L’intelligenza artificiale continua a rappresentare una leva strategica nei processi di contrasto al riciclaggio, ma la sua implementazione resta rallentata. È quanto emerge dalla nuova indagine globale condotta da SAS e KPMG, in collaborazione con ACAMS, su un campione di 850 professionisti del settore antiriciclaggio. Lo studio fotografa un settore in fermento, dove il potenziale delle tecnologie AI e ML è riconosciuto ma ancora solo parzialmente sfruttato.
A che punto siamo con l’adozione dell’AI nei processi AML
Lo studio evidenzia come l’adozione concreta dell’intelligenza artificiale e del machine learning nei sistemi antiriciclaggio rimanga limitata. Solo il 18% degli intervistati utilizza già queste soluzioni in ambienti di produzione, mentre un altro 18% si trova ancora in fase di test. Un quarto del campione prevede un’adozione nei prossimi 12-18 mesi, ma il 40% non ha alcuna intenzione di implementare queste tecnologie.
AI generativa: più curiosità che applicazione
L’interesse per l’AI generativa è presente, ma l’approccio è ancora prudente. Il 45% degli operatori sta esplorando il tema, mentre il 55% esclude al momento qualsiasi adozione. Questo dato riflette una tendenza a osservare senza ancora investire risorse operative importanti.
Falsi positivi, individuazione dei rischi e qualità delle indagini
Nel 2025, il 67% degli intervistati ha indicato il miglioramento delle indagini e dei risultati normativi o la riduzione dei falsi positivi come motivazione principale per adottare AI/ML. Rispetto al 2021, tuttavia, si osserva una diminuzione dell’11%, mentre cresce l’interesse per l’identificazione di rischi complessi, salita dal 17% al 21%.
Perché l’AI non decolla
Le barriere all’adozione stanno cambiando. Se nel 2021 erano i budget a frenare l’implementazione (39%), oggi questo ostacolo è stato superato dalla mancanza di un imperativo normativo (37%). Anche la carenza di competenze pesa meno, con un calo dal 20% all’11%.
Tecnologie più rilevanti per l’AML
Il machine learning si conferma la tecnologia di maggiore impatto (58%, +6% rispetto al 2021), seguito dalla robotic process automation (28%) e dall’elaborazione del linguaggio naturale (NLP), che si ferma al 14%. Le aree di maggior valore per AI/ML sono la riduzione di falsi positivi e negativi (38%), il miglioramento delle indagini (34%) e la gestione del rischio (28%).
L’importanza dell’integrazione dei dati
Secondo Stu Bradley, vicepresidente di SAS, il vero salto di qualità si avrà solo integrando fonti di dati, team e tecnologie. L’86% degli intervistati dichiara di aver già avviato un’integrazione tra processi di antiriciclaggio, frode e cybersecurity. Un terzo ha una gestione dei casi completamente integrata, un altro terzo lavora in team interfunzionali per proteggere l’organizzazione.
Aiutaci a crescere: lasciaci un like :)