Nel settore dei servizi finanziari l’adozione dell’AI sta procedendo rapidamente, ma la capacità di portarla davvero su scala resta frenata da un divario sempre più evidente tra ambizione e readiness operativa. Un report di Nutanix, basato su un’indagine globale condotta da Wakefield Research, fotografa un mercato in piena accelerazione ma ancora esposto a limiti di governance, infrastruttura e processi.
Il dato più netto riguarda la shadow AI, cioè l’uso di strumenti di intelligenza artificiale non autorizzati o non governati internamente. Il 66% dei responsabili IT dichiara che i dipendenti utilizzano AI non approvata, mentre l’86% afferma che questo fenomeno crea rischi per il business. Non è quindi solo una questione di adozione tecnologica: il problema è capire chi usa cosa, con quali dati e sotto quali controlli.
La ricerca è stata condotta nel novembre 2025 su 1.600 executive cloud, IT e engineering di organizzazioni con almeno 500 dipendenti. Il campione copre aziende in mercati diversi, tra cui Australia, Brasile, Francia, Germania, India, Italia, Giappone, Messico, Paesi Bassi, Arabia Saudita, Singapore, Spagna, Regno Unito e Stati Uniti. La dimensione internazionale del sondaggio rende particolarmente rilevante il tema della conformità, perché i servizi finanziari operano spesso in contesti normativi frammentati.
Il freno principale alla scalabilità dell’AI non sembra essere la tecnologia in senso stretto. La complessità dei processi pesa per il 38%, mentre i fattori organizzativi, inclusi leadership e competenze, incidono per il 34%. I limiti tecnici si fermano invece al 28%. È un segnale importante: molte istituzioni finanziarie hanno già iniziato a sperimentare o distribuire soluzioni AI, ma non sempre hanno costruito le catene decisionali, le competenze e i modelli di controllo necessari per industrializzarle.
Un secondo nodo riguarda la sovranità dei dati. Il 79% delle organizzazioni la considera una priorità, ma il 62% continua a eseguire workload containerizzati nel cloud pubblico. Nutanix definisce questa tensione come una forma crescente di “debito di sovranità”: le imprese sanno di dover mantenere controllo, residenza e conformità dei dati, ma intanto accumulano dipendenze operative che possono diventare più difficili da correggere quando i progetti AI si espandono.
La containerizzazione emerge però anche come una delle basi operative più importanti per l’AI. Il 90% degli intervistati afferma che l’intelligenza artificiale sta accelerando l’adozione dei container, e l’89% si aspetta un’ulteriore crescita di questo modello. Per le istituzioni finanziarie, la promessa è poter distribuire carichi di lavoro in modo più flessibile tra ambienti diversi, evitando che applicazioni e dati restino bloccati in architetture troppo rigide.
Il limite infrastrutturale resta comunque concreto. Il 68% delle organizzazioni riconosce che la propria infrastruttura on-premises non è completamente attrezzata per sostenere i workload AI, mentre quasi due terzi, il 64%, si affidano a provider terzi per colmare il divario. Questo passaggio indica che la scala non dipende soltanto dalla disponibilità di modelli avanzati, ma dalla capacità di orchestrare calcolo, dati, compliance e sicurezza in ambienti ibridi.
Jay Tuseth, vicepresidente di Nutanix per l’area APJ, ha sintetizzato il punto spiegando che la corsa non riguarda più soltanto chi dispone dei modelli AI più avanzati, ma chi riesce a scalarli in modo sicuro e responsabile. Per le banche, le assicurazioni e gli operatori finanziari, il vantaggio competitivo potrebbe quindi spostarsi dalla semplice sperimentazione alla disciplina esecutiva: piattaforme flessibili, governance chiara e capacità di rispettare le richieste regionali di compliance e sovranità dei dati.
La traiettoria che emerge è quella di un settore entrato in una fase di inflection point. L’AI è già dentro i processi finanziari, anche quando non è sempre visibile ai controlli centrali. La sfida ora è trasformare l’adozione diffusa in scalabilità governata, riducendo la shadow AI e allineando infrastruttura, policy e competenze. In assenza di questo passaggio, il rischio è che la velocità dell’innovazione superi la capacità dell’organizzazione di gestirla.