Quanto vale davvero un punto di produttività quando a guidarlo è l’intelligenza artificiale, e non una nuova ondata di assunzioni. Siamo disposti a riprogettare processi, competenze e strutture organizzative se i dati dicono che il lavoro può essere svolto meglio e più velocemente. Il settore bancario statunitense ha già risposto: la spinta dell’IA non è un esperimento, è un programma operativo.

Le banche mandano un segnale: produttività prima di tutto

Le maggiori istituzioni finanziarie statunitensi convergono su un messaggio chiaro: l’IA è un moltiplicatore di produttività e ridefinirà i fabbisogni di lavoro. I passaggi resi pubblici delineano una traiettoria concreta, non un annuncio generico.

• JPMorgan Chase ha quantificato l’impatto: la produttività è stata raddoppiata al 6% rispetto al precedente 3% senza l’uso dell’IA, con l’aspettativa che la produttività degli specialisti operativi cresca dal 40% al 50%. La lettura manageriale è netta: più efficienza significa minore pressione sui posti dove l’automazione porta valore, ma anche ridisegno dei ruoli.
• Wells Fargo ha dichiarato di non aver ridotto il numero complessivo dei dipendenti, sottolineando però che con l’IA si riesce a fare molto di più. La direzione intrapresa è esplicita: analizzare dove sia possibile ottenere di più con meno persone, senza immaginare una sostituzione totale dell’elemento umano, ma abilitando modi di lavorare significativamente diversi.
• PNC Financial ha riportato un dato strutturale: la banca ha oggi un organico paragonabile a quello di dieci anni fa, quando l’istituto valeva un terzo delle dimensioni attuali. Il percorso è frutto di automazione e ottimizzazione delle filiali, con l’IA vista come acceleratore, in particolare per il personale tecnologico.
• Citigroup ha misurato un +9% di produttività nella programmazione, collegandolo alla diffusione della generative AI. La banca segnala due leve operative: più autoservizio per i clienti e assistenza in tempo reale alle chiamate che passano a un operatore, così da renderlo più produttivo.

Dove l’IA sposta davvero l’ago della bilancia

La mappa delle applicazioni prioritarie è ormai visibile, con una pipeline guidata tanto dal front office quanto dal back office. Le aree citate dalle banche mostrano come la leva di valore nasca dall’orchestrazione dei processi, non da singoli strumenti.

• Sales e onboarding: priorità nell’iniziativa OneGS 3.0 di Goldman Sachs, con l’obiettivo di ridurre attriti e tempi di attivazione.
• Processi di concessione del credito: standardizzare e accelerare valutazioni e istruttorie, con controlli integrati.
• Rendicontazione regolamentare: struttura dati più solida e tempi di reporting più brevi, con tracciabilità migliorata.
• Gestione dei fornitori: presidio dei rischi terzi e automazione dei cicli di onboarding, monitoraggio e conformità.
• Operations: aumento della produttività degli specialisti, grazie a modelli che codificano eccezioni e suggeriscono next best action.
• Sviluppo software: incremento della produttività degli sviluppatori, con casi misurati come quello di Citigroup.
• Assistenza clienti: combinazione tra autoservizio e agenti aumentati, con suggerimenti in tempo reale e riduzione dei tempi di gestione.

Produttività in crescita e lavoro che cambia: il punto di equilibrio

Le banche indicano due fatti che convivono. Da un lato la produttività aumenta in modo misurabile, dall’altro la struttura del lavoro si sposta verso attività a maggior valore. La discussione pubblica resta sensibile: la stessa traiettoria dell’IA ha innescato trilioni di dollari di investimenti e forti guadagni in Borsa, insieme a carenza di chip di memoria, maggiore attenzione regolatoria e preoccupazioni per la potenziale riduzione dei posti.

Il sistema risponde con la gestione attiva della forza lavoro. Alcuni istituti hanno segnalato interventi di contenimento, come la comunicazione interna di Goldman Sachs che prospettava tagli potenziali e un rallentamento delle assunzioni verso fine anno, in parallelo a iniziative per aumentare la produttività tramite IA. Altri, come Wells Fargo, sottolineano una fase di analisi per individuare dove l’efficienza consenta di fare di più con team più snelli, salvaguardando la componente umana nelle attività critiche.

Automazione come percorso: l’IA è l’acceleratore

Il racconto secondo cui l’IA sarebbe un cambiamento isolato non regge alla prova dei fatti. PNC ricorda che il percorso di automazione e ottimizzazione è in corso da anni, e che l’IA agisce da acceleratore. Questo conta per due ragioni: primo, perché la base tecnologica e organizzativa è già in gran parte presente; secondo, perché i benefici si realizzano più rapidamente dove processi e dati sono maturi.

Il punto operativo è evidente: spostare la discussione da tecnologia a metrica. Se l’output per FTE cresce e i tempi di ciclo scendono, allora la riallocazione del lavoro non è un effetto collaterale, ma una leva di competitività. I team tecnologici sono tra i primi a beneficiarne, ma l’impatto reale si manifesta nel modo in cui funzioni business e di controllo adottano i modelli nelle attività quotidiane.

Capitale, governance e rischio: come si pianifica l’adozione

L’adozione non procede senza investimenti e regole chiare. Bank of America ha dichiarato l’intenzione di investire miliardi di dollari in tecnologie come l’IA per aumentare la produttività dei banchieri e generare più ricavi. Goldman Sachs ha messo a fuoco priorità precise con OneGS 3.0, spingendo su sales, onboarding, credito, reporting regolamentare e fornitori. La combinazione di capitale e focalizzazione è la via più breve per rendere scalabili i casi d’uso.

Le banche muovono anche su un secondo asse: il rischio. L’attenzione dei regolatori cresce e il tema dell’affidabilità dei modelli diventa progettuale, non solo difensivo. La conseguenza pratica è l’integrazione nativa di controlli, monitoraggi e audit trail nei processi abilitati da IA. In questo quadro, alcune realtà scelgono transizioni progressive sul personale, altre anticipano. La discriminante non è ideologica: è la maturità dei processi e la capacità di misurare l’impatto senza perdere controllo.

Cosa fare adesso: una checklist pragmatica per i vertici

Le indicazioni emerse consentono di tradurre le scelte in un piano operativo. La logica è semplice: partire dove i dati sono puliti, i processi sono codificabili e gli outcome sono misurabili.

• Selezionare pochi casi d’uso ad alto impatto: sales e onboarding, credito, reporting regolamentare, assistenza clienti. La priorità viene da valore misurabile e rapidità di rilascio.
• Ridisegnare i processi end-to-end: evitare l’innesto superficiale di strumenti, mappare decisioni, eccezioni e controlli, integrare l’IA dove crea leva e non dove aggiunge attrito.
• Aumentare le persone prima di sostituirle: assistere agenti e specialisti con suggerimenti e automazioni, misurare i guadagni e solo dopo ribilanciare l’organico sui picchi di valore.
• Impostare governance e qualità del dato: definire ownership, lineage, politiche di privacy e sicurezza, audit integrato nei flussi.
• Potenziare competenze e mobilità interna: creare percorsi di reskilling per operations, IT e front line, con metriche chiare di efficacia formativa.
• Misurare sistematicamente la produttività: stabilire baseline e KPI per throughput, tempi di ciclo e qualità, con revisioni periodiche dei modelli.
• Pianificare la capacità tecnologica: considerare costi di calcolo, disponibilità di chip e scalabilità delle piattaforme, evitando colli di bottiglia infrastrutturali.

Una traiettoria già tracciata: dall’adozione parziale alla scala

Il quadro emerso è coerente: l’IA non è un’iniziativa isolata ma un’estensione naturale di anni di automazione. JPMorgan quantifica i guadagni, Wells Fargo evidenzia come si possa fare di più con team invariati, PNC dimostra che la crescita è sostenibile con organici stabili se i processi migliorano, Citigroup porta prove di efficienza nello sviluppo e nei canali di assistenza, Goldman e Bank of America organizzano priorità e investimenti. Le variabili operative sono ormai note: dati, processi, governance, capacità di esecuzione.

Il nodo sensibile resta il lavoro. La narrativa del taglio lineare ignora due aspetti: primo, il valore si materializza dove l’umano resta al centro delle decisioni critiche; secondo, l’IA sposta la frontiera della produttività e richiede ruoli nuovi nella gestione dei rischi, della qualità dei dati e della supervisione dei modelli. La trasformazione più sana combina maggiore produttività con riallocazione verso attività a maggiore impatto e con nuove competenze.

La scelta necessaria: adottare con lucidità, non per moda

Il messaggio dei vertici bancari è inequivoco: l’IA è già una leva di produttività, non una promessa. Le istituzioni che l’hanno integrata mostrano impatti tangibili su programmazione, operations e interazione con il cliente. Il settore, sotto scrutinio regolatorio e con vincoli infrastrutturali, sta comunque orientando capitali e priorità verso ciò che migliora i risultati con rischi gestibili.

La mia posizione è netta: rimandare l’adozione equivale a cedere vantaggio competitivo a chi sta trasformando processi e ruoli con obiettivi misurabili. La tecnologia non assolve, ma abilita. Sta alla leadership decidere se usarla per liberare capacità e qualità, o se subirla come un’onda che ridisegna il mercato senza chiedere permesso.