di Ivo Invernizzi*

Il documento di lavoro della Bank for International Settlements “AI agents for cash management in payment systems” pubblicato il 10 novembre 2025 esamina la capacità degli agenti AI (Artificial Intelligence) generativa di eseguire la gestione della liquidità intraday nei sistemi di pagamento. Mediante esperimenti basati su prompt, gli autori del paper simulano scenari realistici che includono shock di liquidità, prioritizzazione dei pagamenti e incertezza. Lo studio valuta se l’AI possa replicare i processi decisionali dei gestori umani della liquidità, in particolare nel bilanciare i costi di liquidità con i ritardi di regolamento.

Analizziamo i principali highlights dallo studio BIS.

Automazione nella gestione di liquidità

Gli agenti AI possono replicare le principali attività ordinarie di gestione della liquidità intraday della banca tradizionalmente svolte dai team di tesoreria della banca. Da un lato, tali agenti riducono la dipendenza dal processo decisionale manuale e dal possibile errore operativo umano, diminuendo i costi operativi e il fabbisogno di personale. D’altro lato, trasformano anche le strutture interne delle banche, spostando il valore dall’esperienza umana alla governance algoritmica, con il rischio di indebolire nel tempo la conoscenza operativo pratica affidata alla AI.

Efficienza con margini reddituali più ridotti

Ottimizzando l’allocazione della liquidità e minimizzando i saldi inattivi, gli agenti di AI migliorano l’efficienza dei regolamenti e riducono i costi di funding della banca. Pur essendo vantaggioso, tale modalità operativa potrebbe comprimere i margini di profitto tradizionali derivanti dalla gestione della liquidità. Le banche potrebbero trovarsi ad affrontare una maggiore concorrenza man mano che i guadagni in termini di efficienza si standardizzano, riducendo la differenziazione nella miglior gestione dei meccanismi operativi tra gli istituti bancari.

Processo decisionale probabilistico

I sistemi basati su AI si affidano al ragionamento probabilistico e alla sintesi dei dati in tempo reale, piuttosto che a regole deterministiche. Tali due pilastri modificano il modo in cui le banche gestiscono il rischio, privilegiando l’adattamento dinamico rispetto all’approccio statico. Pur migliorando la reattività a fattori esogeni, questo tipo di processo decisionale potrebbe anche introdurre un rischio di modello (model risk), soprattutto in condizioni estreme o senza precedenti, in cui i dati storici diventano meno affidabili.

Interdipendenza sistemica

L’adozione diffusa di strumenti di AI simili potrebbe portare le banche a comportarsi in modo altamente sincronizzato e identico, amplificando il rischio sistemico. Ad esempio, strategie simultanee di conservazione della liquidità potrebbero innescare ritardi nei pagamenti o blocchi. Tale propensione all’interconnessione entro il sistema finanziario accresce l’importanza dei meccanismi di coordinamento e della supervisione da parte delle banche centrali all’interno dei sistemi di pagamento.

Compliance e governance

L’integrazione di agenti di intelligenza artificiale intensifica il controllo normativo sulle banche, in particolare per quanto riguarda la trasparenza, la responsabilità e la resilienza operativa. Le banche devono implementare solidi quadri di governance, che includano la supervisione umana e i controlli del rischio. I costi di conformità potrebbero aumentare, poiché le autorità di regolamentazione richiedono trasparenza e garanzie contro i rischi informatici.

Conclusione

L’adozione di agentic AI nella gestione della liquidità delle banche rappresenta un cambiamento strutturale nel modo in cui le banche operano all’interno dei sistemi di pagamento. Automatizzando le decisioni sulla liquidità e ottimizzando il trade-off tra costi e ritardi, tali tecnologie migliorano l’efficienza e riducono gli oneri operativi. Tuttavia, le banche devono gestire nuove forme di rischio, tra cui l’incertezza dei modelli, le vulnerabilità informatiche e gli effetti di sincronizzazione sistemica. Inoltre, la crescente dipendenza dall’AI potrebbe erodere le competenze umane e creare dipendenza da fornitori di tecnologia di terze parti. Di conseguenza, le banche dovranno bilanciare i vantaggi nell’utilizzo pratico della AI in termini di efficienza con le esigenze di resilienza, garantendo che la supervisione umana rimanga elemento chiave.

     *“i contenuti sono riferibili unicamente all’autore ed esprimono la sua personale opinione  al 11/04/2026, non costituiscono alcuna raccomandazione d’investimento e non impegnano le società e istituzioni di appartenenza”

_________________________________________________________________________