AI-Powered Credit Process: come ripensare il credito tra innovazione, rischio e regolamentazione

SAS riunisce banche e advisory per discutere l’evoluzione end-to-end del processo creditizio: dall’ottimizzazione del portafoglio alla governance dei modelli, tra agentic AI, explainability e nuove responsabilità organizzative.

Il credito è tornato al centro della trasformazione bancaria. Non solo per l’impatto diretto su capitale, redditività e profilo di rischio, ma perché oggi è il punto di intersezione tra tre tensioni strutturali: volatilità dei mercati, crescente complessità regolamentare e accelerazione tecnologica.

L’evento organizzato da SAS ha messo a fuoco proprio questo snodo: come ridisegnare il processo del credito in ottica AI-first, mantenendo solidità regolamentare e creando valore per il business. Il confronto ha coinvolto responsabili risk, validazione, CRO e advisory, con un filo conduttore chiaro: ripensare l’intera catena del valore del credito.

Lo scenario: performance solide, sfide in accelerazione

Il punto di partenza è un sistema bancario italiano che può vantare performance solide, riconosciute anche dalla Banca d’Italia. Ma proprio questo momento di forza nasconde insidie: mantenere i risultati in un contesto di volatilità crescente, concentrazione dei portafogli e pressione regolamentare impone scelte strategiche nuove.

Un messaggio chiaro e metodico: la tecnologia è un acceleratore potentissimo, ma il suo valore si esprime solo quando è al servizio di un processo ripensato dall’inizio. Non un singolo use case, ma una visione end-to-end che integra strategia del portafoglio, modelli di rischio, pricing risk-adjusted e credit execution.

La validazione cambia ruolo: da presidio regolamentare a partner strategico

Se c’è una funzione che questa trasformazione sta ridefinendo in profondità, è quella della validazione interna. Un tempo confinata al presidio dei modelli regolamentari, oggi è chiamata a sedersi ai tavoli fin dall’inizio del processo di sviluppo, con un mandato che si estende ben oltre il perimetro tradizionale.

Un approccio che in UniCredit si è tradotto in un progetto di revisione complessiva del credit lending process, con il CRO come sponsor: segno che la trasformazione del credito non è un’iniziativa tecnologica, ma una priorità strategica al massimo livello.

Stage gate, controlli e il valore della vista trasversale

In Intesa Sanpaolo, la funzione guidata da Rita Gnutti combina validazione interna e controllo di secondo livello, offrendo una vista privilegiata su tutti i modelli sviluppati in azienda e sui processi più critici, a partire dal credito. Per i modelli più rilevanti, con logica di proporzionalità, viene applicato un approccio che si traduce nel cosiddetto “stage gate”: la validazione accompagna lo sviluppo fin dall’avvio del progetto, facendo challenge alla prima linea durante il progetto stesso, così che al momento della presentazione, il modello sia già sostanzialmente validato.

Il concetto di “agile assurance” - accompagnare le soluzioni innovative fin dalle prime fasi, validandole prima che entrino in produzione (sempre con criterio di proporzionalità “risk based”) - rappresenta una delle risposte più concrete alla domanda che attraversa l’intero settore: come si tiene sotto controllo un’innovazione che accelera più rapidamente della capacità di governarla?

Machine learning nei rating e la sfida della compliance normativa

Sul fronte dell’integrazione concreta dei modelli di machine learning nei processi regolamentari, Banco BPM sta compiendo passi significativi. Francesco La Spada, Head of Credit & Non-Financial Risks di Banco BPM, infatti, ha raccontato un percorso che non si limita a sovrapporre nuovi strumenti ai processi esistenti, ma che punta a ridisegnare integralmente la valutazione del merito creditizio e i sistemi di early warning, affrontando al contempo le sfide poste dall’AI Act con una struttura organizzativa dedicata.

Le parole di Giordani toccano anche un nervo scoperto: il “nervosismo” organizzativo che accompagna queste trasformazioni. Non un dettaglio, ma un segnale che la dimensione umana e culturale del cambiamento richiede attenzione e gestione esplicita, ben oltre la dimensione puramente tecnologica.

Il contributo della consulenza: dai dati alla governance, dall’artigianalità all’industrializzazione

Il secondo panel ha portato al tavolo le prospettive delle grandi società di consulenza, che lavorano insieme a SAS a fianco delle banche nel tradurre queste ambizioni in pratica. Antonio Altieri Pignalosa, Partner, Financial Services Risk - EY, ha posto l’accento sulla necessità di un cambiamento di prospettiva.

Lorenzo Macchi, Partner, Head of Financial Services and Head of Banking & Finance di KPMG, ha allargato lo sguardo alla maturità del percorso, evidenziando come il credito rappresenti un terreno naturale per l’AI proprio per la sua complessità e trasversalità, ma ricordando anche i vincoli prudenziali che la vigilanza pone in modo sempre più esplicito.

Infine, Fabio Bresciani, Responsible AI Director di Accenture, ha portato la riflessione sul terreno più tecnico e insieme più provocatorio: la spiegabilità degli agenti e dei modelli generativi è un problema aperto, che non si risolve con un tool automatico ma richiede conoscenza del dominio, approcci custom e un livello di industrializzazione che il settore non ha ancora raggiunto.

L’AI in azione: dalla documentazione automatica alla data lineage

Tra i due panel, Alida Popescu, Customer Advisory Sr. Manager - Risk Practice CEE di SAS, ha mostrato concretamente come la piattaforma SAS integri agenti AI nel processo creditizio. Non una dimostrazione astratta, ma una sequenza di casi d’uso operativi: dall’ingestione documentale nel commercial lending, dove un agente estrae dati dai bilanci cartacei e alimenta i modelli di approvazione, all’ottimizzazione della collection attraverso la selezione automatica di strategie e canali.

Particolarmente significativa la capacità di generare automaticamente la documentazione relativa alla scheda modello (non solo nella sua componente quantitativa, ma anche qualitativa) e di ricostruire l’intero percorso decisionale attraverso il track pathing e la data lineage, rendendo visibile e auditabile l’intera catena dal dato in input alla decisione creditizia finale.

Il credito come laboratorio del futuro bancario

Ci sono almeno tre fili rossi che attraversano tutte le voci raccolte in questo evento e che meritano di restare aperti come domande più che come risposte.

Il primo riguarda il rapporto tra velocità dell’innovazione e tempo della regolazione. Le banche sviluppano modelli che poi tengono “spenti” in attesa di regolamenti tecnici; la vigilanza avvia indagini conoscitive per capire perché. In questo gap temporale si gioca una partita cruciale: chi saprà muoversi con prudenza ma senza paralizzarsi, coltivando i modelli offline e preparando le infrastrutture, si troverà in vantaggio quando il quadro normativo si completerà.

Il secondo filo riguarda i bias e la sistematicità dell’errore. Come ha ricordato Chiara Capelli con un’osservazione che vale come monito: gli esseri umani hanno bias individuali, diversi l’uno dall’altro; la macchina, se ha un bias, lo applica a tutta la popolazione. Più automatizziamo, più il rischio di errori sistematici cresce, e con esso la responsabilità di chi governa questi processi.

Il terzo, forse il più profondo, riguarda le persone. Lo spostamento di risorse dal back office al front e al controllo, la necessità di competenze nuove e ibride che sappiano stare al confine tra tecnologia, rischio e business: tutto questo dice che la trasformazione del credito è, in ultima analisi, una trasformazione delle persone e della cultura organizzativa.

Il processo del credito, per sua natura complesso, trasversale e ad alto impatto, si conferma così come il laboratorio più avanzato in cui il sistema bancario italiano sta sperimentando il proprio futuro. Un futuro che non è delegabile interamente alla macchina, ma che senza la macchina non è più immaginabile. La sfida, come sempre nei momenti di passaggio, è trovare l’equilibrio: tra accuratezza e velocità, tra innovazione e governance, tra l’intelligenza artificiale e quella, insostituibile, umana.

7 maggio 2026