L’Intelligenza artificiale generativa sta rapidamente entrando nel perimetro operativo delle banche centrali. Dall’analisi macroeconomica alla vigilanza, dalla gestione dei dati non strutturati alla preparazione di scenari complessi, le applicazioni si moltiplicano. Ma l’entusiasmo per l’efficienza rischia di oscurare una questione più profonda: l’IA non è una tecnologia “neutrale”, bensì un fattore di discontinuità istituzionale che pone problemi inediti di governo, controllo e responsabilità pubblica.
A differenza delle innovazioni del passato, l’IA generativa combina potenza computazionale, accessibilità diffusa e capacità emergenti difficilmente prevedibili. È una tecnologia general purpose che evolve più rapidamente delle regole chiamate a disciplinarla. Da qui quello che gli studiosi definiscono il “problema del contenimento”: la crescente difficoltà delle istituzioni nel controllare strumenti capaci di produrre effetti sistemici su scala economica e finanziaria.
Per le banche centrali – custodi della stabilità monetaria e finanziaria – la posta in gioco è particolarmente elevata. L’opacità algoritmica può compromettere la comprensibilità delle analisi; l’adozione diffusa di modelli simili nei mercati finanziari può amplificare comportamenti imitativi; la dipendenza da provider esterni può indebolire la sovranità sui dati e sulle infrastrutture critiche. In questo contesto, errori o bias algoritmici non restano confinati, ma rischiano di propagarsi rapidamente.
Il punto chiave, tuttavia, non è tecnologico ma organizzativo. I dati mostrano che la grande maggioranza dei progetti di IA generativa non produce impatti misurabili a livello di struttura. Il motivo è noto: le organizzazioni faticano a trasformare sperimentazioni isolate in strumenti operativi integrati. L’IA aumenta spesso la produttività individuale, ma questo non si traduce automaticamente in un miglioramento complessivo se processi, responsabilità e controlli restano invariati.
Nelle banche centrali – dove il lavoro è altamente composito e combina analisi tecnica, giudizio esperto e responsabilità istituzionale – l’IA non sostituisce le professionalità, ma ne riconfigura i compiti. Automatizza alcune attività ripetitive, supporta l’analisi, libera tempo per decisioni a maggior valore aggiunto. Ma proprio per questo richiede nuove competenze ibride, capaci di tenere insieme tecnologia, rischio, policy e mandato pubblico.
Per governare questa trasformazione, un riferimento sempre più centrale è il modello delle tre linee di difesa. La prima linea – operativa – è chiamata a progettare e gestire i modelli con criteri di robustezza, trasparenza e sicurezza fin dalla fase di sviluppo. La seconda linea – risk management, compliance e data governance – definisce standard, controlli e valutazioni indipendenti. La terza linea – l’audit interno – assume un ruolo strategico nel verificare l’insieme del framework: dalla qualità dei dati alla spiegabilità delle decisioni algoritmiche, fino all’adeguatezza della supervisione umana.
In particolare, l’audit diventa il presidio fondamentale contro il rischio di “delega inconsapevole” alle macchine. Deve accertare che esistano responsabilità chiare sul ciclo di vita dei modelli, meccanismi di intervento umano, protocolli di escalation e capacità di spiegare e giustificare le decisioni influenzate dall’IA. In assenza di questi presidi, la tecnologia può minare – invece che rafforzare – la credibilità istituzionale.
La lezione che emerge è netta: l’IA va trattata come un’infrastruttura strategica, non come un progetto isolato. Il valore non dipenderà tanto dalla sofisticazione dei modelli quanto dalla maturità organizzativa delle istituzioni che li adottano. Senza una governance multilivello, una solida sovranità dei dati e una cultura della responsabilità algoritmica, il rischio è restare intrappolati in una “sperimentazione permanente” senza benefici reali.
Per le banche centrali, chiamate a operare con orizzonti di medio-lungo termine e sotto un forte mandato di interesse pubblico, il governo dell’IA diventa così una nuova frontiera della stabilità. E il modello delle tre linee di difesa, adattato alle tecnologie emergenti, si candida a essere uno degli strumenti più concreti per bilanciare innovazione e controllo, efficienza e responsabilità.
