L’AI è stata sperimentata in banca soprattutto come chatbot, assistente virtuale, strumento per velocizzare attività di customer care o supporto alla sintesi documentale e alla ricerca di opzioni operative. A questo si aggiunge la capacità di analizzare grandi quantità di dati, ad esempio nei sistemi antifrode, nella gestione del rischio o nel monitoraggio di transazioni anomale.
Tutti ambiti importanti, perché hanno permesso alle banche di usare l’intelligenza artificiale a supporto delle decisioni, mantenendo però una certa attenzione a non concedere troppo spazio all’automazione. Un conto è segnalare una transazione sospetta, un altro è bloccare una carta o avviare un’azione che produce un effetto diretto sul cliente.
Ora però il quadro sta cambiando. L’AI comincia a muoversi verso una dimensione più operativa. Non si limita a conversare con il cliente o con il dipendente, ma può ricevere un mandato, accedere a dati, interagire con sistemi, scegliere un percorso e avviare un’azione. Nei pagamenti questo passaggio è ancora più evidente, perché l’azione non rimane dentro una schermata o dentro una conversazione, ma produce un effetto economico.
Indice degli argomenti
Agentic banking e pagamenti AI
Un segnale molto concreto arriva dal caso Mastercard e PrivatBank, che a giugno 2026 hanno annunciato il primo pagamento in Ucraina eseguito da un agente AI attraverso Mastercard Agent Pay. Mastercard descrive queste transazioni come basate su consenso, autenticazione, trasparenza e controllo del consumatore. Il punto interessante è che l’agente AI entra nel flusso di pagamento come partecipante visibile e governato [1].
Questo caso aiuta a capire la differenza. Quando un assistente AI suggerisce un prodotto, il cliente ottiene una raccomandazione. Quando un agente AI può completare una transazione, serve un modello di governo dell’azione. Bisogna sapere chi ha dato il mandato, quali limiti sono stati impostati, quali dati sono stati usati, quale pagamento è stato autorizzato, quale prova rimane nel tempo e come si gestisce una contestazione.
Il pagamento è quindi un processo complesso. La transazione coinvolge identità, consenso, autorizzazione, rischio, sicurezza, responsabilità e tracciabilità. Per questo l’agentic banking è una trasformazione che può essere presa come esempio del modo in cui le azioni digitali vengono abilitate e controllate.
Il passaggio dal chatbot all’agente operativo
Nella prima fase dell’AI bancaria, l’obiettivo era migliorare l’esperienza utente e ridurre il carico operativo. In pratica, l’AI lavora come interfaccia o come supporto. L’essere umano mantiene il controllo dell’azione finale. Il cliente chiedeva il saldo, il chatbot rispondeva. L’operatore cercava una procedura, l’assistente la sintetizzava. Il gestore voleva preparare un incontro, il sistema aiutava a recuperare informazioni.
Questo modello resta utile, ma ha un perimetro abbastanza chiaro. Nella fase successiva, l’agente operativo può ricevere un compito, selezionare uno strumento, procedere secondo il mandato ricevuto e produrre un output o, in alcuni casi, avviare una transazione.
Nel linguaggio tecnologico questo viene spesso descritto con parole come agentic AI, agentic commerce o agentic payments. Tradotto in modo semplice: sistemi AI capaci di agire per conto di qualcuno, dentro limiti definiti, usando strumenti digitali collegati a processi reali.
Qui la banca deve fare un cambio di prospettiva. Non basta chiedersi se il modello risponde bene. Serve capire se l’azione è ammissibile, se il mandato è valido, se l’agente sta usando dati corretti, se l’operazione rientra nei limiti, se il percorso è tracciabile e se esiste un punto chiaro di responsabilità.
L’agente AI non è una persona, ma agisce in uno spazio che fino a oggi era costruito principalmente per persone, applicazioni e sistemi aziendali tradizionali. Questo crea una zona nuova. L’agente può avere credenziali, accedere a strumenti, richiamare API, muoversi tra dati e servizi. La governance deve quindi diventare più fine, più granulare e più vicina al processo.
Perché i pagamenti fanno emergere il problema
Gli agentic payments rendono visibile una questione che in altri ambiti può rimanere più astratta. Se un agente AI prenota un viaggio, acquista un prodotto, rinnova un servizio o paga una fattura, il risultato è immediato. C’è un trasferimento di valore. C’è un beneficiario. C’è una catena di autorizzazione. C’è un evento da registrare.
L’economia agentica richiede che gli agenti siano identificabili, autorizzati e responsabili lungo tutta la catena del valore, dal mandato iniziale alla scelta del rail di pagamento, fino a settlement, audit, contestazioni e possibili scenari di autonomia economica [2].
Questa impostazione è molto utile anche per il banking. L’agente AI deve avere un profilo riconoscibile dentro l’infrastruttura. Questo profilo deve indicare per conto di quale soggetto agisce, chi lo ha attivato, quale mandato ha ricevuto, entro quali limiti può operare, per esempio di importo, periodo temporale e controparti ammesse, quali dati può usare e quali regole di controllo ed escalation devono essere applicate.
L’Agent ID diventa allora un pezzo importante dell’architettura. È il modo con cui l’agente entra nella catena fiduciaria con un’identità controllata e tracciabile.
Dati, mandato e audit trail
Un agente che deve suggerire una risposta può tollerare una certa incertezza rispetto a un agente che deve avviare una transazione.
In questi casi l’agente AI deve lavorare su una base solida. Se i dati sono frammentati, duplicati o poco affidabili, l’agente può eseguire un’azione su una base informativa debole.
L’AI data readiness, secondo McKinsey, ha un impatto importante sulla scalabilità dell’AI. Quando le aziende provano a portare l’AI dai pilot alla distribuzione, i dati diventano spesso il vincolo principale. La priorità diventa collegare dati strutturati e non strutturati dentro una fondazione governata e riutilizzabile [3].
Per questo la governance dell’agente non riguarda solo il momento finale dell’azione, ma tutto il suo percorso. Un flusso che deve considerare quali dati sono stati usati, da quali fonti provengono, quali regole o autorizzazioni sono state applicate e quali alternative sono state scartate. L’intera catena di eventi deve essere registrata. Infatti, l’audit trail diventa una componente centrale. Non basta conservare il risultato finale. Serve ricostruire il percorso operativo. Questo vale per la compliance, ma vale anche per la fiducia del cliente. Se una transazione viene contestata, la banca deve poter spiegare il mandato, il limite, l’autorizzazione e la catena di eventi.
Agentic banking: l’evoluzione delle piattaforme
L’evoluzione verso l’agentic banking non riguarda soltanto l’introduzione di nuovi assistenti intelligenti, ma il modo in cui le piattaforme bancarie vengono progettate. Una piattaforma che introduce agenti AI deve collegarli ai processi, ai dati, alle autorizzazioni e ai controlli. L’agente non può vivere come elemento separato, aggiunto sopra i canali esistenti. Deve entrare dentro un ambiente operativo in cui ogni azione sia ricondotta a un contesto, a un ruolo, a un prodotto, a una normativa e a una policy interna [4].
Qui il passaggio è importante. Non si tratta di avere canali separati, chatbot isolati o automazioni puntuali. Si tratta di costruire un modello comune in cui conversazione, dato, workflow, autorizzazione e audit trail siano collegati. In questo modo la richiesta del cliente, o dell’operatore interno, può essere trasformata in un’azione eseguibile senza perdere il controllo del processo.
Questo non significa che tutte le banche debbano adottare la stessa piattaforma o lo stesso vendor. Significa però che la direzione industriale è chiara. L’AI agentica richiede architetture capaci di tenere insieme interazione, dati, regole operative, limiti autorizzativi e tracciabilità. Il valore, per la banca, sta proprio nella capacità di orchestrare questo ambiente e trasformare una richiesta in un’esecuzione controllata.
Figura 1 – Dall’intento all’esecuzione controllata nell’agentic banking. Lo schema rappresenta il layer fiduciario attraverso cui una banca può governare mandato, identità operativa, dati, policy e limiti prima dell’esecuzione e del relativo audit trail.
La banca come control layer fiduciario
In questo scenario la banca può assumere un ruolo nuovo. Non semplicemente fornitore di conti, carte, app e servizi digitali, ma control layer fiduciario dell’economia agentica. Una governance capace di stabilire chi può fare cosa, per conto di chi, con quali limiti, su quali dati e con quale responsabilità.
Questa direzione emerge anche dalle iniziative dei principali operatori dei pagamenti. Mastercard, Visa e Stripe stanno lavorando su soluzioni di agentic commerce che non riguardano solo l’esecuzione del pagamento, ma anche identificazione dell’agente, autenticazione, autorizzazione, protezione dalle frodi, controlli e workflow agentici [1] [5] [6]. L’agentic payment diventa parte di un’infrastruttura più ampia di fiducia, che governa una nuova forma di operatività guidata dal rischio dell’azione.
Alcune azioni possono essere automatiche, altre richiedono conferma, altre ancora devono rimanere sotto responsabilità diretta di un operatore umano.
Un agente che ordina una nuova carta sostitutiva ha un profilo di rischio diverso da un agente che avvia un bonifico. Un agente che risponde a una domanda su un prodotto lavora in un perimetro diverso da un agente che propone una modifica contrattuale. Un agente che assiste un operatore interno ha un ruolo diverso da un agente che agisce direttamente per conto del cliente.
La prossima fase tra intelligenza e controllo
La prossima fase dell’AI bancaria dipenderà dalla capacità di collegare intelligenza e controllo. Gli agenti AI renderanno alcune esperienze più fluide. Potranno semplificare acquisti, pagamenti, onboarding, assistenza, gestione documentale e processi interni. Porteranno però anche nuove responsabilità operative.
Il passaggio dai chatbot agli agenti operativi è quindi un passaggio di maturità. L’AI entra nella parte viva dei processi finanziari, come i pagamenti.
L’agentic banking, letto in questo modo, non è la banca senza persone. È una banca in cui persone, sistemi e agenti AI lavorano dentro una catena di responsabilità più esplicita. La tecnologia abilita nuove forme di esecuzione. La banca mantiene il compito di renderle affidabili.
L’evoluzione necessaria risiede nella costruzione del layer fiduciario. Questa forma di governance permette di controllare ambienti in cui identità, mandato, autorizzazioni, limiti, audit trail e responsabilità diventano componenti essenziali del nuovo modello bancario. In questo modo l’AI può entrare nei processi senza perdere la capacità di spiegare cosa è successo.
La banca che saprà governare questi elementi potrà usare gli agenti AI come estensione controllata della propria capacità operativa e fiduciaria.
Riferimenti
[1] Mastercard, “Mastercard and PrivatBank complete Ukraine’s first payment executed by an AI agent,” Mastercard Newsroom, Jun. 23, 2026. [Online]. Available: https://www.mastercard.com/news/eemea/en/newsroom/press-releases/en/2026/mastercard-and-privatbank-complete-ukraine-s-first-payment-executed-by-an-ai-agent/
[2] R. Garavaglia, “Agentic payments e Agent ID: come governare l’economia agentica,” Pagamenti Digitali, Jun. 23, 2026. [Online]. Available: https://www.pagamentidigitali.it/payment-innovation/agentic-payments-e-agent-id-come-governare-leconomia-agentica/
[3] McKinsey & Company, “AI data readiness: The key to scaling impact,” McKinsey Technology, Jun. 23, 2026. [Online]. Available: https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/ai-data-readiness-the-key-to-scaling-impact
[4] Backbase, “Backbase acquires Kasisto, leading the industry shift to Agentic Banking,” Backbase Press, Jun. 23, 2026. [Online]. Available: https://www.backbase.com/press/backbase-acquires-kasisto-leading-the-industry-shift-to-agentic-banking
[5] Visa, “Enabling AI agents to buy securely and seamlessly,” Visa Intelligent Commerce, 2026. [Online]. Available: https://www.visa.com/en-us/solutions/intelligent-commerce
[6] Stripe, “What is agentic commerce? A guide to getting started,” Stripe Guides, 2026. [Online]. Available: https://stripe.com/guides/agentic-commerce
Partecipa alla community