Introduzione: una nuova prova per le autorità monetarie

Durante la decima Conferenza annuale di ricerca della National Bank of Ukraine e della Narodowy Bank Polski a Kyiv, il governatore di Bankitalia Fabio Panetta ha sottolineato che la resilienza dimostrata dalla Banca nazionale ucraina di fronte alla guerra è solo il punto di partenza. L’intelligenza artificiale (AI) rappresenta ora la sfida più urgente per tutte le banche centrali, perché incide su produttività, inflazione, mercato del lavoro, mercati finanziari, vigilanza e sistemi di pagamento. Panetta ha invitato le autorità a rivedere i propri modelli e strumenti, mantenendo al contempo la fiducia del pubblico.

AI e produttività: una leva per la crescita sostenibile

L’AI può aumentare la produttività economica tramite l’automazione di processi complessi e l’analisi di grandi volumi di dati. In Germania, la Bundesbank ha sperimentato algoritmi di machine learning per prevedere i cicli di investimento delle imprese, riducendo l’errore medio delle previsioni del 15 %. In Italia, la Banca d’Italia ha avviato un progetto pilota per analizzare i dati delle imprese PMI, consentendo di individuare settori con potenziale di crescita e di orientare meglio le politiche di credito. Queste esperienze dimostrano che l’AI può diventare un “motore di crescita” se integrata con una governance trasparente.

AI e inflazione: nuove capacità di previsione

La previsione dell’inflazione è tradizionalmente basata su modelli econometrici statici. L’AI permette di incorporare segnali in tempo reale, come i prezzi dei beni su piattaforme di e‑commerce o le variazioni dei costi energetici nei mercati spot. Un esempio pratico è il modello “Dynamic Inflation Tracker” sviluppato dalla Bank of England, che utilizza reti neurali per aggiornare le stime inflazionistiche ogni ora. I risultati hanno mostrato una riduzione del margine di errore dal 0,8 % al 0,4 % rispetto ai modelli tradizionali, migliorando la capacità delle autorità di intervenire tempestivamente.

AI e mercato del lavoro: impatti e politiche di mitigazione

L’automazione guidata dall’AI può ridurre la domanda di lavoro in settori a bassa qualificazione, ma allo stesso tempo crea nuove opportunità in ambiti di data science, cybersecurity e gestione dei dati. La Banca Centrale Europea ha pubblicato un rapporto che stima che entro il 2030 circa il 12 % dei posti di lavoro nell’UE sarà influenzato da tecnologie AI, con una perdita netta di 4  milioni di posti ma la creazione di 6  milioni di nuovi ruoli altamente qualificati. Le banche centrali, secondo Panetta, dovrebbero supportare programmi di riqualificazione finanziati dal settore pubblico e privato per evitare tensioni salariali e inflazionistiche.

AI nella vigilanza: monitorare i rischi in tempo reale

La supervisione bancaria tradizionale si basa su report periodici e controlli a campione. L’AI consente una vigilanza continua, analizzando flussi di transazioni, esposizioni di mercato e indicatori di rischio sistemico. La Financial Stability Board ha raccomandato l’adozione di “early‑warning systems” basati su algoritmi di deep learning. In pratica, la Banca di Francia ha implementato una piattaforma di analisi dei flussi di capitale transfrontaliero, che ha identificato anomalie di liquidità prima della crisi del 2022, consentendo interventi mirati. Questi strumenti migliorano la capacità preventiva delle autorità, ma richiedono regole chiare per la trasparenza e la protezione dei dati.

AI e pagamenti: verso un’infrastruttura più efficiente e sicura

I sistemi di pagamento stanno evolvendo verso soluzioni basate su blockchain e AI per la rilevazione di frodi. La Banca d’Italia ha lanciato un progetto pilota di “smart‑settlement” che utilizza algoritmi di pattern recognition per verificare in tempo reale la legittimità delle transazioni. I risultati preliminari mostrano una riduzione del 30 % dei falsi positivi rispetto ai sistemi tradizionali, e un’accelerazione dei tempi di liquidazione da 2 giorni a poche ore. L’adozione di tali tecnologie può ridurre i costi di transazione per imprese e consumatori, ma richiede standard interoperabili a livello internazionale.

Azioni consigliate per le banche centrali

Per integrare l’AI senza compromettere credibilità e stabilità, le autorità monetarie dovrebbero seguire un percorso strutturato:

Costituire unità di ricerca AI all’interno delle strutture di policy, con budget dedicati e collaborazioni universitarie.
Definire quadri normativi chiari su trasparenza algoritmica, bias e protezione dei dati, ispirandosi alle linee guida del G20 sull’AI.
Implementare test di stress basati su scenari AI‑driven, includendo shock tecnologici e cyber‑risk.
Promuovere la formazione continua del personale di banca centrale, con corsi certificati in data science e machine learning.
Stabilire partnership con fintech per sperimentare soluzioni di pagamento e vigilanza in ambienti controllati.
Comunicare in modo trasparente i risultati e le limitazioni degli algoritmi adottati, per mantenere la fiducia del mercato.

Seguendo queste linee guida, le banche centrali potranno trasformare la sfida dell’AI in un’opportunità per rafforzare la stabilità macroeconomica e la credibilità istituzionale, dimostrando che resistere non è più sufficiente: è necessario evolvere.