Punto di vista per executive che guidano il cambiamento tecnologico.
Prospettive approfondite su governance dell'AI, modelli operativi, trasformazione e rischio — da due decenni nella finanza europea vigilata dalla BCE. Non commenti. Note da practitioner.
AI Change Management nei Financial Services: dalla Tool Adoption al Governed Human-AI Work
Un framework pratico di AI change management per istituzioni finanziarie: AI literacy, workflow redesign, trust, governance e valore misurabile.
AI nella prevenzione della criminalità finanziaria: dal monitoraggio basato su regole all'intelligence basata su evidenze
Come l'AI rafforza la financial crime prevention con graph analytics, migliore detection, investigator support, explainability, governance e risk value misurabile.
Misurare l’AI Business Value nel banking: dalle promesse di produttività alla value realisation basata su evidenze
Come le banche misurano l’AI business value con baseline, workflow redesign, costi risk-adjusted, validazione Finance e board-level governance.
Convolutional Neural Networks nel banking: dal pattern recognition alla model risk governance
Le Convolutional Neural Networks, solitamente chiamate CNN, sono tra le architetture più importanti nella storia dell’intelligenza artificiale moderna.
AI Governance nel settore bancario: il modello operativo per un’AI controllata su scala
L’intelligenza artificiale sta già attraversando l’intera catena del valore bancaria: rischio di credito, rilevazione delle frodi, AML, servizio clienti,…
L’AI nel settore bancario: il vero vantaggio europeo è l’esecuzione controllata
L’intelligenza artificiale nel settore bancario ha superato la fase del laboratorio di innovazione. La vera domanda non è più se le banche useranno l’AI, ma se sapranno scalarla senza perdere il controllo.
Il costo nascosto del debito tecnico negli ambienti regolamentati
Il debito tecnico ha smesso di essere una questione ingegneristica. Negli ambienti regolamentati è diventato un tema di governance, resilienza e compliance — e, sempre più, una responsabilità del consiglio di amministrazione.
Perché i progetti pilota di AI non diventano mai una capacità aziendale
I pilota di AI di successo non mancano. Ciò che fallisce è il passaggio dal successo isolato alla capacità aziendale — una questione di maturità organizzativa e di processi, non di tecnologia.
Il modello operativo di AI aziendale
La maggior parte delle aziende non ha un problema di AI. Ha un problema di modello operativo. Tutti si concentrano sui modelli; quasi nessuno su come l'AI debba effettivamente operare nell'organizzazione.
Perché la maggior parte dei progetti di AI aziendale fallisce — e come costruire un'AI che scala davvero
L'AI aziendale fallisce raramente perché il modello non è abbastanza intelligente. Fallisce perché l'organizzazione attorno al modello non è pronta.