Da una filiale fisica al digitale

Per decenni la relazione bancaria è stata costruita intorno alla filiale: le interazioni erano fisiche, personali e, sebbene a volte lente, risultavano più comprensibili perché il cliente parlava direttamente con consulenti o operatori.

L’avvento del digitale ha rivoluzionato questo modello. Home banking, mobile banking, notifiche, onboarding remoto, firma elettronica e assistenza online hanno permesso al cliente di gestire autonomamente molte operazioni che prima richiedevano un passo fisico, come controllare il saldo, effettuare bonifici, scaricare documenti, aggiornare dati personali o aprire richieste di assistenza.

L’omnicanalità come nuova frontiera

Con il digitale, il centro della progettazione è passato dai singoli touchpoint alla continuità del processo. Non bastava più una buona app: era necessario garantire che servizi e transazioni si muovessero senza frizioni tra online, mobile e filiale. L’omnicanalità ha quindi spostato l’attenzione dal canale al journey del cliente, richiedendo integrazione di CRM, dati, workflow, identità digitale e coerenza dell’esperienza.

L’avvento del canale agentico

Dopo filiale, digitale e omnicanalità, l’introduzione di sistemi intelligenti con autonomia crescente ha dato vita a un nuovo livello di relazione: il canale agentico. Diversamente dalle app o dai chatbot evoluti, gli agenti AI operano su workflow dinamici e interconnessi.

Secondo McKinsey (articolo luglio 2026 sulla customer experience nell’era agentica), 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 destinate ad altri ambiti aziendali. Il risultato è lo spostamento della customer experience da singoli touchpoint a processi più flessibili e coordinati [1].

Dati, governance e responsabilità

I sistemi autonomi devono dialogare non solo con gli utenti, ma anche tra loro e con i sistemi legacy, accedendo a dati contestuali e rimanendo soggetti a regole di controllo. Il canale agentico non è legato a un unico agente o protocollo: richiede un’architettura tecnica ampia, idealmente agnostica rispetto ai modelli AI impiegati.

Architettura agentica di DBS

Un esempio concreto è l’architettura agentica realizzata da DBS, applicata alla preparazione di documenti interni (credit memo) per l’approvazione del credito a grandi clienti corporate [2]. L’impianto prevede circa 70–80 agenti concatenati e si articola in tre livelli:

Intorno a questi livelli opera un piano di controllo che gestisce identità, osservabilità, tracciabilità, policy, valutazione e sicurezza, garantendo che gli agenti si comportino come previsto.

In questa architettura la banca mantiene la responsabilità di regole, limiti e autorizzazioni, mentre l’intervento umano rimane necessario per verifiche e giudizi. Alcune fasi, però, possono essere mediate da un sistema (semi‑)autonomo che agisce per conto del cliente entro un mandato definito.

Standard tecnici: MCP e A2A

Protocolli come MCP e A2A non costituiscono il canale agentico di per sé, ma fungono da standard tecnici all’interno della sua architettura.

MCP standardizza il collegamento delle applicazioni AI con fonti dati, strumenti e sistemi esterni, collocandosi tra la fabbrica degli agenti e il sistema della conoscenza. A2A, invece, regola la comunicazione e l’interoperabilità tra applicazioni agentiche, operando principalmente nel livello della fabbrica e potendo estendersi anche all’interazione con agenti esterni.

Implicazioni operative per la banca

Per la relazione banca‑cliente, il risultato è che il cliente non attraversa più soltanto canali, ma interi processi. In futuro, una parte di questi processi potrà essere letta, preparata o attivata da agenti AI. L’architettura tecnica del canale agentico deve quindi essere distinta dal modello operativo della banca, ma non separata da esso: la prima abilita connessioni tra agenti, dati e sistemi; la seconda definisce ruoli, responsabilità e flussi di lavoro.

Come illustrato nella Figura 1 (non riportata qui), il modello operativo definisce intenti, ruoli e responsabilità, mentre l’architettura tecnica orchestra dati, agenti e strumenti per eseguire le azioni concrete. Le due prospettive si incontrano in un contratto operativo‑tecnico che traduce mandati, regole e responsabilità in accessi, capacità operative, controlli ed evidenze.

Confronto con altri settori: marketing B2B

Uno studio presentato alla Bled eConference 2026, basato su 43 interviste semi‑strutturate, ha analizzato l’impatto della GenAI nei processi di marketing B2B. I risultati mostrano che la GenAI incide soprattutto sulle attività di implementation, mentre information management e planning rimangono più sporadici e meno sistematici [3].

Ciò è dovuto al fatto che la gestione dell’informazione e la pianificazione richiedono dati strutturati; dati frammentati (ad esempio versioni multiple di dati cliente sparsi su sistemi diversi) devono prima essere uniformati. Questo parallelismo evidenzia che non tutte le attività bancarie saranno agentizzate allo stesso modo: alcune sono più facilmente delegabili a un agente, altre richiedono controlli più stringenti.

Tipologie di applicazioni AI

Lo studio distingue inoltre tra: