Diciamo che hai un sistema AI in produzione in banca e sai esattamente in quale punto dell'architettura si trova. Sai anche, con la stessa precisione, se è conforme all'AI Act?

Per la maggior parte delle banche italiane la risposta a entrambe le domande esiste già - ma vive in documenti diversi, scritti da team diversi, che quasi mai si parlano tra loro.

Il 16 e 17 giugno, presso Officine Credem, 35 persone provenienti da 13 banche e 5 aziende consorziate si sono mescolate in 7 team misti composti da persone di banche diverse hanno provato a colmare quel gap in 48 ore. È stato il primo hackathon multibanca in Europa: un format con precedenti solo in India e (forse) nel Regno Unito, organizzato da ABI Lab, con Datapizza come partner tecnico unico e Credem come host della location.

Il problema: due mondi che non si parlano

Il settore bancario italiano ha già gli strumenti per governare l'AI.

• Da un lato c'è il Framework Architetturale ABI Lab, nato nel 2009 e diventato il riferimento condiviso del settore: cinque tassonomie gerarchiche - Processi, Servizi Business, Informativa, Applicativa, Infrastrutturale - per quasi mille voci complessive, che rispondono alla domanda "dove si trova questo sistema AI". Diciassette anni di aggiornamenti e il lavoro di generazioni di analisti bancari - a partire da chi, ormai più di due decenni fa, ha contribuito a disegnare la tassonomia dei processi - ne hanno fatto uno standard così radicato che i team lo hanno potuto trattare come un dato di fatto, non come un oggetto da discutere.
• Dall'altro lato c'è l'AI Governance Framework, sviluppato da ABI Lab: 99 domande di checklist e 157 KPI distribuiti su tre aree (Business, Etica e Governo, Modello), che rispondono alla domanda "è governato correttamente rispetto all'AI Act?".

Il problema è che oggi collegare i due framework richiede lavoro manuale, banca per banca.

La challenge proposta ai team non era usare uno dei due strumenti, ma costruire con l'AI generativa un sistema capace di leggerli insieme: dato un sistema AI e la sua posizione architetturale, individuare in automatico quali domande della checklist sono rilevanti, quali KPI monitorare, quale profilo di rischio AI Act ne deriva. Non sequenzialmente, ma simultaneamente.

7 dataset fittizi - uno per team - hanno reso il problema concreto: un consorzio cooperativo con 200 affiliate e governance centralizzata, una fusione tra due banche con portfolio AI da riconciliare, una neobanca cloud-native senza governance, una banca sotto ispezione regolamentare con scadenze a 30-60-90 giorni, un portfolio di 18 sistemi con Shadow AI nascosta.

Nessuno di questi scenari aveva una soluzione di riferimento: si valutava la qualità del ragionamento, non la corrispondenza a una risposta giusta.

48 ore, non solo schermi e codice

Il programma ha alternato sessioni di lavoro serrate a momenti pensati per far funzionare davvero il "cross-banca": pranzo e cena condivisi, una serata con pizza al metro e DJ set di networking, una seconda giornata partita alle nove con la finalizzazione dei prototipi. Dettagli che possono sembrare aneddotici, ma che in un settore dove raramente persone di banche concorrenti lavorano fianco a fianco per due giorni interi, hanno fatto la parte del lavoro che nessuna challenge tecnica avrebbe potuto fare da sola.

Il giorno 2 si è chiuso con le presentazioni: otto minuti di pitch per team davanti a una giuria di tre persone - Manuel Vimercati (Direttore Scientifico di Datapizza), Marco Rotoloni (Co-Head of Research di ABI Lab) e Silvia Attanasio (Presidente di ABI Lab) - valutati su sei criteri che dicono molto su cosa l'industria considera oggi "buona AI Governance": profondità di integrazione dei due framework, capacità di usarli congiuntamente (non uno alla volta), utilità concreta della soluzione, qualità della documentazione prodotta, leggibilità del codice per chi dovrà continuare lo sviluppo, e uso consapevole degli strumenti GenAI durante le 48 ore - inclusa la gestione del budget di 80 euro di crediti API per team.

Ha vinto Squadra Fable 5. Ma il dato che conta di più, dal punto di vista di chi vuole che l'evento lasci qualcosa, è un altro: tutti i prototipi prodotti dai team verranno condivisi con l'intero gruppo di partecipanti, non solo con chi è arrivato primo.

E, tra le persone che hanno effettivamente messo le mani nel codice, la narrazione dell'AI come minaccia indefinita e minacciosa è rimasta fuori dalla porta: a dominare erano le domande su come far dialogare due framework complessi, non i timori generici che circolano altrove sul tema. È un pattern che vale la pena osservare ogni volta che si parla di AI Governance: chi la pratica da vicino tende a vederne il potenziale operativo prima ancora del rischio esistenziale.

Il ruolo di Datapizza

Datapizza è stata il riferimento tecnico dell'evento. Mirko Calcaterra (AI Engineer ed AI Adoption Specialist di Datapizza) è co-autore della challenge insieme a Manuel e al team di ABI Lab, e ha ideato i dataset di supporto per la stessa, mentre Altea Gianni (Events & Marketing Manager di Datapizza) è responsabile dell’organizzazione insieme ad ABI Lab e Officine Credem.

In un settore conservativo come quello bancario, essere il partner tecnico del primo hackathon multibanca d'Europa conta moltissimo, soprattutto quando si tratta di costruire credibilità in un mercato - quello bancario - dove la fiducia si guadagna lentamente e si perde in fretta.

Il merito di questa prima edizione non è tanto nei sette prototipi prodotti in due giorni - inevitabilmente acerbi, come ogni cosa nata da uno sprint - quanto nell'aver dimostrato che un format competitivo e cross-banca, su un tema delicato come la governance dell'AI, funziona anche nel settore finanziario italiano.

Non è un dettaglio scontato: stiamo parlando di istituzioni che competono tra loro su prodotti e clienti, messe a lavorare insieme su un problema che nessuna singola banca può risolvere da sola, perché i framework ABI Lab sono per definizione condivisi. Squadre nate al volo tra persone che la mattina del 16 giugno non si conoscevano hanno prodotto in due giorni risultati che vale la pena coltivare: la conferma, se ce ne fosse bisogno, che il lavoro di squadra resta la variabile che pesa di più anche quando la tecnologia è generativa.

Il prossimo passo, oltre alla raccolta del feedback dei partecipanti e alla pubblicazione dei materiali, sarà capire se questo primo esperimento diventerà un format ricorrente, e se la logica di condivisione aperta dei prototipi, più che la classifica finale, sia il vero output da replicare.

Se la prima edizione è un indicatore, la domanda non è più se il settore bancario italiano sia pronto a misurarsi pubblicamente sull'AI Governance - lo ha già fatto - ma quanto in fretta altri settori regolati seguiranno lo stesso schema.

Simone Conversano - AI Transformation Specialist - Datapizza