Come Alpian integra l’IA nel settore bancario
Noi di heyneo siamo piuttosto appassionati di nuove tecnologie. Per questo, volevamo capire esattamente come avviene l’arrivo dell’IA in una banca svizzera. Abbiamo incontrato qualcuno ancora più ‘geek’ di noi: Damien Chambon, direttore Cloud, Data & IA di Alpian. Con oltre quindici anni di esperienza, ha accompagnato il passaggio di numerosi progetti di IA dallo stadio di prototipo alla produzione, in particolare in ambienti regolamentati.
Lo abbiamo incontrato per discutere e porgli tutte le nostre domande. Come si combinano LLM e dati bancari? Perché alcuni calcoli non dovrebbero mai essere affidati a un’IA generativa? Dove girano i modelli? Come viene utilizzata l’IA nell’app e dai team? Come Alpian protegge i dati e distribuisce i ruoli tra l’IA e i collaboratori?
Condividiamo questo primo incontro appassionante per capire cosa succede realmente dietro le quinte quando una banca svizzera come Alpian inizia a integrare l’IA nei suoi prodotti e nel suo funzionamento.
[Intervista realizzata il 31 agosto 2026]
In che modo l’IA influisce sul mercato bancario e perché Alpian deve adottare questa tecnologia per non essere superata dalla concorrenza?
L’IA cambia l’economia della personalizzazione: ciò che era riservato al private banking tradizionale (consulenza su misura, reattività, disponibilità) diventa scalabile. Per Alpian, la cui promessa è sempre stata quella di democratizzare questa esperienza, l’IA non è un’opzione ma piuttosto un acceleratore per concretizzare la nostra visione.
Inoltre, la concorrenza non si limita solo alle banche: le aspettative dei clienti sono plasmate dai migliori prodotti tecnologici che utilizzano quotidianamente. Un’applicazione bancaria viene confrontata con ChatGPT, Gemini o Claude, non solo con l’applicazione di e-banking di un concorrente.
Bisogna però essere chiari su un punto: in Alpian non è mai stata messa in discussione la sostituzione del consulente con un’IA. Il nostro modello si basa precisamente sulla relazione umana, è ciò che ci distingue. L’IA viene in supporto: assorbe i compiti ripetitivi, prepara il terreno per i consulenti e sintetizza le informazioni affinché questi dedichino il loro tempo a ciò che ha più valore: la relazione, il giudizio, la consulenza. In Alpian, non automatizziamo la relazione, automatizziamo ciò che impedisce di dedicarle tempo.
Ed è qui che la prospettiva è interessante: il rischio competitivo non è essere sostituiti dall’IA, ma essere superati da coloro che avranno reso i loro team più efficienti grazie ad essa.
Cosa cerca di realizzare Alpian con l’IA a livello operativo?
Nel mercato in generale, l’IA a livello operativo si concentra sempre sugli stessi casi d’uso: il supporto clienti, la produzione documentale, l’assistenza agli sviluppatori e la ricerca di informazioni interne. Nulla di veramente specifico per il settore bancario e questo è proprio il punto: questi vantaggi sono ora accessibili a qualsiasi organizzazione, indipendentemente dalle sue dimensioni.
Ciò che cambia per una banca è il livello di esigenza. Ogni caso d’uso deve essere verificabile, spiegabile e conforme al quadro normativo svizzero. Questa è tutta la differenza tra fare una demo impressionante e mettere un sistema in produzione di fronte a veri clienti bancari.
In Alpian, perseguiamo tre obiettivi.
1. L’esperienza del cliente
Il nostro assistente IA permette ai nostri clienti di analizzare le loro spese in linguaggio naturale, in quattro lingue, con risposte basate sulle loro transazioni. Una risposta immediata, personalizzata direttamente nella nostra applicazione mobile.
2. L’efficienza operativa
L’IA assorbe i compiti di routine (sintesi di dossier, ricerca nella base di conoscenze, supporto agli sviluppatori) affinché i nostri team concentrino il loro tempo dove l’essere umano fa la differenza.
Questa efficienza si basa su una base invisibile ma decisiva: i dati. Ogni evento della nostra piattaforma bancaria (una transazione, un’apertura di conto, un’interazione con il cliente) viene acquisito continuamente e alimenta il nostro data warehouse centrale. Una fonte unica, strutturata e sempre aggiornata.
I nostri team possono così interrogare direttamente questi dati tramite agenti IA interni, in linguaggio naturale, senza dipendere da un team tecnico per ogni analisi. Un team che utilizza l’IA oggi compete con strutture molto più grandi: il vantaggio competitivo si sposta dalla dimensione alla velocità di esecuzione.
3. La gestione dei rischi
Questo aspetto include il rilevamento di anomalie, lo screening di conformità e la riduzione dei falsi positivi che mobilitano inutilmente gli analisti. È l’aspetto meno visibile, ma in una banca regolamentata, è forse quello in cui l’IA crea più valore rendendo la vigilanza più precisa, non meno umana.
L’IA non sostituisce alcuna decisione. Prepara, accelera, filtra e lascia il giudizio finale alla discrezione dell’essere umano.
Come Alpian si appropria della tecnologia e come arbitra le sue scelte tecniche?
Non sviluppiamo i nostri modelli di IA. Non avrebbe alcun senso, né economicamente né tecnicamente, di fronte ai miliardi investiti dai grandi laboratori. Utilizziamo i migliori modelli sul mercato tramite i servizi gestiti di Google, la nostra piattaforma fin dal primo giorno, con i dati dei nostri clienti ospitati in Svizzera.
Al contrario, tutto ciò che costituisce il valore di Alpian lo costruiamo noi: l’orchestrazione degli agenti, la connessione sicura e privata ai dati bancari dei nostri clienti e, naturalmente, i controlli che inquadrano ogni risposta. L’LLM (Large Language Model) è un componente, il prodotto è tutto ciò che gli sta intorno.
La nostra dottrina si riassume in una frase: comprare ciò che non ci differenzia, costruire ciò che ci differenzia.
Privilegiamo le soluzioni aperte e open source, in particolare quando sono ampiamente adottate come standard del settore. Questo è il caso per l’infrastruttura, il monitoraggio o i protocolli di interoperabilità tra agenti IA. Uno standard aperto è una garanzia di reversibilità e non vogliamo essere prigionieri di alcuna tecnologia proprietaria.
Come arbitriamo? Ogni tecnologia passa attraverso lo stesso filtro.
Innanzitutto il quadro normativo: una banca svizzera sceglie i suoi fornitori con un formalismo che una startup non ha. Ogni fornitore critico è oggetto di una valutazione formale del rischio e la localizzazione dei dati è un vincolo non negoziabile.
Poi, la dimensione del team: ogni componente tecnologico che integriamo è un componente che dovremo mantenere per diversi anni. Se mal scelto, è debito tecnico garantito e un team modesto non può permettersi di accumularne.
Infine, la velocità: nell’ecosistema dell’IA, il panorama cambia ogni sei mesi. Privilegiamo quindi le scelte che preservano la nostra capacità di cambiare idea.
Questo porta a una filosofia ben definita: una tecnologia collaudata, quasi «noiosa» per le fondamenta e l’innovazione concentrata dove il cliente la vede. L’audacia non sono le tecnologie di moda. L’audacia è sapere dove innovare e dove essere «sobri».
L’IA lavora sul dispositivo del cliente o lato server?
Oggi, per il nostro assistente, l’inferenza avviene integralmente lato server, su Google Cloud e i dati dei nostri clienti sono ospitati in Svizzera. Il telefono del nostro cliente non vede mai il modello: l’applicazione dialoga con le nostre API sicure, che orchestrano l’IA dalla nostra infrastruttura.
Questa scelta si basa su tre ragioni.
La prima è tecnica: i modelli in grado di un ragionamento di qualità bancaria sono troppo voluminosi per girare su uno smartphone e lo rimarranno ancora per un po’.
La seconda è normativa ed è la più strutturante: in una banca, ogni risposta generata da un’IA deve essere tracciabile e verificabile. Dobbiamo essere in grado di ricostruire ciò che il modello ha risposto e sulla base di quali dati (contesto). Questa esigenza impone un’architettura centralizzata: non si può semplicemente verificare ciò che viene eseguito su milioni di dispositivi eterogenei.
La terza è operativa: lato server, un miglioramento del modello o una correzione di sicurezza beneficia istantaneamente tutti i nostri clienti, senza dipendere da un aggiornamento dell’applicazione.
In seguito, sono convinto che il futuro sarà ibrido. L’IA integrata progredisce rapidamente. Google e Apple integrano modelli direttamente nei loro sistemi e ha veri vantaggi: una reattività quasi istantanea e una riservatezza «by design» poiché il dato non lascia il dispositivo.
Per compiti mirati come il pre-riempimento intelligente di moduli, la categorizzazione istantanea o l’assistenza offline, è una pista seria che seguiamo da vicino.
Ma siamo lucidi (ed è proprio qui il nodo del problema): il ragionamento complesso sui dati finanziari rimarrà lato server, dove controlliamo la sicurezza, la versione del modello e la verificabilità.
Nell’ambiente bancario, la domanda non è solo «dove l’inferenza è più veloce?», ma «dove è più governabile?»
La mia convinzione: il locale per il comfort d’uso, il server per tutto ciò che impegna la fiducia.
Come Alpian distingue gli LLM dalle altre forme di IA utilizzate per analizzare i dati finanziari?
Gli LLM eccellono dove è necessario comprendere ed esprimersi: cogliere l’intenzione di un cliente che pone una domanda con le proprie parole, nella sua lingua, e poi formulare una risposta chiara. È una rivoluzione per la relazione con il cliente: la macchina si adatta finalmente all’essere umano e non il contrario.
Ma questi stessi modelli hanno un limite strutturale: sono probabilistici. Generano la risposta più plausibile, non necessariamente la risposta esatta. Nella conversazione, è una forza ma nel calcolo finanziario, è squalificante.
Per questo, nei nostri sistemi, un LLM non produce mai un numero. Quando un cliente interroga le sue spese, il modello linguistico comprende la domanda e poi delega il calcolo a strumenti deterministici che eseguono query esatte sui suoi dati. L’importo visualizzato non esce dall’immaginazione di un modello: esce dal database, al centesimo. L’LLM si limita a vestirlo di parole.
L’analisi finanziaria e la gestione dei rischi rientrano in un’altra famiglia di IA, più antica e più collaudata: l’IA predittiva. Parliamo qui di modelli statistici e di machine learning classico.
Il rilevamento delle frodi ne è l’illustrazione perfetta: si tratta di individuare, in tempo reale, una transazione che si discosta dal comportamento abituale di un cliente, con un tasso di errore misurato e soglie regolabili.
È la stessa logica per lo screening di conformità o l’identificazione di tendenze nei dati finanziari: questi approcci hanno qualità che l’IA generativa non ha. Sono misurabili, riproducibili e spiegabili. Possono essere testati su dati storici, quantificando la loro precisione e documentando perché attivano un determinato allarme. Esattamente ciò che un regolatore (e un cliente) ha il diritto di aspettarsi quando si tratta di denaro o sicurezza.
In sintesi: l’intelligenza artificiale generativa per l’interazione, il predittivo per i numeri e la vigilanza e l’umano nel ciclo per ogni decisione che conta.
I tre si combinano in un unico prodotto dove il cliente vede solo un’esperienza fluida, ma sotto il cofano, ogni famiglia di IA rimane rigorosamente al suo posto.
Come l’IA è integrata nell’applicazione Alpian lato cliente?
La prima funzione IA visibile ai nostri clienti è un assistente conversazionale integrato direttamente nell’applicazione: ognuno può interrogare le proprie finanze in linguaggio naturale, nelle quattro lingue dei nostri clienti.
«Quanto ho speso in ristoranti il mese scorso?», «Qual è la mia voce di spesa più grande quest’anno?»: la risposta arriva in pochi secondi, basata sulle sue vere transazioni.
Tecnicamente, è l’applicazione diretta della dottrina di cui ho parlato prima: i numeri escono dai dati del cliente, il modello li converte in parole. E il tutto gira sulla nostra infrastruttura svizzera, con i controlli di una banca, non in un chatbot generico collegato a Internet.
E bisogna essere onesti su un punto: il modello è la parte facile. L’essenziale del nostro lavoro riguarda ciò che lo circonda: le salvaguardie che bloccano le domande fuori dal suo perimetro di competenza, la valutazione sistematica delle risposte prima di ogni messa in produzione, la supervisione continua una volta online. È molto meno spettacolare di una demo, ma è esattamente ciò che separa un prototipo da un prodotto bancario.
Intorno a questo assistente, l’IA lavora anche in background nell’applicazione: la categorizzazione automatica delle transazioni trasforma una dicitura bancaria criptica in informazioni leggibili e costituisce la base di tutta l’analisi delle spese che il cliente vede sul suo schermo.
I nostri sviluppi attuali si riassumono in un motto: passare dal reattivo al proattivo.
Oggi, l’assistente risponde quando viene interrogato. Domani, vogliamo che segnali da sé ciò che merita attenzione: una spesa insolita, un abbonamento che aumenta, una scadenza che si avvicina o un mese atipico, per esempio.
L’obiettivo non è moltiplicare le notifiche, nessuno ne vuole di più, ma far emergere l’informazione giusta al momento giusto.
Va notato che c’è una linea rossa a tutto questo: l’assistente illumina le finanze del cliente, non fornisce consulenza sugli investimenti. Tutto ciò che riguarda la consulenza rimane di competenza dei nostri esperti umani. L’IA prepara il terreno. La relazione di fiducia, invece, si costruisce con persone reali.
Come l’IA è utilizzata internamente dai team Alpian?
Ogni collaboratore di Alpian dispone di un assistente IA aziendale, collegato ai nostri strumenti e alla nostra base di conoscenze interne con le stesse esigenze di sicurezza e riservatezza dei nostri sistemi bancari.
La nostra convinzione è semplice: non si può pretendere di offrire servizi bancari potenziati dall’IA ai nostri clienti se i nostri stessi team lavorano come nel 2015.
Al servizio clienti, l’IA si occupa del primo livello di supporto. Abbiamo costruito un assistente in grado di rispondere a gran parte delle richieste, incluse le procedure, il funzionamento dei prodotti e le domande frequenti, basandosi sulle nostre conoscenze interne.
Oggi, opera al fianco dei nostri team. Il prossimo passo: renderlo direttamente accessibile al cliente nell’applicazione, per una risposta immediata, a qualsiasi ora e nella sua lingua. E vogliamo andare oltre: collegare questo assistente ai nostri sistemi interni affinché non si limiti a rispondere, ma possa stabilire una diagnosi.
Ad esempio, un cliente spiega di non riuscire più a pagare su Internet. L’assistente potrà verificare lo stato della sua carta, constatare che l’opzione «pagamento online» non è attivata e spiegargli come farlo. Sempre la stessa architettura: il modello comprende, i nostri sistemi verificano.
Ma è dal lato dei nostri team tecnici che la trasformazione è più profonda: l’IA sta rivoluzionando il loro modo di concepire il software. I nostri ingegneri lavorano con assistenti di codice che non si limitano più a completare una riga: comprendono l’intero progetto, scrivono funzionalità complete, generano i test, propongono revisioni del codice e redigono la documentazione.
La professione si sposta: l’ingegnere dedica meno tempo a scrivere codice e più a specificarlo, architettarlo e verificarlo. Diventa direttore d’orchestra del proprio lavoro. Un cambiamento di paradigma dirompente.
Infine, per la gestione, i nostri dipartimenti business interrogano direttamente i dati della banca in linguaggio naturale, tramite agenti collegati al nostro deposito di dati.
Una domanda che ieri avrebbe generato un ticket per il team dati oggi trova la sua risposta in pochi minuti e il team dati può dedicarsi a ciò che richiede veramente la sua competenza.
A proposito di Damien Chambon
Damien Chambon è direttore Cloud, Data & IA di Alpian. Dirige i team responsabili dell’infrastruttura cloud, della piattaforma dati e dei prodotti IA. Interviene regolarmente a conferenze sull’adozione dell’intelligenza artificiale.
