stato dell’AI nel 2026, l’80 per cento degli intervistati segnala miglioramenti nella produttività personale, ma appena il 6 per cento attribuisce all’AI una quota significativa dell’EBIT. Il motivo è semplice: velocizzare un compito non basta se il resto del processo continua a muoversi con i tempi di prima. Un memo creditizio pronto in pochi minuti può restare fermo in attesa di un comitato che si riunisce una volta alla settimana.

Il dividendo c’è, ma bisogna saperlo incassare

I numeri dei primi progetti sono già difficili da ignorare. Su 52 casi di AI agentica analizzati da McKinsey, il tempo medio per recuperare l’investimento è di circa dieci mesi e il ritorno stimato a tre anni è pari a 2,9 volte il capitale investito. La maggior parte dei casi riguarda operations e assistenza alla clientela: 33 su 52. Seguono rischio e compliance, con sette progetti, e poi sviluppo software, conoscenza e reporting.

Gli esempi sono eloquenti, anche se McKinsey non rivela i nomi degli istituti. Una banca ha investito 20 milioni di dollari in agenti per il ciclo di sviluppo software e prevede un ritorno doppio dopo 18 mesi. Un’altra ha impegnato 30 milioni per modernizzare il codice del mainframe, con risparmi annui attesi di circa 25 milioni.

Nel controllo dei rischi, un progetto da 32 milioni dovrebbe generare 50 milioni di risparmi ogni anno. Nel servizio clienti, un investimento di 5 milioni per automatizzare la gestione delle richieste promette un ritorno di 2,8 volte entro dodici mesi. Un altro sistema, che classifica le telefonate in ingresso, punta a recuperare un investimento di 2,6 milioni e a generare un valore pari a 3,3 volte la spesa grazie alla riduzione dei tempi di risposta.

Ma c’è un rovescio della medaglia. L’AI costa: token, potenza di calcolo e gestione operativa possono arrivare a pesare fino al 20 per cento del costo del lavoro. La banca deve quindi imparare a misurare il consumo, scegliere il modello più conveniente senza sacrificare la qualità e impedire che gli agenti producano errori o decisioni incontrollate. McKinsey riassume questa architettura di controllo nell’acronimo WORTH: limiti di accesso e autorizzazioni, osservabilità, AI responsabile, gestione dei costi e controllo delle allucinazioni.

La sicurezza è un problema ancora più serio. Nel 2025 l’FBI ha registrato per la prima volta separatamente i crimini abilitati dall’intelligenza artificiale: le perdite denunciate hanno raggiunto circa 900 milioni di dollari. Un agente con accesso ai conti e ai pagamenti può diventare una nuova forma di insider; un criminale può invece moltiplicare gli attacchi a una velocità che i controlli umani non riescono a sostenere.

La vera differenza la farà la velocità

Resta infine la sfida che attraversa tutte le altre: cambiare il modo in cui la banca lavora. Non basta distribuire copiloti ai dipendenti, né moltiplicare i progetti pilota. Bisogna ridisegnare processi, responsabilità e ruoli, portando gli agenti dentro l’organizzazione e affidando alle persone il giudizio, la supervisione e le decisioni più delicate.

Un grande gruppo bancario globale citato da McKinsey ha ottenuto inizialmente un aumento di produttività del 10-15 per cento con la diffusione dei copiloti. Poi ha cambiato metodo: ha inserito i migliori ingegneri nei gruppi di sviluppo, fissato obiettivi di produzione, introdotto cicli di lavoro quotidiani e lasciato agli agenti il compito di lavorare durante la notte. Il risultato è stato un miglioramento dell’efficienza di almeno il 40 per cento nei team coinvolti. In un’indagine su 334 responsabili di prodotto e ingegneria, i gruppi che hanno integrato l’AI e ridisegnato i ruoli sono risultati acceleratori di produttività nel 40 per cento dei casi, contro il 27 per cento di quelli che si sono limitati ad adottare gli strumenti lasciando intatta l’organizzazione.

È qui che si separeranno i vincitori dai comprimari. McKinsey paragona la competizione bancaria a quella della Formula 1: durante il dominio Mercedes, anche altre scuderie utilizzavano lo stesso motore, ma non ottenevano gli stessi risultati. La differenza era nel telaio, nei dati, nell’organizzazione dei box e nella rapidità con cui si imparava da una gara all’altra. Per le banche il modello AI sarà sempre più una tecnologia acquistabile da tutti. Il vantaggio vero nascerà dalla qualità dei dati, dalla conoscenza accumulata, dalla fiducia dei clienti e dalla capacità di mettere tutto al lavoro.

Il 2025 ha dimostrato quanto possa essere redditizio il vecchio modello bancario. Il 2026, nella lettura di McKinsey, mette in discussione quanto a lungo potrà continuare a esserlo. Dopo i record, arriva la resa dei conti: non tra banche che hanno l’intelligenza artificiale e banche che non ce l’hanno, ma tra quelle che sapranno usarla per conquistare il cliente e quelle che finiranno per lavorare al servizio degli agenti degli altri.

P.P.

Condividi questo articolo