L’intelligenza artificiale non si limita ad automatizzare processi e attività operative. Secondo Carlo Alberto Carnevale Maffè, professore di Strategia presso SDA Bocconi School of Management, il valore nel wealth management si sta progressivamente spostando dall’accesso alle informazioni alla capacità di interpretarle. Dall’AI agentica alla tokenizzazione, fino al rischio di una crescente concentrazione cognitiva nei mercati, il docente analizza le principali sfide che attendono banche, reti e consulenti nei prossimi anni.
Il ruolo del consulente non è destinato a ridursi. Supervisione, giudizio e fiducia relazionale restano centrali, ma dovrà evolvere da gestore di portafogli a “curatore di modelli cognitivi”, un vero e proprio family officer digitale.
Nel suo recente paper “Elogio della dispersione” il valore si sposta dall’accesso alle informazioni alla loro interpretazione. È un cambio di paradigma?
È un cambio di paradigma, non un aggiornamento di software. Un’evoluzione tecnologica migliora il modo in cui facciamo le cose; un paradigma ridefinisce ciò che vendiamo. Per trent’anni il wealth management ha vissuto sull’asimmetria informativa: il consulente sapeva ciò che il cliente non poteva sapere, ovvero il prodotto. Oggi, con AI agentica e dati sempre più accessibili, anche questa frizione cognitiva si riduce.
Quando l’informazione diventa commodity – gratuita e istantanea – il valore si sposta sulla capacità di dare senso alla complessità. Il fattore di vantaggio non deriva più dai dati, ma dalla qualità del giudizio e dei sistemi decisionali: un passaggio strutturale da un mercato di intermediazioni a un vero marketplace di interpretazioni.
72 Con l’AI agentica e la tokenizzazione, il valore si sposta dagli asset ai modelli che li interpretano. Secondo Carlo Alberto Carnevale Maffè, il consulente del futuro sarà un “curatore di modelli cognitivi” e un garante del giudizio. Un vero e proprio “family officer digitale” di Chiara Conti
I robo-advisor non hanno mantenuto la promessa rivoluzionaria. L’AI agentica ridurrà il ruolo del consulente?
I robo-advisor non hanno mantenuto la promessa rivoluzionaria perché hanno automatizzato senza cambiare la logica di fondo, restando intrappolati nell’intermediazione di prodotti. L’AI agentica, invece, è una discontinuità perché sposta il baricentro dall’esecuzione all’autonomia decisionale: pianifica, esegue, apprende e simula scenari macro in tempo reale.
Questo contesto, però, non limita ma aumenta il valore strategico del consulente, a condizione che da selezionatore di titoli diventi curatore di modelli cognitivi. Quando l’agente gestisce l’analisi, all’umano resta ciò che non è automatizzabile: giudizio finale e fiducia relazionale.
Tuttavia, la responsabilità dell’intermediario resta intatta anche quando l’errore nasce da un software di terzi. La supervisione umana resta quindi un requisito normativo e fiduciario. Il consulente del 2030 sarà quello che sa istruire, testare e, se necessario, attivare il kill switch di un agente AI.
Il rischio sistemico di omogeneizzazione delle interpretazioni esiste?
È il rischio sistemico più sottovalutato. Se l’industria usa gli stessi foundation model, le interpretazioni convergono: milioni di portafogli finiscono per leggere gli stessi dati attraverso la medesima lente. La diversificazione diventa solo apparente: i portafogli sono diversi, ma la funzione interpretativa che li governa è la stessa.
Il rischio non è sugli asset, ma sui modelli cognitivi. Da qui nel mio saggio l’“elogio della dispersione”: la diversità interpretativa è un bene pubblico per la stabilità dei mercati, come la biodiversità lo è per un ecosistema.
La via d’uscita passa dagli Small Language Model proprietari: ogni consulente addestra il proprio agente interpretativo con una visione unica. In questo senso, la frammentazione cognitiva diventa una forma di prudenza sistemica.
Quali effetti potrebbe avere la tokenizzazione sul modello di business del wealth management?
La tokenizzazione non è infrastruttura: è una vera “bomba” sul modello di business. Non è un cambio di database, ma è la trasformazione dell’asset in un’entità programmabile. Gli smart contract incorporano compliance e calcolo performance nell’asset stesso.
Quando la compliance entra nel token, una parte del ruolo dell’intermediario evapora. Ma non scompare: si sposta sul giudizio.
E sugli investimenti alternativi?
Private equity e private debt diventano i principali beneficiari. La frazionabilità degli asset (e lo scambio 24/7 su DLT, Distributed Ledger Technology) amplia l’accessibilità ad asset prima illiquidi.
L’advisor può così coprire con la sua consulenza l’intero patrimonio del cliente: immobiliare, credito, arte, asset reali. La tokenizzazione cambia la funzione dell’intermediario, ovvero disintermedia l’operatività e re-intermedia il giudizio.
AUT, MUM e AUM: perché e come cambiano le metriche?
L’AUM misura il capitale gestito, ma diventa insufficiente. L’AUT (Assets Under Tokenization) amplia il perimetro agli asset digitalizzati e frazionabili. Il MUM (Models Under Management) misura invece la qualità dei modelli cognitivi usati per interpretarli.
Il valore si sposta dal “cosa gestisci” al “come lo interpreti”. Quando gli asset diventano sempre più accessibili, tokenizzati e liquidi, il margine si rifugia nel metodo. Si passa dal business del product-picking a quello della model-curation.
In questo senso, un modello AI proprietario diventa un vero asset strategico: capitale intangibile non replicabile. Il differenziale competitivo sarà di chi governa i modelli migliori, non di chi custodisce più ricchezza. Chi continuerà a guardare soltanto agli AUM rischia di misurare con precisione la grandezza sbagliata.
Quale rischio l’industria finanziaria sta sottovalutando per l’impatto dell’AI?
La perdita di sovranità cognitiva. L’AI viene vista come leva di efficienza, ma il tema è strategico. In un settore in cui fiducia e riservatezza sono cruciali, delegare l’intelligenza a foundation model di terzi espone a quella che definisco la lethal trifecta: accesso a dati privati, capacità di comunicazione esterna e input provenienti da contenuti non sempre affidabili.
Quindi, la priorità del prossimo quinquennio sta nel costruire modelli proprietari, smettendo di acquistare intelligenza “a noleggio”. Chi sviluppa oggi i propri Models Under Management costruisce un vantaggio difensivo, chi aspetta rischia di dipendere dai concorrenti
