Dal sportello fisico al digitale: le tappe evolutive della relazione bancaria
Per molti anni la relazione bancaria è stata costruita intorno alla filiale. Le interazioni erano fisiche e personali; anche se spesso lente, risultavano più comprensibili sul piano umano, perché il rapporto era diretto tra i clienti e la banca, rappresentata dai consulenti o dagli operatori.
Con l’avvento del digitale, il panorama è cambiato radicalmente. Home banking, mobile banking, notifiche, onboarding remoto, firma elettronica e assistenza online hanno permesso al cliente di svolgere in autonomia attività che prima richiedevano un passaggio fisico: controllare il saldo, effettuare bonifici, scaricare documenti, aggiornare dati anagrafici o aprire richieste di assistenza.
In questa fase il centro della progettazione è diventato il touchpoint digitale. Da un lato l’interfaccia doveva essere semplice; dall’altro la banca doveva riuscire a connettere canali diversi. Il problema dell’omnicanalità non era più soltanto avere una buona app, ma fare in modo che servizi e transazioni potessero muoversi senza frizioni tra online, mobile e filiale.
L’omnicanalità ha quindi spostato l’attenzione dal singolo canale alla continuità del processo. La banca ha iniziato a ragionare su journey, CRM, integrazione dati, workflow, identità digitale e coerenza dell’esperienza.
L’avvento del canale agentico: AI che leggono, confrontano e attivano
Ora si apre un passaggio ulteriore. Dopo la filiale, il digitale e l’omnicanalità, l’introduzione di sistemi intelligenti in grado di operare con livelli crescenti di autonomia sta facendo emergere un nuovo livello di relazione: il canale agentico.
L’era dell’AI agentica apre uno scenario diverso da quello osservato con le app e anche con i chatbot più evoluti. McKinsey, in un articolo del luglio 2026 sulla customer experience nell’era agentica, osserva che il 41 % delle implementazioni AI nelle funzioni rivolte al cliente ha raggiunto una piena operatività. La probabilità che queste implementazioni arrivino a questo livello è 3,5 volte superiore rispetto a quelle rivolte ad altri ambiti aziendali.
Il punto interessante è la tendenza che ne deriva: gli agenti AI spostano la customer experience dai singoli touchpoint a workflow più dinamici e interconnessi.
I sistemi autonomi potranno dialogare con gli utenti, ma anche tra loro e con i sistemi legacy; dovranno poter accedere a dati contestuali e, allo stesso tempo, rimanere regolati e controllabili. Il canale agentico non coincide quindi con un singolo agente o con uno specifico protocollo. Per rendere possibile questo grado di comunicazione, deve poggiare su un’architettura tecnica e computazionale più ampia e, per quanto possibile, agnostica rispetto ai modelli di AI impiegati.
Esempio concreto: l’architettura agentica di DBS
Un esempio è l’architettura agentica realizzata da DBS, applicata, tra gli altri ambiti, alla preparazione di documenti interni (credit memo) utilizzati nel processo di approvazione del credito ai grandi clienti corporate. L’impianto prevede circa 70‑80 agenti concatenati e si compone di tre livelli.
- Livello di conoscenza: dati interni strutturati e non strutturati, oltre a flussi di dati esterni.
- Livello intermedio – fabbrica: creazione ed esecuzione di agenti e funzionalità riutilizzabili.
- Livello di consumo: canali con i clienti e flussi di lavoro interni.
Attorno a questi tre livelli c’è un piano di controllo che gestisce identità, osservabilità, tracciabilità, applicazione delle policy, valutazione e sicurezza, con azioni di governance per garantire che gli agenti si comportino come previsto.
In questa architettura la banca conserva la responsabilità delle regole, dei limiti e delle autorizzazioni, mentre l’intervento umano rimane necessario nei passaggi che richiedono verifica e giudizio. Una parte del percorso può tuttavia essere mediata da un sistema autonomo o semi‑autonomo, capace di agire per conto del cliente entro un mandato definito.
Standard e protocolli: MCP, A2A e l’interoperabilità
Protocolli come MCP e A2A non rappresentano il canale agentico in sé, ma standard tecnici che possono operare all’interno della sua architettura.
- MCP standardizza il collegamento delle applicazioni AI con fonti dati, strumenti e sistemi esterni e può collocarsi tra la fabbrica degli agenti e il sistema della conoscenza.
- A2A riguarda la comunicazione e l’interoperabilità tra applicazioni agentiche; opera principalmente nel livello della fabbrica, potendosi estendere anche all’interazione con agenti esterni.
Per la relazione banca‑cliente, questo significa che il cliente non attraversa più soltanto canali, ma processi. In futuro, una parte di questi processi potrà essere letta, preparata o attivata da agenti AI.
Separazione tra modello operativo e architettura tecnica
Proprio per questo, l’architettura tecnica del canale agentico va distinta dal modello operativo della banca, senza però separarla da esso. La prima rende possibili le connessioni tra agenti, dati e sistemi; il secondo mostra come queste capacità entrano nei processi in cui clienti, dipendenti e agenti condividono contesto, strumenti e azioni.
Figura 1 – Il modello operativo definisce intenti, ruoli e responsabilità; l’architettura tecnica mette a disposizione e orchestra dati, agenti e strumenti per eseguire concretamente le azioni. Le due prospettive si incontrano in un contratto operativo‑tecnico, che traduce mandati, regole e responsabilità in accessi, capacità operative, controlli ed evidenze.
Lezioni da altri settori: marketing B2B e GenAI
Può essere utile guardare anche a un ambito diverso dal banking. Uno studio presentato alla Bled eConference 2026, basato su 43 interviste semi‑strutturate e dedicato all’impatto della GenAI nei processi di marketing B2B, evidenzia un risultato interessante: la GenAI incide soprattutto sulle attività di implementation, mentre information management e planning restano più sporadici e meno sistematici.
Questo accade perché la gestione dell’informazione e la pianificazione richiedono dati strutturati per poter essere gestite dall’intelligenza artificiale. Dati frammentati, come molteplici versioni dei dati cliente che cambiano da un sistema all’altro, devono prima essere uniformati.
L’impostazione aiuta anche nel ragionamento sul canale agentico. Non tutte le attività bancarie diventeranno agentiche allo stesso modo. Alcune azioni sono più facili da rendere attuabili da un agente; altre restano più sensibili e richiedono maggiore controllo.
Input generico vs. input custom
Lo stesso studio distingue tra applicazioni basate su input generale e applicazioni basate su input custom. Le prime sono più facili da usare, ma meno integrate nei processi. Le seconde, basate su dati specifici e modelli integrati nei workflow, possono essere più precise e affidabili, ma richiedono maggiore complessità organizzativa e tecnologica.
Il modello operativo di Backbase Banking OS
Questo significa che il canale agentico diventa davvero rilevante all’interno di un modello operativo, come quello definito da Backbase con Banking OS. In un modello di questo tipo, clienti, operatori e agenti AI interagiscono secondo ruoli, responsabilità e regole operative definite, all’interno di un ambiente in cui:
- i dati sono strutturati;
- i processi tra persone e agenti sono orchestrati;
- le decisioni sono integrate;
- stati di processo, API, policy e workflow sono governati.
Da un lato, il modello operativo definisce ruoli, responsabilità e processi; dall’altro, l’architettura tecnica rende eseguibili le azioni degli attori, umani e artificiali, coinvolti nei flussi di lavoro.
Governance e supervisione umana
Le banche devono affrontare quattro pilastri fondamentali per implementare con successo il canale agentico:
- Architetture scalabili e agnostiche: capacità di integrare diversi modelli AI senza dover riscrivere l’intera infrastruttura.
- Dati affidabili e contestuali: fonti di verità unificate, con meccanismi di pulizia e normalizzazione.
- Tracciabilità e osservabilità: registrazione di ogni decisione automatica, con log accessibili per audit.
- Supervisione umana: punti di intervento obbligatori per decisioni ad alto rischio o con impatto normativo.
Solo con questi elementi è possibile garantire che gli agenti AI operino in modo trasparente, conforme alle normative (es. PSD2, GDPR) e accettabile per i clienti.
Prospettive future: dal canale all’ecosistema
Il canale agentico costringe a spostare lo sguardo dal touchpoint a ciò che accade quando clienti, operatori e agenti AI operano nello stesso ambiente, condividendo workflow, contesto e azioni. La banca del futuro sarà un ecosistema di agenti in grado di:
- leggere contratti e condizioni in tempo reale, estrapolando clausole rilevanti per il cliente;
- confrontare offerte di prodotti, personalizzando suggerimenti basati su profili finanziari aggiornati;
- attivare processi di credito, pagamento o rimborso in maniera semi‑autonoma, previa approvazione di policy predefinite;
- interagire con agenti AI esterni, ad esempio assistenti vocali o piattaforme di fintech, mantenendo la coerenza dei dati.
In conclusione, l’introduzione del canale agentico rappresenta una svolta strategica per le banche: non si tratta più solo di fornire canali più comodi, ma di costruire un’infrastruttura in grado di orchestrare intelligenze artificiali, dati e persone in modo sicuro e tracciabile. Solo così potrà emergere una nuova fiducia, basata su pagamenti più rapidi, credito più trasparente e una relazione cliente‑banca realmente centrata sul valore aggiunto dell’intelligenza artificiale.