Fare prima per fare meglio, oppure per fare di più? Questo è il dilemma organizzativo che colpisce le professioni che stanno implementando massicciamente le tecnologie di intelligenza artificiale, ottenendo in cambio tempo extra. Il punto è come valorizzarlo al meglio, e per il consulente finanziario la risposta non è così banale. Perché quel tempo, anziché tradursi automaticamente in qualità, rischia di trasformarsi in pressione aggiuntiva.
Lo ha testimoniato il recente dibattito dei capi rete ospitato a Consulentia 2026, con una moderata divergenza di vedute. Non tanto sul fatto che l’operatività tecnica del consulente finanziario si faccia più snella e rapida — su questo il consenso è ampio — quanto sul “come il consulente investirà il tempo in più che avrà a disposizione”. Per Alberto Martini di Banca Mediolanum l’accento era caduto, per esempio, “sull’investire tempo per essere sempre più rilevante per i propri clienti” già in essere, quindi sulla profondità della relazione e sulla qualità del servizio. Per Duccio Marconi di Mediobanca Premier, invece, l’attenzione dovrebbe andare anche verso l’aumento del portafoglio clienti e quindi delle masse gestite, sfruttando la maggiore efficienza per scalare il business.
Non è detto che una cosa escluda l’altra, ma il tema delle priorità resta. Ed è qui che emerge una prima tensione: l’AI non impone una direzione, ma amplifica quella già presente nel modello di business.
Dove si concentra davvero l’uso dell’AI
Una recente indagine condotta da Financial Planning negli Stati Uniti ha già sondato il terreno fra i consulenti, per mettere in luce quali siano gli aspetti prevalenti nelle organizzazioni. I risultati mostrano alcune conferme: la maggioranza degli intervistati indica il miglioramento della relazione con i clienti, la velocizzazione del carico di lavoro e l’espansione delle capacità dell’impresa fra le strategie prioritarie.
Al contrario, meno di un terzo afferma di usare la tecnologia per migliorare le performance degli investimenti o ridurre i costi (incluso quello del lavoro), segnale che il cuore della trasformazione resta commerciale e organizzativo più che strettamente finanziario. Un dato, però, spicca: il 44% indica esplicitamente l’aumento delle masse gestite come obiettivo dell’implementazione tecnologica. È la prova che l’AI viene letta anche — e forse soprattutto — come leva di crescita.
In generale, la quantità di vantaggi collegati fa pensare che l’uso dell’intelligenza artificiale renderà la vita dei wealth manager potenzialmente più faticosa, proprio perché richiede di seguire più compiti contemporaneamente. “Persone che gestiscono più agenti AI contemporaneamente, riprendendo attività accantonate da mesi perché ora possono delegarle”, ha raccontato a Financial Planning William Trout, direttore securities and investments presso la società di dati tecnologici Datos Insights. “Sembra slancio. Sembra finalmente avere un collaboratore capace”.
Il problema è che, nella pratica, l’attenzione dei consulenti si frammenta su una dozzina di attività aperte contemporaneamente, “senza farne bene una”. “Stai supervisionando più attività insieme, e questa supervisione è di per sé un costo cognitivo”, ha detto Trout. È quello che lui definisce effetto di “parallel-threading”: una moltiplicazione delle attività che non si traduce in maggiore focus, ma in una dispersione sistematica dell’attenzione.
Il rischio invisibile: più produttività, più lavoro
E come evidenziato da uno studio sull’uso dell’AI pubblicati dalla Haas School dell’Università di Berkeley (California), i lavoratori che fanno uso dell’intelligenza artificiale tendono ad accumulare più attività, allungando la giornata lavorativa senza che sia stato loro richiesto. Il punto non è solo quanto si fa, ma come cambia la percezione dello standard. “Sto facendo di più, più velocemente e a uno standard più elevato rispetto a prima”, ha raccontato uno dei consulenti coinvolti nell’indagine di Financial Planning. “Il guadagno di produttività è reale, ma ridefinisce silenziosamente le aspettative di base invece di ridurre il carico di lavoro”.
È qui che emerge una dinamica più sottile, ma decisiva: l’AI non riduce automaticamente il lavoro, ma alza l’asticella del “buono abbastanza”. E quando questa soglia si sposta continuamente in avanti, il tempo liberato non viene mai realmente “incassato”, ma reinvestito in nuovi compiti, spesso senza una scelta consapevole.
Uno dei punti che dovrebbe guidare l’espansione del business — nella consulenza e non solo — è proprio definire quando un risultato è sufficientemente buono da poter passare oltre. Senza questo confine, l’efficienza si trasforma in un meccanismo di espansione continua del lavoro.
Per chi sta dall’altra parte, cioè il cliente, questo potrebbe tradursi in più contatti, report più dettagliati e un servizio apparentemente più puntuale. Ma sarebbe illusorio aspettarsi che tutto il tempo liberato vada in questa direzione. Anche qui esiste una soglia di “buono abbastanza”: oltre, il valore percepito smette di crescere, mentre continua ad aumentare il carico operativo.
Per le reti, insomma, il punto è avere un piano su come investire al meglio il capitale di tempo che l’AI può sbloccare e che viene istintivamente occupato da altro. “Puoi fare di più — più velocemente, con maggiore qualità e su una gamma più ampia di attività”, ha detto Trout, “ma il ‘di più’ tende ad espandersi fino a riempire tutto il tempo che hai liberato, e anche oltre”.
E forse è proprio qui che si gioca la partita vera: non nella tecnologia, ma nella capacità organizzativa di decidere cosa non fare. Perché, in assenza di questa scelta, l’intelligenza artificiale rischia di diventare non uno strumento di liberazione, ma un moltiplicatore invisibile di complessità.
