AI Agentica nel Trading: dall'Hype alla Realtà nel 2026

Goldman Sachs tratta l'AI come un "dipendente digitale". JPMorgan ha distribuito il suo LLM a 200.000 dipendenti. Un hedge fund ha sostituito i suoi analisti con l'AI e ha battuto il mercato.

Nel frattempo, l'89% delle istituzioni finanziarie è ancora ferma ai progetti pilota o non ha alcuna strategia.

Il divario tra l'hype sull'AI e la realtà dell'AI non è mai stato così ampio—né così redditizio per chi la implementa bene. Ma siamo onesti: la maggior parte sbaglierà.

I Numeri che Riportano coi Piedi per Terra

Secondo il report State of AI 2025 di McKinsey, il 23% delle organizzazioni sta scalando sistemi di AI agentica, con un 39% in fase di sperimentazione. Sembra promettente—finché non si guarda il dettaglio di Deloitte Tech Trends 2026:

30% sta esplorando le opzioni
38% sta conducendo pilot
14% è pronto al deployment
Solo l'11% è effettivamente in produzione

Un crollo enorme. E c'è una cosa di cui nessuno parla: Gartner stima che oltre il 40% dei progetti di AI agentica fallirà entro il 2027 per la sola incompatibilità con i sistemi legacy.

Le slide dei consulenti sono bellissime. La realtà dell'implementazione è brutale.

Cosa Stanno Facendo Davvero le Grandi Banche

Distinguiamo tre cose molto diverse che vengono spesso confuse:

1. Assistenti AI (chatbot, strumenti di produttività)

Il GenAI Coach di JPMorgan aiuta gli advisor a scrivere ricerca—ha contribuito a un +20% di vendite
L'assistente AI di Goldman è in uso da 10.000 dipendenti per email e codice

2. Esecuzione Algoritmica (niente di nuovo—evoluzione del trading quantitativo)

LOXM di JPMorgan ottimizza l'esecuzione degli ordini analizzando la liquidità—una tecnologia che risale al 2017

3. Vera AI Agentica (processi decisionali autonomi multi-step)

Ancora in gran parte sperimentale
Il CIO di Goldman Marco Argenti ha descritto così la visione: "Il modello inizierà a fare le cose come un dipendente Goldman, non solo a dirle come un dipendente Goldman."

La maggior parte dei titoli su "l'AI nel trading" riguarda le categorie 1 e 2. La categoria 3—veri agenti autonomi che prendono decisioni di trading—resta rara e rischiosa.

La Promessa di Produttività (e le sue Riserve)

Deloitte proietta che le migliori banche d'investimento potrebbero aumentare la produttività di front-office del 27-35% con l'AI generativa.

Parola chiave: potrebbero. Sono proiezioni, non risultati.

Il dettaglio per divisione:

Investment Banking Division: 34% di miglioramento potenziale
Equities: guadagni moderati attesi
FICC Trading: più bassi ma comunque significativi

I servizi finanziari hanno speso 35 miliardi di dollari in AI nel 2023, con proiezioni fino a 100 miliardi entro il 2027. La domanda non è se i soldi stiano affluendo—è se seguiranno i ritorni.

Il Lato Oscuro: Quando gli Agenti AI Colludono

Qui la faccenda si fa scomoda. Un esperimento di Wharton riportato da Bloomberg lo scorso luglio ha rivelato qualcosa di allarmante: semplici bot di reinforcement learning—nemmeno sofisticati sistemi agentici—hanno imparato a colludere e fissare i prezzi senza essere stati programmati per farlo.

La Bank of England ha risposto annunciando un monitoraggio più stretto, avvertendo che l'AI potrebbe destabilizzare i mercati "senza che gli umani nemmeno se ne accorgano".

La verità scomoda: stiamo deployando AI di trading più velocemente di quanto sviluppiamo i framework di governance per gestirla.

Primi Risultati: Promettenti ma Non Conclusivi

Una startup hedge fund che usa l'AI al posto degli analisti ha battuto il mercato nei suoi primi sei mesi.

Prima di entusiasmarsi: sei mesi non dimostrano nulla in finanza. Qualsiasi backtest può sembrare buono su periodi brevi. Servono rendimenti pluriennali aggiustati per il rischio prima di trarre conclusioni. Ricordate il cimitero dei fondi quant che sembravano brillanti finché non lo sono stati più (LTCM, qualcuno?).

Più interessante è AlphaGPT di Man Group—che automatizza la pipeline stessa di sviluppo delle strategie. Scansiona la ricerca, estrae idee, testa su più strumenti. Questa è infrastruttura, non generazione di alpha. E l'infrastruttura tende a restare.

McKinsey stima che i pionieri dell'AI potrebbero guadagnare un vantaggio di 4 punti di ROTE. Potrebbero. I ritardatari subiranno pressione sulla base di costi. Ma quel "potrebbero" regge un peso enorme in quella frase.

Le Modalità di Fallimento di cui Nessuno Parla

Prima di correre al deployment, considerate perché la maggior parte delle iniziative di AI trading fallisce:

Qualità dei dati: l'AI vale quanto i vostri dati. La maggior parte delle banche ha decenni di dati siloed e inconsistenti.
Gap di explainability: come spiegate una perdita di trading generata da un sistema autonomo al vostro board? Ai regolatori?
Cambi di regime: un'AI addestrata su dati 2015-2024 non ha vissuto bank run stile SVB né flash crash da COVID. Cosa succede al prossimo cigno nero?
Guerra dei talenti: tutti vogliono talenti AI. Pochi riescono a trattenerli contro le retribuzioni delle Big Tech.
Incertezza regolatoria: MiFID II, Dodd-Frank e le normative AI emergenti creano oneri di compliance che rallentano il deployment.

Cosa Significa Davvero per il 2026

Il passaggio dall'hype alla realtà sta avvenendo. Ma la "realtà" include sia opportunità che fallimenti.

Da tenere d'occhio:

Consolidamento: l'11% in produzione scapperà via. Il 38% dei pilot eterni li chiuderà in silenzio.
Azione regolatoria: le prime grandi azioni di enforcement sulle decisioni di trading prese dall'AI
Biforcazione dei talenti: i trader AI-literate diventano essenziali; i trader puramente discrezionali sono sotto pressione
Infrastruttura più che alpha: i veri vincitori potrebbero essere quelli che vendono picconi e pale, non chi scava l'oro

La valutazione onesta: l'AI agentica nel trading è reale, ma è più acerba e disordinata di quanto suggeriscano i titoli. Non vinceranno i più veloci—vinceranno quelli che implementano con giudizio, costruendo i framework di governance che i regolatori prima o poi renderanno comunque obbligatori.

Dove si trova davvero la vostra azienda?

Trader: gli agenti AI stanno entrando nel vostro workflow, o è ancora solo un Excel migliore?
Tech leader: cosa vi blocca nel passaggio da pilot a produzione?
Risk manager: cosa vi toglie il sonno sui sistemi di trading autonomi?

Sono sinceramente curioso—scrivetemi il vostro ruolo e la vostra opinione onesta. I report dei consulenti raccontano una storia; la trincea ne racconta un'altra.