protagonisti

Banca Mediolanum, come il quantum plasma la finanza del futuro


Indirizzo copiato

Banca Mediolanum ha avviato sperimentazioni sul quantum computing per esplorarne le potenzialità nei servizi finanziari. Dall’ottimizzazione dei portafogli alla gestione del rischio e alla sicurezza informatica, le possibili applicazioni aprono nuove prospettive, ma i benefici restano da dimostrare su scala industriale

Pubblicato il 16 nov 2026

Nicoletta Pisanu

Giornalista professionista, redazione AgendaDigitale.eu



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
banca-mediolanum-quantum-hero




Il quantum computing si prepara a trasformare alcuni dei processi più complessi del settore finanziario, aprendo nuove prospettive per l’analisi dei rischi, l’ottimizzazione degli investimenti e la simulazione degli scenari di mercato. Banche e istituzioni finanziarie stanno esplorando le potenzialità di una tecnologia ancora sperimentale, ma capace, in prospettiva, di affrontare problemi computazionali difficili da risolvere con i sistemi tradizionali. La sfida è individuare applicazioni concrete, misurarne i vantaggi rispetto agli algoritmi classici e preparare infrastrutture e competenze per una possibile adozione industriale.

Banca Mediolanum ha cominciato a esplorare il quantum computing almeno dal 2020, quando il gruppo ha registrato l’avvio delle prime attività sperimentali nella propria Dichiarazione non finanziaria 2020. È un dato concreto, ma va interpretato correttamente: il documento non identifica un algoritmo messo in produzione, un fornitore di hardware quantistico o un vantaggio misurato sui processi bancari. Colloca piuttosto il tema fra le tecnologie emergenti seguite dalla funzione Innovazione.

Le origini delle sperimentazioni di Banca Mediolanum

Il passaggio più esplicito è contenuto nella sezione dedicata all’innovazione della dichiarazione aziendale 2020, accanto alle attività sull’intelligenza artificiale e sulla blockchain. La banca scrive che in quell’anno sono iniziate le prime attività di sperimentazione del quantum computing. La scelta segnala un interesse precoce, in una fase in cui l’hardware disponibile era ancora fortemente limitato da rumore, dimensioni e affidabilità.

Nello stesso documento è descritto un percorso di innovazione che parte dallo scouting, attraversa la valutazione di idee e prototipi e può arrivare allo studio di fattibilità e all’esecuzione. Questo metodo chiarisce perché sperimentazione e adozione sono due tappe diverse: solo la seconda richiede un impatto verificato sui sistemi e sui servizi della banca. Le comunicazioni pubbliche esaminate non consentono di ricostruire con precisione l’evoluzione delle prove quantistiche avviate nel 2020.

Ottimizzazione di portafoglio: il primo ambito da valutare

Una delle applicazioni più discusse nella finanza è l’ottimizzazione di portafogli: scegliere combinazioni di strumenti che rispettino vincoli di rischio, rendimento, liquidità e concentrazione. Quando aumentano gli strumenti e le condizioni da soddisfare, alcuni problemi diventano particolarmente onerosi da risolvere. Algoritmi quantistici e tecniche ibride potrebbero essere studiati come metodi alternativi.

Per Mediolanum il collegamento con il risparmio gestito è intuitivo, ma resta un’ipotesi applicativa, non un progetto aziendale confermato. Un test serio dovrebbe usare gli stessi dati, vincoli e tempi di esecuzione dei migliori solutori classici, includendo i costi di accesso all’hardware e la qualità delle soluzioni. Un miglioramento osservato su problemi semplificati non basta per dimostrare un beneficio nell’operatività reale.

Rischi finanziari, simulazioni e calcolo ibrido

Un secondo terreno riguarda le simulazioni probabilistiche utilizzate per valutare scenari di mercato, esposizioni e strumenti complessi. Il quantum computing promette, per alcune classi di algoritmi e in condizioni specifiche, nuove modalità di esplorazione di grandi spazi di possibilità. Tuttavia, il vantaggio teorico non coincide con una riduzione già ottenuta dei tempi di calcolo su infrastrutture bancarie.

Quantum computing e sicurezza: perché la banca deve prepararsi

L’impatto potenzialmente più urgente per il settore finanziario riguarda la crittografia post-quantistica, che serve a proteggere comunicazioni e firme digitali da futuri attacchi resi possibili da computer quantistici sufficientemente potenti. Non richiede di possedere un computer quantistico: richiede di aggiornare con metodo le tecnologie di sicurezza già utilizzate.

Nel 2024 il Nist ha pubblicato i primi tre standard per la crittografia post-quantistica: FIPS 203 per stabilire chiavi condivise e FIPS 204 e 205 per le firme digitali. La Banca d’Italia ha dedicato un rapporto alle implicazioni della sfida quantistica per la sicurezza e la resilienza del sistema finanziario.

Per qualsiasi banca il lavoro comincia dall’inventario dei sistemi crittografici, dalla durata di riservatezza richiesta ai dati e dalle dipendenze da fornitori e applicazioni. Il rischio di “raccogliere oggi, decifrare domani” riguarda informazioni intercettate adesso e conservate in attesa di macchine future. Nelle fonti verificate non emerge però un piano post-quantum già annunciato da Banca Mediolanum, né sarebbe corretto dedurlo dalle raccomandazioni rivolte all’intero settore.

I criteri per distinguere ricerca e valore industriale

Il quantum computing è una tecnologia con orizzonti differenti. Alcune attività di ricerca consentono già esperimenti su dispositivi reali; la disponibilità di computer capaci di battere regolarmente le alternative classiche su problemi bancari utili rimane invece una questione aperta. La metrica essenziale è il beneficio netto, non il solo numero di qubit o la complessità del circuito.

Il ruolo di Banca Mediolanum nel quantum

La documentazione disponibile permette di individuare un avvio dichiarato di sperimentazioni nel 2020, ma non di attribuire alla banca una piattaforma quantistica proprietaria, un partner tecnologico esclusivo, investimenti dedicati quantificati o applicazioni già industrializzate. Questa distinzione è fondamentale per collocarla correttamente nella mappa degli attori del settore.

Il suo possibile ruolo si situa sul lato della domanda: comprendere se strumenti quantistici o ibridi possano un giorno migliorare analisi e processi finanziari e, nel frattempo, preparare le infrastrutture ai nuovi requisiti di sicurezza. La prossima evidenza decisiva sarebbe la pubblicazione di casi d’uso con obiettivi, partner, confronti prestazionali e risultati verificabili. Fino ad allora, l’interesse documentato va raccontato come un percorso esplorativo, non come una trasformazione quantistica già compiuta.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x