Come l’IA modernizza il credito accanto ai sistemi bancari legacy senza sostituirli

Qualsiasi intervento sul sistema centrale di una banca mette in allarme il team di ingegneria. Le soluzioni legacy sono rigide, perciò una singola modifica può richiedere un mese per completare l’intero percorso. L’attività creditizia, una delle principali fonti di reddito di una banca, ne risente più di tutte.

Chiunque abbia distribuito una versione su un sistema bancario centrale conosce lo schema: un nuovo prodotto richiede un nuovo livello di approvazione, un elenco documentale rivisto, una regola di punteggio modificata e un flusso di rendicontazione aggiornato, ognuno dei quali tocca codice in funzione da decenni.

Di conseguenza, nuovi prodotti e aggiornamenti vengono rinviati anche quando tutti concordano sulla loro necessità: il rischio di un errore ha sempre superato quello dell’attesa. O meglio, era così in passato, perché oggi rimanere indietro rispetto al cambiamento tecnologico è diventato un rischio molto maggiore.

Immaginiamo però una piattaforma creditizia separata, configurata dall’IA e distribuita accanto al sistema centrale. I nuovi flussi di credito funzionano in modo indipendente e si collegano al sistema centrale tramite integrazioni. In questo modo, i cambiamenti all’infrastruttura creditizia diventano una serie di piccole versioni testate e gli errori emergono durante le prove, prima di raggiungere un debitore reale. Potrebbe essere una soluzione al problema dei team di ingegneria?

La domanda cresce più rapidamente di quanto possano cambiare i sistemi legacy

Secondo The Business Research Company, il mercato dei software per l’erogazione di prestiti dovrebbe crescere a un tasso annuo composto dell’11,8% fino al 2030. Per fare un confronto, è quasi lo stesso ritmo del più ampio mercato del software aziendale, in base alle previsioni di Technavio. È un dato da tenere presente, considerando che il credito è solitamente l’area della struttura tecnologica bancaria più restia al cambiamento.

Uno dei fattori di questa crescita è la rigidità dei sistemi centrali legacy, che rallenta le modifiche ai processi di credito. Banche e fintech acquistano sempre più strumenti che permettono di distribuire prodotti creditizi intorno al sistema centrale senza attendere mesi per l’approvazione di un piccolo aggiornamento.

I team di ingegneria sanno che un solo errore può essere molto costoso. Nell’aprile 2018, TSB Bank trasferì i dati dei clienti su una nuova piattaforma, che smise di funzionare non appena entrò in produzione. Una quota significativa dei clienti perse l’accesso ai servizi bancari e la banca subì gravi perdite. Molti team di ingegneria citano ancora quel caso ogni volta che pianificano una versione del sistema centrale.

Inoltre, nel credito gli errori si riflettono direttamente sul bilancio. Una soglia di approvazione configurata male concede prestiti che avrebbero dovuto essere rifiutati oppure respinge richiedenti che soddisfacevano i requisiti. In entrambi i casi, le perdite o i mancati ricavi emergono nel giro di poche settimane.

Dove l’IA offre il maggiore vantaggio nel credito

Le banche di solito iniziano a introdurre l’IA attraverso le integrazioni più familiari e apparentemente sicure: chatbot e assistenti di servizio nell’interfaccia con il cliente. Un finanziatore che aggiunge un chatbot si assume un rischio meno evidente. I modelli generativi a volte forniscono risposte sbagliate con piena sicurezza. Nella AI Impact Survey 2026 di Grant Thornton, solo il 18% dei dirigenti bancari ha dichiarato di avere piena fiducia nei propri controlli sull’IA.

Il vantaggio dell’IA nel credito deriva dalla velocità con cui un finanziatore può cambiare ciò che circonda la decisione creditizia. La decisione vera e propria resta affidata ai modelli di punteggio approvati e ai comitati del credito.

La velocità ha sempre avuto un valore commerciale. Modificare l’infrastruttura creditizia su un sistema centrale legacy richiede da 12 a 18 mesi di lavoro di ingegneria e i nuovi lanci restano fermi per tutto quel periodo. La sostituzione completa del sistema centrale richiede da tre a cinque anni. Nel frattempo, i richiedenti si rivolgono altrove.

Il Rapporto 2026 della Federal Reserve sulle imprese con dipendenti ha rilevato che la quota di piccole imprese statunitensi richiedenti credito che cercava finanziamenti presso operatori fintech online è salita dal 17% nel 2020 al 29% nel 2025, e molte imprese hanno indicato tra i motivi la maggiore rapidità delle decisioni.

L’IA parte dal requisito aziendale

Invece di eseguire analisi o partecipare alle decisioni creditizie, l’IA può offrire un enorme valore nel lavoro di configurazione che aiuta a lanciare e aggiornare i prodotti di credito. Il punto di partenza è un requisito aziendale scritto dai responsabili del prodotto. Un team del credito descrive ciò che desidera: chi può presentare domanda, quali documenti sono necessari, quali sono i livelli di approvazione, quali dati entrano nel punteggio, cosa viene comunicato e quando.

L’IA trasforma ogni punto in una configurazione della piattaforma: criteri di ammissibilità, un elenco dei documenti, un flusso di approvazione con i relativi livelli, collegamenti alle fonti di dati alla base del punteggio e un calendario di rendicontazione. Su un sistema centrale legacy, gli ingegneri realizzano manualmente ciascuno di questi elementi e ogni modifica attraversa un ciclo di pubblicazione completo. Con l’IA, il prodotto viene costruito funzione per funzione su una base condivisa. I team di ingegneria e conformità esaminano e testano ogni cambiamento prima che entri in produzione e mantengono la responsabilità dell’approvazione finale.

Il requisito può essere del tutto indipendente dal sistema centrale esistente. L’IA non deve leggerne o interpretarne la logica, quindi un finanziatore può definire un prodotto che il sistema attuale non è mai stato progettato per supportare. Due decenni di codice non documentato rimangono intatti.

Il nuovo flusso di credito funziona su una piattaforma separata distribuita accanto al sistema centrale. Le due piattaforme si collegano tramite integrazioni, mentre il sistema centrale conserva i dati e le funzioni esistenti. Non è necessario riscrivere alcun codice prima del lancio di un nuovo prodotto.

Costruire sui dati disponibili oggi

Molti progetti bancari di IA, tuttavia, si bloccano sui dati. Ma non serve davvero un enorme database: è utile, ma non indispensabile. L’IA elabora le regole di sottoscrizione e i requisiti dei dati intorno alle fonti disponibili, e il team del rischio li approva prima di qualsiasi esecuzione. Quando una fonte manca, definisce come raccoglierla: acquisizione dei dati del richiedente, acquisizione di quelli del garante, documenti obbligatori e caricabili e fonti di dati esterne.

Questo processo di “costruzione dei dati” aiuta banche e fintech ad ampliare il proprio inventario reale dei dati, lacune comprese, ed evita che le ipotesi dei fornitori su ciò che dovrebbe già essere raccolto guidino il progetto.

La disponibilità dei dati smette di essere un prerequisito per il lancio di un prodotto creditizio e diventa parte dello stesso passaggio di configurazione.

Cambiamento del prodotto o cambiamento del sistema centrale

Per la maggior parte dei finanziatori, la domanda pratica è se sia possibile lanciare nuovi prodotti di credito e adattare quelli esistenti mentre prosegue una migrazione pluriennale del sistema centrale. Una piattaforma creditizia separata, configurata con l’IA in base ai requisiti aziendali, risponde a questa domanda. Un finanziatore può lanciare e modificare prodotti di credito ogni trimestre mentre il programma del sistema centrale segue la propria tempistica. È in questa separazione che oggi l’IA dimostra il suo valore nel credito.