Assistenti Artificiali nel Wealth Management Italiano

L’impatto economico degli Assistenti Artificiali nel mercato del Wealth Management

Il mercato del Wealth Management Italiano sta crescendo in maniera pressoché ininterrotta. Nei soli ultimi cinque anni la fiducia riposta nelle reti di consulenza finanziaria e nelle Banche Private italiane è aumentata con un ritmo sostenuto. Le masse complessive gestite dalle Reti di consulenza raggiungevano €909 miliardi (1) con una crescita del +8,0% (CAGR 19-24). Questa dinamica è replicata anche dall’evoluzione della ricchezza gestita dagli operatori del Private Banking italiano, che raggiungeva a fine 2024 €1.257 miliardi (2) con una crescita (CAGR) del +7,7% nel periodo 19-24.

L’ingrediente industriale principale di questa crescita, così come il più scarso, sono le persone. Se guardiamo infatti all’evoluzione dei Consulenti finanziari abilitati all’offerta fuori sede, ci accorgiamo che il numero è rimasto negli anni pressoché stabile nell’intorno dei 23 mila e lo stesso vale per il numero di Private Banker (ca. 16 mila). Quello che è cresciuto invece in maniera esponenziale è la loro capacità di attrarre patrimoni. Infatti, tutti gli indicatori di produttività sono cresciuti sin qui in modo brillante (in primis il portafoglio medio del consulente che è aumentato del 43% raggiungendo al 2024 €39 milioni, circa €80 milioni il portafoglio medio nel Private banking, anche grazie all’effetto mercato).

Tuttavia, trovare le persone giuste per questo mestiere è sempre più difficile e sempre più costoso e per i player assicurarsene la lealtà è altrettanto difficile.

Per i prossimi cinque anni, se si ipotizzasse conservativamente un tasso di crescita pari alla metà di quello storico, il patrimonio gestito dalle reti di consulenti finanziari raggiungerebbe al 2029 un valore pari a €1.105 miliardi mentre dal Private Banking €1.517 miliardi. A parità di headcount sarebbe dunque necessario che i consulenti e banker incrementino la loro produttività di un ulteriore 20%.

Per raggiungere questo traguardo o ipotizzarne uno ancora più ambizioso, in cui il mercato cresca allo stesso ritmo dei 5 anni appena trascorsi, si può immaginare che al fianco dei consulenti e banker si inseriscano via via dei Consulenti Artificiali o, più precisamente, Assistenti Artificiali degli attuali consulenti.

Questo equivale a ipotizzare:

• Che gli Assistenti Artificiali assicurino l’incremento di produttività degli attuali consulenti e banker di almeno il 20% (del 40% se volessimo immaginare una crescita del mercato pari a quella degli ultimi 5 anni)
• Che di conseguenza la dimensione del portafoglio medio, considerando anche gli effetti mercato, arrivi a poco meno di 100 milioni di euro per Private Banker e a poco meno di 50 milioni di euro per Consulente a fine periodo

Il valore economico di una iniziativa come quella descritta – ipotizzando che solo la metà (10%) dell’incremento di produttività dei consulenti e banker sia dovuto all’inserimento dei Consulenti Artificiali e che il patrimonio aggiuntivo generi una redditività media (utile netto su AuM) di 40 bps - ammonta ad almeno 80-90 milioni di maggiore risultato netto per anno per gli operatori del Wealth Management.

Il valore strategico travalica quello economico: acquisire la capacità di integrare Assistenti Artificiali nella propria organizzazione significa aumentare la propria capacità di crescita, inclusa la possibilità di portare più velocemente ai clienti nuove opportunità; la propria competitività di costo e di conseguenza la resilienza agli shock; la propria capacità di innovazione e di roll-out delle nuove opportunità che via via emergeranno dalle applicazioni di intelligenza artificiale.

(1) Analisi Exentially su dati Assoreti

(2) Analisi Exentially su dati AIPB

Il ruolo degli Assistenti Artificiali e la collaborazione con i Banker

È ben noto che gli Assistenti Artificiali e gli Agenti Artificiali stanno introducendosi in maniera massiccia nell’headcount virtuale di molte organizzazioni. Gli esempi spaziano dal coding, al marketing, alle professioni legali e sempre di più a molte professioni basate su capacità cognitive e testuali.

Nelle esperienze più spinte, la presenza di persone artificiali ha permesso di efficientare la gestione del Customer care del 65% nel solo primo mese di attività liberando così il personale per attività di cross-selling e up-selling sui clienti.

Ma anche in industrie tradizionalmente più conservative come il Wealth Management, gli Assistenti Artificiali hanno dimostrato di potere potenziare in maniera decisiva le squadre di consulenti tradizionali, in particolare in task come i seguenti:

• Preparazione e gestione dei meeting cliente
• Consultazione di ricerca e analisi
• Consultazione di documenti di prodotto
• Produzione di analisi di portafoglio personalizzate
• Produzione di proposte personalizzate
• Verifiche contrattuali e di compliance
• Ribilanciamenti portafoglio

In nessuno dei casi menzionati il lavoro di consulenza viene “automatizzato” e ancor meno il Consulente viene sostituito. In ciascuno di questi casi il lavoro del Consulente viene piuttosto “aumentato” e potenziato dalla tecnologia.

Analisi di un caso significativo di applicazione degli Assistenti Artificiali

Tra i molti casi in corso di utilizzo degli Assistenti Artificiali nel Wealth Management, il caso più interessante di Consulenza “aumentata” è quello di LPL negli Stati Uniti.

LPL Financial è uno dei principali broker-dealer degli Stati Uniti, gestendo oltre 1,67 trilioni di dollari in attività attraverso 7,9 milioni di posizioni cliente. La rete di LPL comprende più di 28.000 consulenti finanziari indipendenti.

LPL Financial ha impostato l’iniziativa “AI Advisor Solutions” per aiutare i consulenti a massimizzare il tempo dedicato ai clienti e a far crescere il business in modo scalabile. L’IA automatizza le attività ripetitive permettendo ai consulenti di concentrarsi su interazioni ad alto valore aggiunto.

LPL Financial ha impostato l’iniziativa “AI Advisor Solutions” con l’aspettativa di aiutare i consulenti a massimizzare il tempo dedicato ai clienti e a far crescere il business in modo scalabile. In qualità di rete che serve oltre 5 milioni di famiglie tramite consulenti finanziari

indipendenti, LPL aveva rilevato che molti advisor faticavano a stare al passo con le crescenti richieste di personalizzazione e servizio.

Secondo un sondaggio citato da LPL, quasi 1 advisor su 3 dice di non avere abbastanza tempo da dedicare ai propri clienti. Pertanto, la vision di LPL era che l’IA potesse essere la chiave per automatizzare le attività ripetitive (compiti amministrativi, preparazione di

documenti, aggiornamento dei sistemi) e permettere ai consulenti di concentrarsi sulle interazioni ad alto valore aggiunto. Diversamente da altre realtà che hanno sviluppato in-house il proprio chatbot, LPL ha scelto un approccio di “curation” e integrazione di soluzioni terze.

Nel 2023 ha individuato e testato tre fornitori fintech considerati all’avanguardia in specifiche aree di applicazione AI, inserendoli nel proprio Vendor Affinity Program. Questi tre strumenti (insieme a Microsoft Copilot) sono stati annunciati poi come AI Advisor Solutions e comprendono:

1. una piattaforma di AI meeting management pensata per consulenti finanziari, che automatizza la preparazione della riunione (agenda), la presa di appunti, la generazione di verbali e l’aggiornamento del CRM. LPL ha pilotato L'applicazione di meeting management presso alcuni advisor selezionati nel 2023, constatando che essa riduce drasticamente il carico di lavoro generato dai meeting (secondo i dati del fornitore, essa consente di processare un incontro in 5 minuti invece che 60, tagliando fino al 90% del tempo amministrativo grazie ad automazioni di note, attività,ed e-mail riepilogative). Questo tool è stato integrato con i sistemi già usati dagli advisor LPL (calendari, CRM, Zoom/Teams) e lanciato ufficialmente nel 2024.
2. una piattaforma di marketing per consulenti, che LPL aveva già in uso, potenziata con AI generativa mobile. Tramite un’app, gli advisor possono creare contenuti di comunicazione verso i clienti (newsletter, post social, messaggi) con l’aiuto dell’AI che suggerisce testi e immagini in linea col tone-of-voice desiderato. Questo aiuta i consulenti indipendenti, spesso sprovvisti di un reparto marketing dedicato, a rimanere ingaggianti per i clienti senza investire troppo tempo.
3. un tool avanzato di analisi e ricerche d’investimento che utilizza l’AI per setacciare dati di mercato e studi, fornendo risposte rapide a query finanziarie complesse e generando visualizzazioni o approfondimenti utili per il consulente. Integra una ricca base dati finanziaria (su titoli, fondi, macroeconomia) con funzionalità conversazionali tipo chatbot.

Tutti e tre questi vendor sono stati valutati e pilotati nel corso del 2023 (alcuni in versione beta). LPL ha condotto il processo di selezione in base alla facilità d’uso per il consulente e alla sicurezza/compliance, per garantire che le soluzioni rispettassero gli standard regolamentari (ad es. archiviazione delle comunicazioni) e si integrassero senza attriti nel tech stack degli advisor.

Una volta validati, LPL ha stretto accordi affinché questi strumenti fossero disponibili a condizioni agevolate per tutti i consulenti affiliati tramite il proprio programma (Vendor Affinity Program). L’annuncio formale è avvenuto a novembre 2024: LPL ha presentato AI Advisor Solutions come parte della sua suite di soluzioni per gli advisor, e contestualmente ha avviato training e supporto per favorirne l’adozione.

Risultati ottenuti

Fin dai primi mesi, c’è evidenza che molti consulenti LPL hanno iniziato a usare almeno alcune delle soluzioni AI. In particolare, la soluzione di meeting management è stata accolta favorevolmente: i consulenti che l’hanno adottata riportano un significativo risparmio di tempo quotidiano (anche un’ora al giorno) grazie all’automazione di note e attività post-riunione; un sondaggio condotto tra i suoi utenti LPL ha indicato che l’84% la preferisce rispetto ai metodi tradizionali per preparazione e follow-up dei meeting, e che in media viene risparmiata un’ora lavorativa per ogni giorno di utilizzo. Su scala annua e sulla base di 23mila consulenti, questo rappresenta un impatto enorme in termini di produttività aggregata. Sul fronte marketing e ricerca, le soluzioni rilasciate da LPL hanno dotato i consulenti di capacità aggiuntive senza incrementare il personale: un consulente indipendente ora può lanciare una campagna su gruppi di clienti in pochi clic guidati dall’AI, oppure rispondere a domande di clienti facendo analizzare rapidamente dall’AI i fatti finanziari fondamentali. Un riscontro qualitativo importante è che “i consulenti sono ottimisti ma prudenti”: c’è volontà di usare l’AI, ma molti inizialmente la testano su piccola scala per verificare l’affidabilità. LPL sta quindi vedendo un’adozione graduale ma crescente man mano che gli advisor prendono confidenza.

Il programma ha anche un valore di marketing nel recruiting: mostrare che LPL offre ai suoi affiliati strumenti all’avanguardia in fatto di AI aiuta a attrarre nuovi consulenti dalla concorrenza. In termini di risultati per i clienti finali, è presto, ma si prevede un miglioramento dell’esperienza cliente: i consulenti possono rispondere più velocemente, con materiali piùcurati (grazie al supporto AI in Office) e mantenere un contatto più frequente e personalizzato (grazie ai suggerimenti di marketing automation).

Un eventuale indicatore futuro sarà la crescita organica: LPL confida che l’adozione diffusa di questi tool si tradurrà in +20% di crescita del business per i suoi advisor nei prossimi anni, in linea con le convinzioni espresse dal 90% degli advisor sul potenziale dell’AI. Come nota finale, LPL ha affermato che col tempo l’AI non si limiterà al back-office ma permeerà quasi tutte le applicazioni nel Wealth Management, creando esperienze sempre più personalizzate e “elevando il valore del consulente finanziario” agli occhi dei clienti. I risultati iniziali incoraggianti fanno pensare che LPL continuerà ad ampliare e investire nel programma AI Advisor Solutions come pilastro della sua strategia di crescita e servizio.

La fattibilità tecnica e operativa degli Assistenti Artificiali

L'adozione degli Assistenti Artificiali non è più una questione di "se", ma di "quando e come". Le tecnologie che li abilitano – in particolare i modelli di AI generativa – hanno già dimostrato la loro maturità e affidabilità in contesti regolati, complessi e ad alta intensità cognitiva. L'implementazione di Assistenti Artificiali nel contesto bancario e assicurativo è oggi tecnicamente realizzabile, sicura dal punto di vista dei dati, e operativamente sostenibile su scala industriale.

Protezione dei dati: AI e compliance possono coesistere

Uno dei principali elementi di attenzione nell'adozione di sistemi di AI è la protezione dei dati personali e sensibili, in linea con il GDPR e le normative settoriali (come EBA/ESMA guidelines o IVASS per le assicurazioni). Nel settore finanziario e assicurativo, dove i dati dei clienti rappresentano informazioni altamente sensibili e riservate, garantire la conformità normativa e la sicurezza dei dati è una priorità assoluta.

La natura dei dati trattati in questi settori - che include informazioni patrimoniali, profili di rischio, dati sanitari per polizze vita, e numerosi identificativi personali - richiede un approccio particolarmente rigoroso. I principali fornitori di modelli GenAI oggi offrono architetture che consentono di isolare i dati del cliente, garantendo che nessuna informazione venga utilizzata per addestrare il modello stesso o sia accessibile a terze parti.

Le soluzioni di implementazione disponibili coprono l'intero spettro delle necessità di sicurezza:

• Ambienti cloud dedicati e isolati: Microsoft Azure, AWS, e Google Cloud offrono istanze private e dedicate dei loro migliori modelli fondazionali (come GPT-4o, Claude 3.7, Llama 3.3, Gemini 2.0), con garanzie contrattuali di segregazione dei dati e conformità alle normative europee e italiane.
• Soluzioni on-premise: Per le organizzazioni con requisiti di sicurezza estremi, è possibile deployare modelli open-weights (come Llama-3, Mistral, DeepSeek) su infrastrutture completamente interne, mantenendo i dati sensibili all'interno del perimetro aziendale.
• Architetture ibride: Combinando la potenza dei modelli cloud con l'isolamento dei dati sensibili attraverso tecniche di retrieval augmented generation (RAG) e vector database interni, permettendo agli Assistenti Artificiali di accedere a documenti proprietari senza mai esporre i dati sottostanti.

In particolare, gli Assistenti Artificiali possono essere:

• Dispiegati in ambienti privati o on-premise, se necessario, per una piena segregazione del dato;
• Integrati con strumenti di monitoraggio, logging e audit trail per tracciare ogni interazione e garantire accountability;
• Dotati di controlli di sicurezza per la classificazione automatica delle informazioni, prevenendo la generazione o l'elaborazione di dati sensibili al di fuori delle policy aziendali.

I moderni sistemi di AI generativa incorporano inoltre meccanismi avanzati di protezione:

• Jailbreak detection: Sistemi che rilevano e bloccano tentativi di manipolazione dell'AI attraverso prompt ingegnerizzati per estrarre dati o aggirare le protezioni di sicurezza.
• Content filtering: Le piattaforme come Azure o AWS integrano filtri automatici che prevengono la generazione di contenuti inappropriati o l'elaborazione di informazioni potenzialmente sensibili. Ad esempio, Azure OpenAI include un sistema di filtraggio dei contenuti che utilizza modelli di classificazione neurali multi-classe per rilevare e filtrare contenuti dannosi attraverso quattro categorie principali (odio, contenuti sessuali, violenza e autolesionismo) con diversi livelli di gravità configurabili. Queste impostazioni possono essere personalizzate separatamente per prompt e completamenti, consentendo un controllo granulare sulla gestione dei dati sensibili.
• Boundary control: Definizione precisa del perimetro di conoscenze e dati a cui l'Assistente Artificiale può accedere, anche a seconda dell’utente che lo sta utilizzando, limitando le sue capacità di interazione con sistemi interni critici. In fase di progettazione, le soluzioni vengono configurate per non avere memoria attiva o per avere una retention dei dati regolata secondo policy interne. In questo modo, gli Assistenti Artificiali operano come "stateless advisor", generando valore senza rischi di data leakage.

Affidabilità e accuratezza: l’AI come supporto, non come sostituto

L'affidabilità è un altro aspetto centrale: gli Assistenti Artificiali non prendono decisioni autonome, ma affiancano il consulente, automatizzando compiti ripetitivi, suggerendo contenuti e fornendo insight basati su fonti verificabili. Nel contesto dei servizi finanziari, dove la precisione delle informazioni è cruciale, i moderni sistemi di AI generativa possono essere configurati per massimizzare l'accuratezza e minimizzare il rischio di "allucinazioni" o informazioni errate:

• Grounding su fonti verificate: L'output può essere vincolato a fonti interne certificate (es. documentazione KIID, research interna, compliance framework), riducendo drasticamente la possibilità di generare informazioni non verificate.
• Sistemi di retrieval contestuale avanzati: Gli Assistenti Artificiali moderni integrano tecnologie RAG (Retrieval Augmented Generation) che permettono di consultare in tempo reale documenti interni, normative aggiornate e knowledge base proprietarie prima di formulare risposte. Le versioni più evolute implementano "RAG agentica", dove il sistema può autonomamente decidere quali documenti consultare, formulare query di ricerca intermedie, e verificare progressivamente le informazioni attraverso passaggi multipli di ragionamento, mantenendo sempre la supervisione umana sulle decisioni finali.
• Tracciabilità e citazione delle fonti: Un aspetto fondamentale è la capacità di questi sistemi di indicare con precisione da quale documento aziendale specifico è stata estratta un'informazione. Questo permette al consulente di verificare istantaneamente la provenienza dei dati, consultare il documento originale con un semplice click, e validare l'affidabilità dell'informazione. Tale funzionalità offre unduplice vantaggio: da un lato consente di navigare efficacemente tra migliaia di documenti trovando rapidamente informazioni rilevanti, dall'altro fornisce un meccanismo di verifica immediata in caso di incertezza, sottolineando l'importanza della supervisione umana nel processo.
• Trasparenza e livelli di confidenza: I sistemi sono progettati per indicare in trasparenza non solo le fonti ma anche il livello di confidenza della risposta generata, segnalando esplicitamente quando stanno operando in aree di incertezza che richiedono maggiore attenzione umana.
• Monitoraggio delle performance: Framework di quality assurance basati su dataset personalizzati, creati specificamente per ogni caso d'uso nel contesto finanziario. Questi dataset di valutazione sono progettati ad hoc per testare l'accuratezza degli assistenti in scenari reali e consentono di migliorare iterativamente le prestazioni del sistema nelle aree che richiedono maggiore precisione.

La relazione tra consulente e Assistente Artificiale è fondamentalmente simbiotica, non sostitutiva. L'AI amplifica le capacità umane mentre l'umano apporta giudizio, esperienza relazionale e responsabilità. Il consulente umano mantiene sempre il controllo e la responsabilità finale sull'azione consigliata, con l'AI che opera come un potente strumento di estensione delle sue capacità cognitive.

Il risultato è un consulente "aumentato" che può dedicare più tempo alla relazione con il cliente e all'elaborazione di strategie personalizzate, mentre l'assistente gestisce gli aspetti più meccanici e ripetitivi del lavoro.

Tempi di sviluppo e adozione: settimane, non mesi

Contrariamente a quanto accade con altri progetti IT tradizionali che possono protrarsi per anni, l'adozione di Assistenti Artificiali ha tempi di sviluppo sorprendentemente rapidi. In base alla nostra esperienza sul campo nell'implementazione di soluzioni AI per il settore finanziario e assicurativo:

• Un primo Assistente AI prototipale può essere attivato in 4-6 settimane, focalizzandosi su un caso d'uso circoscritto (es. preparazione meeting, analisi di portafoglio, comparazione prodotti, supporto alla compliance);
• La fase di pilota con utenti selezionati richiede tipicamente 2-4 settimane aggiuntive, durante le quali vengono raccolti feedback, misurati i primi KPI e apportati aggiustamenti rapidi;
• Il deployment su larga scala richiede in genere 2-3 mesi, compreso il processo di onboarding, integrazione con sistemi esistenti (CRM, suite Microsoft/Google, data lake) e formazione ai consulenti;
• Le iterazioni successive per espandere le funzionalità possono essere realizzate in cicli di 2-4 settimane, consentendo un perfezionamento continuo basato sui feedback degli utenti reali.