L’IA e l’affermazione della hybrid advisory.
L’intelligenza artificiale ha assunto un ruolo dirompente nell’ambito della riorganizzazione dei sistemi economici e produttivi globali. I recentissimi sviluppi legati ai Large Language Models1 e all’IA generativa si configurano quali innovazioni tecnologiche radicali all’interno del settore dei servizi finanziari e dell’industria di gestione del patrimonio. Si tratta di una vera e propria riconfigurazione radicale, in grado di incidere sulle stesse fondamenta dell’intermediazione e della
prestazione dei servizi di investimento.
Si può notare, perciò, come l’intelligenza artificiale si stia consolidando quale “general purpose technology”, ossia un ecosistema pervasivo e trasversale, in grado di permeare l’intera catena del valore dell’intermediario finanziario. La forza propulsiva di tale tecnologia risiede nella capacità inedita di analizzare, processare e sintetizzare volumi informativi imponenti – i cosiddetti Big Data – con velocità e precisione inimmaginabili per qualsiasi operatore umano.
Tale processo elaborativo si spinge fino a supportare proattivamente e a ottimizzare i processi decisionali complessi, ponendo di fatto le basi verso modelli di consulenza finanziaria “ibrida”, i quali ridefiniscono le dinamiche operative che si sviluppano tra il professionista e il risparmiatore. La crescente adozione dell’intelligenza artificiale da parte di numerosi istituti finanziari permette di comprendere come la penetrazione tecnologica sia pervasiva. In tale prospettiva, uno studio condotto da Oliver Wyman in collaborazione con UK Finance nel novembre 2023 ha evidenziato come oltre il 90% degli intermediari finanziari oggetto di indagine abbia stabilmente implementato soluzioni basate sull’intelligenza artificiale.
Emerge in modo evidente come l’intelligenza artificiale assurga a prerequisito cruciale per preservare la propria competitività all’interno dei mercati. Essa mira ad abbattere gli oneri operativi tramite lo snellimento dei processi organizzativi e ha l’ambizione di ridefinire il rapporto con il cliente attraverso l’innalzamento della qualità dei servizi. Occorre evidenziare che, storicamente, i sistemi di IA predittiva all’interno del settore finanziario risultavano confinati al back office, ossia a mansioni prettamente orientate alla salvaguardia dei mercati e alla stabilità degli intermediari. In questa fase, perciò, lo strumento assumeva principalmente funzioni di controllo e difensive: dal rilevamento preventivo di frodi alla gestione dei rischi, passando per l’automazione dei processi di compliance e di adeguata verifica ai fini dell’antiriciclaggio.
Attualmente l’intelligenza artificiale ha ormai superato il suo isolamento operativo per assurgere a vero e proprio motore del front office: gli intermediari finanziari sono ormai consapevoli di come il vantaggio competitivo si basi sull’esperienza dell’utente e impiegano modelli algoritmici sempre più sofisticati per ridefinire l’architettura dei servizi offerti. Ciò pone le premesse per una riorganizzazione strutturale della stessa consulenza attraverso una crescente personalizzazione, supportata anche dall’utilizzo dei robo-advisor e degli assistenti virtuali, nonché dall’analisi delle preferenze in tema di sostenibilità per inquadrare la corretta gestione del rischio. È doveroso tuttavia rilevare che l’efficienza computazionale, per quanto ineguagliabile in fase di elaborazione quantitativa, non è destinata a sostituire le mansioni dell’essere umano, bensì a potenziarne le capacità operative: la macchina processa calcoli avanzati, mentre l’individuo detiene il controllo sulla decisione finale. Tale sinergia, delegando il calcolo all’algoritmo e la gestione emotivo-strategica al professionista,
incarna l’efficienza teorizzata da Ricardo e pone le basi per il nuovo modello dell’hybrid advisory.
L’ultimo decennio ha sancito il passaggio della gestione patrimoniale verso il paradigma ibrido, superando i limiti intrinseci dell’automazione pura. I robo-advisor puri, successivi alla crisi del 2008, sono stati fortemente penalizzati dal mercato a causa dell’incapacità di gestire adeguatamente situazioni finanziarie complesse e volatili. Parallelamente, gli istituti tradizionali palesavano una frattura strutturale, rimanendo ancorati a modelli analogici a fronte di un’utenza orientata agli standard di rapidità dell’economia digitale. Per ricomporre tale dicotomia si sono affermate le corporate technologies, trasformando gli intermediari in ecosistemi digitali interconnessi capaci di erogare i propri servizi in una logica flessibile e su larga scala. In questi rinnovati contesti, la Assisted AI assume un ruolo determinante: automatizzando lo screening dei dati, essa alleggerisce il carico operativo e consente di riallocare il capitale umano verso
attività ad alto valore aggiunto.
Tutela dell’investitore e profili di responsabilità nell’ecosistema algoritmico.
L’integrazione dell’intelligenza artificiale nelle dinamiche della consulenza comporta una ricalibrazione del piano giuridico e impone un articolato coordinamento dei diversi livelli normativi. Pertanto, la tutela dell’investitore richiede una lettura sistemica della regolamentazione finanziaria tradizionale, incentrata sulla Direttiva UE 2014/65 (MiFID II), e della nuova legislazione orizzontale europea rappresentata dal Regolamento UE 2024/1689 (AI Act). Sebbene quest’ultimo introduca una classificazione trasversale basata sul rischio, l’intermediario resta vincolato alle norme di condotta settoriali, che agiscono come salvaguardia costante nel perseguimento del miglior interesse per il cliente. In quest’ottica, l’innovazione algoritmica esige un rafforzamento dei presidi di governance interna ai singoli istituti, affinché la tecnologia rimanga uno strumento al servizio della trasparenza e della correttezza relazionale. I sistemi algoritmici devono essere programmati per allineare la distribuzione al mercato di riferimento e fornire informazioni adeguate alla situazione finanziaria e agli obiettivi dell’investitore. Qualora l’infrastruttura IA sia affidata a terzi,2 permane l’obbligo di una rigorosa due diligence sui provider, affinché l’intermediario conservi il controllo dei processi e delle responsabilità operative.
L’opacità strutturale dei modelli algoritmici complessi ostacola tali requisiti3: l’automazione di profilazione e consulenza espone l’investitore a decisioni prive di una logica immediata. Risulta quindi centrale il diritto del cliente a ricevere spiegazioni esaurienti sul ruolo dell’IA nella raccomandazione ricevuta, coerentemente con gli obblighi di trasparenza ex articolo 86 dell’IA Act. Al fine di scongiurare le possibili derive provocate dalla suddetta opacità, il legislatore europeo impone la centralità dello “Human in the loop”. Il principio di supervisione effettiva, sancito dall’articolo 14 dell’AI Act, si riflette così negli stessi canoni di professionalità della MiFID II: il consulente deve possedere un grado di alfabetizzazione digitale tale da scongiurare la distorsione dell’informazione4. L’obiettivo sotteso è prevenire ogni affidamento acritico alla macchina, preservando in capo all’operatore la prerogativa fondamentale di disattendere l’output algoritmico qualora diverga dal profilo concreto o dagli interessi dell’investitore.
La centralità del controllo umano introduce il tema della responsabilità civile per il danno algoritmico. In particolare, qualora il consulente fornisca una raccomandazione errata, pur generata o supportata dall’IA, l’articolo 31, comma 3, del TUF sancisce la responsabilità in solido dell’intermediario preponente per i danni arrecati. Ciò conferma che l’automazione non solleva l’istituto dall’osservanza dei precetti normativi né attenua il regime di imputazione oggettiva.
La giurisprudenza di legittimità ha consolidato tale perimetro attraverso il canone della “occasionalità necessaria”5 : l’intermediario risponde dell’illecito qualora l’incarico professionale abbia agevolato, o anche solo reso possibile, la produzione del danno. Tale responsabilità sussiste anche a fronte di trasgressioni compiute dal consulente o di errori indotti da strumenti aziendali. Nondimeno, l’imprevedibilità dei modelli algoritmici mette in crisi i criteri basati sulla colpa individuale, determinando l’ascesa della colpa organizzativa legata al risk management. Alla luce di ciò, la responsabilità dell’istituto scaturisce dall’inadeguatezza o dal carente monitoraggio degli assetti organizzativi e delle misure di controllo, ex ante ed ex post, prescritte dall’AI Act e dalla disciplina
MiFID II.
Sotto il profilo processuale, l’investitore sconta oggi una profonda asimmetria probatoria: l’opacità degli algoritmi rende estremamente ardua la prova del nesso causale tra l’anomalia del sistema e il pregiudizio subito. In una prospettiva futura, perciò, si profila la necessità di valorizzare la responsabilità solidale della filiera ex articolo 2055 c.c., così da chiamare a rispondere l’intera catena del valore – dai progettisti dell’algoritmo, ai fornitori tecnologici fino all’intermediario. Tale approccio garantirebbe l’effettività del ristoro risarcitorio, superando le barriere poste dall’intrinseca opacità dei sistemi avanzati. Oltre alla ripartizione della responsabilità, la soluzione all’opacità dei sistemi potrebbe individuarsi nell’imposizione di canoni di trasparenza già dal momento della loro progettazione6. L’integrazione di registri di sistema capaci di documentare ogni passaggio decisionale permetterebbe di ricostruire il ragionamento algoritmico, assicurando piena trasparenza ed evitando zone d’ombra in sede di giudizio. In tale ottica, la transizione digitale e l’impianto dell’AI Act confermano che il consulente ibrido sia lungi dal ridursi a mero esecutore dell’algoritmo: sollevato dai calcoli computazionali, il professionista assurge a ultimo e ineliminabile garante fiduciario, capace di mediare tra l’efficienza della tecnologia e la tutela etica, pilastro insostituibile dei mercati finanziari.
Note
1 «Un Large Language Model (LLM) è una tecnologia AI avanzata incentrata sulla comprensione e sull’analisi del testo. Risulta più preciso dei tradizionali algoritmi di machine learning, essendo in grado di cogliere le complessità del linguaggio naturale. Per farlo, richiede moltissimi dati di addestramento, quali libri e articoli per apprendere il funzionamento del linguaggio». HPE, voce “Cos’è un Large Language Model (LLM)?”, in Glossario, disponibile su
www.hpe.com (ultimo accesso: marzo 2026).
2 Tale fenomeno è riconosciuto come “outsourcing”.
3 Il cosiddetto effetto black box.
4 Nota come automation bias.
5 V. Cass. civ., Sez. I, Ord., 15/01/2026, n. 855, in OneLEGALE.
6 Transparency-by-design.
Riferimenti
1. A. ALBANESE, La prevenzione dei danni da utilizzo dell’intelligenza artificiale tra responsabilità civile e regole europee di risk management, Europa e Diritto Privato, n. 2, 1 giugno 2025
2. C. AMATO, Responsabilità civile da “intelligenza” artificiale: prospettive di disciplina europea, Rivista Trimestrale di Diritto e Procedura Civile, n. 2, 1 giugno 2025
3. A. AZZUTTI, W.-G. RINGE, H. S. STIEHL, The Regulation of AI Trading from an AI Life Cycle Perspective, ottobre 2022. Disponibile su:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4260423
4. C. CARICATO, Data Act: la circolazione dei dati tra autonomia privata e obblighi legali (I parte) – Il Data Act. Profili introduttivi, Giurisprudenza Italiana, n. 1, 1 gennaio 2026
5. E. COLLETTI, Green deal, sostenibilità, Intelligenza Artificiale. Luci e ombre della recente Direttiva UE 2024/1760 sulla Corporate Sustainability Due Diligence, Contratto e Impresa,n. 2, 1 aprile 2025
6. Commissione Europea, Libro bianco sull’intelligenza artificiale – Un approccio europeo all’eccellenza e alla fiducia, Bruxelles, 19 febbraio 2020. Disponibile su: www.eur-lex.europa.eu
7. CONSOB, Piano Strategico 2025-2027, Roma, 2024. Disponibile su: www.consob.it
8. CONSOB, Quaderno FinTech n. 14, Greenwashing alert system for EU green bonds, luglio 2025. Disponibile su: www.consob.it
9. CONSOB, Quaderno FinTech n. 15, Riflessioni in tema di intelligenza artificiale e attività di vigilanza, agosto 2025. Disponibile su: www.consob.it
10. CONSOB, Relazione per l’anno 2024, Roma, 2025. Disponibile su: www.consob.it
11. F. CONSULICH, Controllo del comportamento economico deviante ed evoluzione del diritto penale d’impresa, Rivista Trimestrale di Diritto Penale dell’Economia, n. 1-2, 1 gennaio 2024
12. C. COUGHLIN, Building a Hybrid Advisory Model That Works, 15 dicembre 2025. Disponibile su: https://apexfintechsolutions.com/blog/building-a-hybrid-advisory-model-that-works/
13. ESMA, AI adoption and trends in securities markets: EU evidence, 20 febbraio 2026. Disponibile su: www.esma.com
14. ESMA, Public Statement on the use of Artificial Intelligence (AI) in the provision of retail investment services, 30 maggio 2024. Disponibile su: www.esma.com
15. ESMA, Supervisory Briefing on Algorithmic Trading in the EU, 26 febbraio 2026. Disponibile su: www.esma.com
16. L. LODEVOLE, Data Act: la circolazione dei dati tra autonomia privata e obblighi legali (II parte) – Data act e diritti fondamentali: intersezione dei trattamenti e rischi di social scoring, Giurisprudenza Italiana, n. 2, 1 febbraio 2026
