Agenti AI e dinamiche di mercato: rischio, opportunità e strategia

Il 2026 sarà un anno di prova per gli agenti AI per la resilienza: il mercato è cresciuto da 7 miliardi a quasi 10 miliardi, i regolatori stanno lanciando standardizzazione, i fondi di venture capital e le società stanno aumentando o riducendo le risorse. L’euforia ha lasciato il posto al pragmatismo: gli analisti avvertono che GenAI è ora in una fase di delusione, e è importante rispondere alla domanda di dove esattamente gli agenti creano valore misurabile, nonché a quale costo e come integrarli sicuramente nei processi critici.

Cosa è un agente AI nella pratica?

Nei media, un agente è definito come quasi tutto ciò che può invocare strumenti, ma per il mercato e i regolatori, una definizione più concreta è importante.

Un agente AI è un sistema che non solo risponde alle richieste dell’utente, ma anche pianifica indipendentemente una catena di azioni e invoca servizi esterni all’interno dei limiti delle politiche e delle restrizioni specificate. A differenza dei co-piloti a cui siamo abituati, che aiutano le persone con compiti specifici, come scrivere una lettera o riassumere un documento, un agente prende il controllo dell’intero processo di lavoro.

Nel settore fintech, gli agenti analizzano il portafoglio del cliente e raccolgono dati di mercato. Nell’unità operativa, l’agente può richiedere documenti KYC mancanti, verificare lo stato nei registri esterni e preparare una bozza di decisione di onboarding.

Come il mercato ha distorto il valore degli agenti AI

Il boom di informazioni sull’introduzione degli agenti AI è stato potente: le società stanno incorporando questa funzionalità in prodotti separati, creando nuove unità di business e promuovendo attivamente una nuova ondata di autonomia per i clienti aziendali. Una parte significativa dei futuri budget AI nel settore fintech è già stata riallocata a favore di soluzioni di agenti.

Il mercato azionario ha interpretato questo a modo suo: le società quotate stanno cercando di dimostrare la loro strategia per non sembrare fuori dal tempo; le startup stanno riposizionando se stesse in massa da prodotti ML a piattaforme di agenti; gli investitori stanno rischiando di pagare troppo per qualsiasi crescita dei ricavi che possa essere attribuita agli agenti, anche se in realtà è legata alla tradizionale automazione.

Di conseguenza, gli agenti sono accreditati come fonte di valore dove i ritorni reali sono ancora generati da processi ben stabiliti, dati e controllo.

Dove gli agenti stanno già mostrando risultati misurabili

Oggi, solo un numero limitato di giocatori utilizza un approccio agente in produzione, con la maggior parte ancora nella fase sperimentale. I primi ritorni concreti possono essere visti nelle stesse aree in cui l’intelligenza artificiale è decollata in precedenza – flussi di lavoro ad alto volume, formalizzabili, con tempi e costi precicli e post-cicli chiari, richieste ripetitive dei clienti e preparazione di riunioni, operazioni anti-frode e monitoraggio di attività sospette, dove gli agenti sono integrati in sistemi di allarme e indagine esistenti.

Ad esempio, una banca europea ha implementato gli agenti AI per l’elaborazione iniziale dei conti corrispondenti. Gli agenti ordinano automaticamente i documenti, estraggono i dati per KYC e verificano la presenza di informazioni mancanti. Di conseguenza, il tempo di raccolta dei dati è stato ridotto del 99%, i costi del 94% e l’accuratezza del lavoro degli analisti è aumentata.

Il vero asset è l’infrastruttura, non l’agente stesso

Gli investitori dovrebbero chiedere domande su come è strutturata l’architettura dei dati sotto gli agenti, se esiste un livello unico di accesso e di auditing per tutte le azioni degli agenti e come sono affrontate le questioni relative alla privacy e all’archiviazione dei dati sensibili quando si utilizzano modelli esterni.

Dopo tutto, il più importante asset è il flusso di lavoro in cui l’agente è integrato: KYC, onboarding, anti-frode, gestione della liquidità e comunicazioni con i clienti. Le società che gestiscono questi processi attraverso la quota di mercato, la profondità di integrazione o lo stato regolatorio traggono vantaggio dagli agenti più di altre: possono aumentare i margini e ridurre le perdite senza perdere il controllo.

Una startup che vende un agente condizionalmente universale ma non possiede alcun processo o dominio critico si trova nella posizione meno vantaggiosa: può essere facilmente sostituita da un’altra struttura.

Vediamo il vero valore di un agente nel suo accesso a dati affidabili, puliti e legalmente sicuri e nella sua integrazione con sistemi esistenti.

Senza controllo, non c’è scalabilità

I regolatori in vari paesi già richiedono che i sistemi AI siano trasparenti, controllabili e verificabili. Pertanto, la capacità di una società di controllare e documentare il lavoro degli agenti è già un requisito preliminare per operare nel mercato.

Ciò porta al prossimo passo logico: le società hanno bisogno di un’infrastruttura di controllo completa. Ciò include la registrazione di tutte le azioni degli agenti, il monitoraggio costante, gli avvisi per le deviazioni e i test di stress.

Un esempio di successo è Sumsub, che ha distribuito l’AI co-pilota “Summy” per specialisti di conformità e indagine anti-frode. A differenza delle scatole nere, il sistema non prende decisioni autonome, ma analizza array di transazioni e genera rapporti pronti per l’audit in lingua naturale su richiesta, riducendo il tempo di elaborazione degli incidenti di tre volte mantenendo il pieno controllo umano.

I fornitori che integrano questo componente aggiuntivo nelle loro piattaforme e soluzioni di agenti guadagnano non solo un vantaggio tecnologico, ma anche regolatorio: riducono il tempo e il costo degli approvati e semplificano il due diligence e l’audit.

Cosa dovrebbe verificare un investitore oltre al prodotto?

Gli investitori spesso sottovalutano i rischi perché raramente si manifestano immediatamente. Più spesso, si tratta di un fallimento del sistema graduale, quasi impercettibile, che si accumula nel tempo e porta a gravi conseguenze.

Se una società non stabilisce limiti severi e non implementa un processo di monitoraggio, il problema è notato solo quando viene segnalato dai regolatori o dai clienti.

Inoltre, l’iniezione rapida, l’avvelenamento dei dati e l’elusione delle politiche di accesso diventano una minaccia reale, poiché gli aggressori possono sfruttare tutti questi. Nel settore fintech, tali attacchi colpiscono direttamente le operazioni anti-frode, KYC e di pagamento.

Un esempio di tale rischio: un dipendente finanziario di una società multinazionale ha trasferito 25 milioni di dollari ai conti dei truffatori dopo aver partecipato a una conferenza video in cui gli aggressori hanno utilizzato l’AI generativa in tempo reale per clonare i volti e le voci del CFO e di diversi colleghi.

Ciò e molti altri esempi simili mostrano che i metodi tradizionali di verifica video o vocale non forniscono più una protezione affidabile in un ambiente aziendale.

Per gli investitori, ciò significa guardare non solo al prodotto stesso, ma anche a chi dipende da esso. Chi fornisce la tecnologia? Può essere facilmente sostituito? C’è un piano in caso di fallimenti o modifiche dei termini di licenza?

È il momento di un approccio maturo

In questo momento, ciò che è importante per la crescita del mercato non è la rivoluzionaria marketing, ma tre cose semplici: sapere come lavorare con processi reali, controllo normale e onestà sui rischi.

Gli investitori dovrebbero chiedere cosa la società ha realmente sotto controllo. Le startup devono decidere onestamente se vogliono essere multifunzionali o profondamente conoscitori in un’area specifica. E le società devono ricordare che gli agenti non sostituiscono i sistemi esistenti, ma li rafforzano. Ma ciò funziona solo dove c’è ordine nei processi e nella gestione.