L'IA generativa di Itaú si estende all'intera banca, ma la vera prova è la governance

Itaú ha portato la propria strategia di IA generativa da progetti pilota mirati a 300.000 clienti, con l'obiettivo di raggiungere l'intera base clienti nel corso del 2026. Il programma di IA generativa di Itaú combina ora ia.i, un'interfaccia bancaria conversazionale, con IARA, una piattaforma interna per governare modelli, dati, costi e rischi.

Questa combinazione conta più del solo chatbot. Itaú vuole che i clienti usino il linguaggio comune invece di navigare menu separati per conti, credito, carte, assicurazioni e investimenti. Tuttavia, ogni conversazione più ampia aumenta il rischio di una risposta inesatta, di una raccomandazione inappropriata, di una violazione della privacy o di un'azione non autorizzata.

La banca sta quindi mettendo alla prova due promesse contemporaneamente. Quella visibile è che i servizi bancari possano diventare più semplici e personali. Quella meno visibile è che Itaú possa mantenere i modelli generativi sotto controllo all'interno di un'istituzione fortemente regolamentata. Erica di Bank of America e LLM Suite interno di JPMorganChase offrono riferimenti utili, ma Itaú sta cercando di collegare conversazioni con i clienti, strumenti per i dipendenti e accesso governato ai modelli attraverso un'unica architettura.

L'IA generativa di Itaú passa dai piloti a un'interfaccia per l'intera banca

Il cambiamento non consiste semplicemente nell'aggiunta di un altro assistente all'app di Itaú. La banca sta trasformando la conversazione in un livello di accesso ai propri servizi.

Itaú ha presentato pubblicamente ia.i nel luglio 2026, dopo aver sviluppato funzionalità di intelligenza artificiale più circoscritte dal 2024. L'interfaccia accetta richieste testuali o vocali tramite l'app Itaú. È progettata per individuare l'intento del cliente e collegare la richiesta alla capacità bancaria pertinente.

Il rilascio iniziale ha raggiunto circa 300.000 clienti. Itaú ha dichiarato di voler espandere l'accesso a circa 3 milioni di persone entro settembre, seguiti dall'intera base clienti prima della fine dell'anno. La banca non ha fornito pubblicamente dati finali di adozione o utilizzo attivo per queste fasi successive.

Il lancio per i clienti va oltre le domande e la consultazione dei conti. Itaú afferma che ia.i può fornire informazioni, interpretare comandi, guidare le decisioni e avviare transazioni supportate. Può inoltre trasferire un cliente a un'assistenza umana specializzata quando la conversazione lo richiede.

Questo crea un'esperienza diversa da quella di un chatbot fisso. Un assistente basato su script di norma associa una domanda a una risposta predisposta o a un flusso di lavoro ristretto. Un'interfaccia generativa può interpretare linguaggi diversi, combinare il contesto e generare una risposta per la situazione attuale.

Itaú afferma che ia.i considera il contesto finanziario, la storia del rapporto, gli obiettivi e la fase della vita del cliente nelle proprie risposte. Questi dati potrebbero aiutare i clienti a evitare ricerche tra menu non collegati. Rendono però ancora più importanti accuratezza, confini dei dati e trasparenza.

Un cliente che chiede informazioni su un pagamento con carta presenta un problema informativo limitato. Chi chiede se può permettersi un acquisto pone un problema di giudizio più ampio. Il sistema deve stabilire quali dati siano rilevanti, quali sia autorizzato a utilizzare e quando diventi necessario il supporto umano.

Il lancio segue diversi impieghi minori. Tra questi figuravano un assistente per gli investimenti, pagamenti Pix tramite WhatsApp, strumenti per piccole imprese e hardware di pagamento abilitato alla voce. Ogni progetto ha testato un compito più delimitato prima che Itaú tentasse di creare un livello conversazionale comune.

Una precedente funzionalità di investimento è partita con 10.000 clienti nel 2025. Questo approccio graduale ha dato a Itaú un modo per testare risposte, comportamento dei clienti e percorsi di escalation prima di rivolgersi a una popolazione molto più ampia.

La progressione spiega anche perché l'annuncio del 2026 sia significativo. Itaú non presenta più l'IA generativa come un esperimento isolato. Sta rendendo la tecnologia parte del modo in cui i clienti scoprono e utilizzano servizi finanziari consolidati.

Questa transizione crea la tensione centrale dell'articolo. Un livello conversazionale deve apparire abbastanza aperto da risultare utile, pur rimanendo sufficientemente vincolato da operare in sicurezza. L'interfaccia può nascondere la complessità della banca, ma non può eliminare gli obblighi che stanno dietro ogni risposta o transazione.

Perché ia.i è più di un lancio di chatbot

Itaú scommette sul fatto che i clienti partiranno da un'intenzione, non da un menu prodotti, lasciando alla banca il compito di determinare il percorso corretto.

Le app bancarie convenzionali organizzano i servizi secondo la struttura dell'istituzione. I clienti scelgono conti, carte, pagamenti, prestiti, assicurazioni o investimenti. Devono sapere quale categoria contiene l'operazione che desiderano completare.

Un'interfaccia conversazionale ribalta questa sequenza. Un cliente può prima esprimere un obiettivo, un problema o una domanda. Il sistema identifica poi il prodotto, la fonte di informazioni o il flusso di lavoro pertinente.

Questa distinzione sembra modesta finché la richiesta non attraversa i confini tra prodotti. Una domanda sul risparmio per un acquisto potrebbe coinvolgere flussi di cassa, saldo del conto, obblighi relativi alle carte e una posizione di investimento. Una risposta utile richiede più della generazione linguistica.

Itaú chiama Customer DNA il livello contestuale alla base di questa esperienza. Secondo il deployment dell'IA, il sistema fornisce contesto finanziario per circa 70 milioni di clienti. I modelli OpenAI sono tra quelli utilizzati nell'ambiente governato di Itaú.

Questa scala non significa che ogni cliente riceva un consulente finanziario senza vincoli. Significa che Itaú ha costruito un sistema di contesto volto a supportare esperienze diverse per un'ampia popolazione di clienti. I dati disponibili e le azioni consentite dipendono ancora dal caso d'uso specifico.

Itaú afferma che i clienti possono passare dalla comodità di base a una consulenza più specializzata nella stessa interfaccia. Un utente potrebbe chiedere informazioni sul conto, eseguire un comando supportato o cercare aiuto per comprendere una decisione di investimento.

La banca afferma inoltre che ia.i si adatta alla lingua del cliente e può comunicare tramite voce o testo. Questa flessibilità può ridurre la necessità di imparare i nomi esatti dei menu. Potrebbe anche rendere il banking digitale più accessibile alle persone che faticano a orientarsi in app complesse.

Tuttavia, il linguaggio naturale introduce un'ambiguità che i pulsanti evitano. “Paga la mia bolletta” può riferirsi a diversi obblighi. “Posso spendere questo?” può significare un controllo del saldo, una domanda sul budget o una richiesta di consulenza finanziaria personalizzata.

Il sistema deve risolvere questa ambiguità senza creare falsa fiducia. Deve confermare le azioni sensibili, distinguere le informazioni dalla consulenza ed evitare di suggerire certezze quando i dati del cliente sono incompleti.

La ricerca di Itaú con Grupo Consumoteca ha rilevato che l'80% dei brasiliani intervistati desiderava una migliore organizzazione della propria vita finanziaria. Ha inoltre rilevato che il 65% desiderava una tecnologia in grado di fornire una guida finanziaria continuativa. Si tratta di risultati sponsorizzati dall'azienda, non di misurazioni indipendenti dell'adozione di ia.i.

Il sondaggio identifica comunque la domanda a cui Itaú spera di rispondere. Molti clienti non hanno bisogno di un altro elenco di prodotti. Hanno bisogno di aiuto per collegare le proprie informazioni finanziarie a una decisione che stanno cercando di prendere.

Ecco perché l'assistente è strategicamente importante. La banca che controlla il punto di partenza conversazionale può influenzare il modo in cui i clienti trovano servizi, comprendono le opzioni ed elevano i problemi. Può anche raccogliere segnali preziosi sui bisogni insoddisfatti.

Questi vantaggi comportano doveri corrispondenti. I clienti devono capire quando interagiscono con l'IA, come vengono prodotte le raccomandazioni e quando una persona può riesaminare un risultato. Un'interfaccia comoda non dovrebbe rendere confusa la responsabilità delle decisioni rilevanti.

Per i knowledge worker, lo stesso principio vale oltre il settore bancario. Una AI knowledge base utile necessita di contesto consapevole dei permessi, recupero affidabile e chiari confini delle fonti. Un output fluente da solo non stabilisce fiducia.

IARA pone la governance tra modelli e denaro

IARA è il meccanismo centrale della strategia di Itaú perché separa l'accesso ai modelli dall'uso incontrollato dei modelli.

IARA è la piattaforma di governance e orchestrazione dell'intelligenza artificiale di Itaú. Per orchestrazione si intende la capacità della piattaforma di instradare un'attività tra modelli e sistemi di supporto, anziché legare ogni applicazione a un unico fornitore.

La piattaforma offre ai team interni un accesso controllato a più modelli. OpenAI è uno dei fornitori disponibili attraverso questo ambiente, anziché essere l'unico fornitore di modelli integrato in ogni flusso di lavoro.

Questo approccio indipendente dal modello offre a Itaú diverse opzioni. Un modello meno costoso può gestire un'attività ordinaria in cui conta la velocità. Un modello di ragionamento più capace può elaborare una richiesta difficile quando il maggior costo e la latenza sono giustificati.

IARA consente inoltre alla banca di applicare politiche comuni a queste scelte. Itaú afferma che la piattaforma monitora l'uso dei modelli, l'accuratezza delle risposte, il consumo di token e i requisiti di IA responsabile. I token sono le unità utilizzate per elaborare il testo attraverso i modelli linguistici.

La centralizzazione non rende automaticamente sicuro un sistema di IA. Può però creare un unico punto per controlli di accesso, registrazione, valutazione dei modelli, limiti di costo e applicazione delle politiche. Senza questo livello, ogni team di prodotto potrebbe sviluppare salvaguardie e pratiche sui dati diverse.

Il dipartimento legale di Itaú fornisce il più ampio esempio divulgato. Secondo la banca, la sua soluzione di IA legale lavora su oltre 90 milioni di documenti e completa più di 2 milioni di attività ogni mese. L'azienda riferisce guadagni di efficienza compresi tra il 20% e l'80% nelle diverse fasi del processo.

Queste percentuali coprono un intervallo ampio e provengono da Itaú, non da una verifica indipendente. Non dovrebbero essere considerate un risultato universale di produttività. Anche la lettura di documenti legali differisce dalla consulenza finanziaria rivolta ai clienti.

L'esempio dimostra comunque perché l'orchestrazione sia importante. Elaborare un archivio legale richiede autorizzazioni sui documenti, recupero delle informazioni, selezione dei modelli, tracciabilità e monitoraggio dell'output. Il modello genera soltanto una parte del risultato.

Itaú afferma che IARA mantiene le informazioni sensibili nel contesto della banca, controllando al contempo il modo in cui le applicazioni accedono ai modelli esterni. Questo confine è essenziale quando i prompt possono includere informazioni su clienti, dipendenti, transazioni o questioni legali.

La piattaforma supporta anche l'osservabilità, ovvero la possibilità per i team di esaminare il comportamento dei sistemi dopo il deployment. Nel settore bancario, il monitoraggio non può terminare quando un modello supera una valutazione di lancio. Il linguaggio dei clienti, i modelli di frode, il comportamento dei modelli e i prodotti sottostanti cambiano tutti.

Un aggiornamento del modello può migliorare il ragionamento alterando al tempo stesso il comportamento di rifiuto. Una politica di prodotto rivista può rendere errata una risposta precedente. Un nuovo metodo di attacco può esporre debolezze che non erano presenti durante lo sviluppo.

IARA deve quindi governare l'intero ciclo di vita del sistema. Questo include l'accesso ai dati prima di una richiesta, l'instradamento durante l'elaborazione e la revisione dopo la risposta. Include anche l'indagine sugli incidenti quando una risposta produce danni o confusione.

L'architettura ricorda la direzione adottata da altre grandi banche. JPMorganChase ha lanciato LLM Suite come ambiente di IA generativa controllato per i dipendenti. L'azienda ha dichiarato che la piattaforma ha raggiunto più di 200.000 utenti integrati entro otto mesi.

La strategia di Itaú estende l’idea di piattaforma condivisa alle conversazioni con i clienti. È un test più esposto, perché un cliente può agire immediatamente sulla base di una risposta. I dipendenti spesso dispongono di formazione, documentazione interna e processi di revisione che i consumatori non hanno.

La scelta di diversi modelli è un’altra salvaguardia pratica, ma crea lavoro di gestione. Itaú deve confrontare continuamente qualità, costo, latenza, termini sulla privacy e comportamento dei modelli. Un cambio di fornitore non può indebolire un flusso di lavoro regolamentato senza che venga rilevato.

Nessuna piattaforma di governance può eliminare ogni errore. Il suo valore consiste nel rendere i controlli coerenti, le evidenze visibili e l’intervento possibile. È una base più credibile che fare affidamento sulla fluidità linguistica o sulla reputazione di un modello.

La pressione competitiva è un’interfaccia bancaria più semplice

I concorrenti di Itaú non competono soltanto sulla qualità dei modelli. Competono per diventare il primo luogo in cui i clienti esprimono le proprie intenzioni finanziarie.

Le banche utilizzano da anni il machine learning per il rilevamento delle frodi, l’analisi del credito, la personalizzazione e l’instradamento dell’assistenza. L’AI conversazionale cambia il livello di presentazione, non l’esistenza dell’automazione.

Bank of America offre il precedente più chiaro su larga scala. Il suo assistente virtuale Erica è stato lanciato nel 2018, prima dell’attuale ciclo dell’AI generativa. Ad agosto 2025, la banca ha dichiarato oltre 3 miliardi di interazioni con i clienti e quasi 50 milioni di utenti.

I dati sull’utilizzo di Erica della banca mostrano anche la disciplina alla base di un assistente maturo. Bank of America ha affermato che Erica utilizzava una libreria controllata di oltre 700 risposte e aveva ricevuto più di 75.000 aggiornamenti.

Questa progettazione privilegia risultati prevedibili rispetto alla generazione aperta. Itaú persegue un’interfaccia generativa più ampia, ma l’esempio di Erica mostra perché la manutenzione continua sia importante. Un assistente finanziario diventa un servizio operativo, non una funzionalità software completata.

Anche Nubank ha iniziato a testare nel 2023 un assistente generativo per il credito con un gruppo ristretto di clienti. Il suo ambito iniziale copriva domande sui limiti di credito, sul credito garantito, su NuPay e sui prestiti personali. Il lancio limitato rifletteva i rischi di entrare immediatamente in discussioni personalizzate sul credito.

Questi approcci creano pressione su ogni banca retail dotata di un’applicazione complessa. Quando i clienti possono esprimere direttamente un’intenzione, le esperienze ricche di menu iniziano a sembrare inefficienti. Il confronto si sposta dal numero di funzionalità alla rapidità con cui la banca comprende e completa una richiesta.

Itaú gode di un vantaggio nella gamma di servizi che può collegare. Conti, carte, assicurazioni, credito, pagamenti e investimenti possono tutti contribuire al contesto. Questa ampiezza può produrre indicazioni più utili rispetto a un assistente con una sola funzione.

Può anche creare conflitti. Una banca può trarre vantaggio quando un cliente adotta un altro prodotto. Il cliente deve avere la certezza che le indicazioni generate riflettano i suoi interessi, la sua idoneità e il suo profilo di rischio, anziché un obiettivo commerciale non dichiarato.

L’interfaccia deve quindi preservare le distinzioni tra educazione, assistenza, raccomandazione e promozione. Queste categorie comportano aspettative diverse. Combinarle in un’unica conversazione amichevole potrebbe renderne difficili da distinguere i confini.

L’AI generativa attribuisce inoltre ai fornitori tecnologici maggiore influenza sulle interfacce bancarie. I fornitori di modelli offrono capacità linguistiche e di ragionamento, mentre le banche contribuiscono con dati, flussi di lavoro, regole di conformità e relazioni con i clienti.

L’architettura multi-modello di Itaú riduce la dipendenza da un singolo fornitore. Non elimina la dipendenza esterna, perché modelli di frontiera, sistemi cloud e infrastrutture specializzate continuano a evolvere al di fuori della banca.

La competizione strategica non è quindi Itaú contro OpenAI, né una banca contro un fornitore di modelli. È il contesto istituzionale controllato contro l’intelligenza generica dei modelli. La banca deve dimostrare che i suoi dati e la sua governance producono un’esperienza più sicura e utile.

Se ia.i avrà successo, i concorrenti subiranno pressioni per unificare i propri assistenti tra prodotti diversi. Un chatbot frammentato per le domande di assistenza apparirà meno capace accanto a un’interfaccia in grado di interpretare gli obiettivi e completare transazioni.

Se ia.i incontrerà difficoltà, il settore potrebbe privilegiare assistenti più circoscritti con azioni attentamente delimitate. Le banche potrebbero continuare a utilizzare l’AI generativa internamente, mantenendo al contempo più deterministici gli strumenti rivolti ai consumatori.

Questo esito non significherebbe che la tecnologia ha fallito. Mostrerebbe che le conversazioni con i clienti ad alta posta in gioco richiedono un equilibrio diverso rispetto ai riassunti di documenti, agli strumenti di redazione o alla ricerca per i dipendenti.

La promessa di scala di Itaú incontra la realtà regolamentata

La questione irrisolta è se Itaú possa preservare accuratezza, consenso e responsabilità umana mentre ia.i si espande oltre coorti controllate.

Il sistema finanziario brasiliano impone requisiti in materia di sicurezza, tutela dei consumatori, trattamento dei dati, conservazione delle registrazioni e resilienza operativa. L’AI generativa aggiunge output incerti a questo quadro esistente.

Il Banco Central do Brasil ha identificato l’intelligenza artificiale come un’area che richiede lo studio di rischi ed effetti nelle istituzioni finanziarie. Le norme aggiornate sulla cybersicurezza sottolineano inoltre i controlli sugli accessi, la tracciabilità, l’integrazione sicura, i test e la protezione delle infrastrutture.

Questi requisiti sono in linea con lo scopo dichiarato di IARA. Tuttavia, Itaú non ha pubblicato dettagli sui tassi di errore, sui tassi di escalation, sui risultati di soddisfazione dei clienti o sulle ripartizioni degli incidenti che coinvolgono ia.i. I case study disponibili si concentrano soprattutto sull’architettura e sui benefici previsti.

Questa lacuna nelle evidenze è rilevante perché la sola dimensione del deployment non stabilisce la qualità. Un sistema può raggiungere milioni di conti ricevendo al contempo un utilizzo attivo limitato. Può anche gestire bene richieste semplici, ma avere difficoltà con domande insolite o rilevanti nelle loro conseguenze.

Tre rischi meritano particolare attenzione.

Primo, le risposte generate possono sembrare più certe di quanto le loro evidenze giustifichino. In un contesto bancario, una spiegazione errata può influenzare comportamenti di spesa, indebitamento, assicurazione o investimento.

Il recupero di informazioni approvate può ridurre questo rischio, ma non può eliminare l’ambiguità. I termini dei prodotti cambiano, le circostanze dei clienti differiscono e il modello può combinare fatti corretti in una conclusione inappropriata.

Secondo, la personalizzazione dipende dai dati personali. L’autorità brasiliana per la protezione dei dati ha evidenziato rischi relativi a prompt, output dei modelli, condivisione dei dati, conservazione, trasparenza e riutilizzo delle informazioni personali.

Il radar sull’AI generativa dell’autorità sottolinea che l’innovazione deve rimanere compatibile con la Legge generale brasiliana sulla protezione dei dati. Osserva inoltre che gli utenti possono inserire nei prompt i propri dati, o quelli di un’altra persona, senza riconoscerne le conseguenze.

Per Itaú, la governance deve coprire più dei dati di addestramento. Deve affrontare le informazioni raccolte per ogni interazione, i dati inviati a ciascun modello, la risposta risultante e qualsiasi registrazione conservata successivamente.

Terzo, l’assistenza automatizzata può diventare nella pratica una decisione automatizzata, anche quando il sistema offre tecnicamente soltanto indicazioni. I clienti potrebbero seguire una risposta sicura senza richiedere una revisione umana.

L’agenda brasiliana sulla protezione dei dati include lavori sull’Articolo 20 della LGPD, che riguarda la revisione delle decisioni basate esclusivamente sul trattamento automatizzato di dati personali. Itaú deve mantenere confini chiari tra supporto conversazionale, raccomandazioni e decisioni che incidono sugli interessi dei clienti.

L’escalation verso un operatore umano è un’importante salvaguardia, ma il suo design ne determinerà il valore. Un trasferimento che perde il contesto della conversazione crea frustrazione. Un’escalation che avviene solo dopo un errore potrebbe arrivare troppo tardi.

La banca deve inoltre difendersi da prompt injection, frodi, acquisizione di account e social engineering. Un aggressore potrebbe tentare di manipolare l’assistente, estrarre informazioni o attivare un flusso di lavoro sensibile tramite linguaggio ingannevole.

I passaggi di conferma restano necessari per le transazioni. Il livello conversazionale non dovrebbe indebolire l’autenticazione solo perché la richiesta suona naturale. La comodità deve finire dove l’autorità rimane incerta.

Anche i bias rappresentano una sfida. Un modello può produrre toni, presupposti o indicazioni diversi per clienti che formulano bisogni simili in modo differente. Itaú afferma che le sue politiche di AI responsabile affrontano i bias, ma non ha pubblicato risultati dettagliati di valutazioni esterne per ia.i.

La sostenibilità economica è un’altra parte non dimostrata del piano. L’utilizzo dei modelli genera costi variabili, soprattutto quando le conversazioni richiedono contesti lunghi o ragionamenti più approfonditi. L’instradamento delle attività tra modelli può controllare la spesa, ma un’adozione più ampia può comunque aumentare il consumo totale.

Anche le aspettative riportate da Itaú sui dipendenti richiedono convalida. La banca prevede che gli strumenti di AI possano dare ai gestori delle relazioni con i clienti tre volte più tempo per le interazioni. Si aspetta che il servizio diventi due volte più rapido e le conversazioni fino a tre volte più efficaci.

Si tratta di aspettative aziendali orientate al futuro. I termini “tempo disponibile” ed “efficacia” possono dipendere da scelte di misurazione interne. La rendicontazione pubblica dovrebbe infine distinguere i benefici previsti dai risultati osservati.

Una valutazione responsabile ha quindi due lati. Itaú ha illustrato un’architettura di governance credibile e diversi deployment significativi. Non ha ancora fornito sufficienti evidenze indipendenti o longitudinali per confermare che l’architettura funzioni sull’intera base clienti.

Tre segnali decideranno se la scommessa di Itaú funzionerà

La prossima fase dovrebbe essere giudicata dal comportamento verificato, non dal numero di clienti che ricevono un’icona nell’app bancaria.

Il primo segnale è l’uso continuativo da parte dei clienti dopo l’ampia disponibilità. Itaú dovrebbe divulgare utenti attivi, utilizzo ripetuto, attività completate, abbandoni, trasferimenti a operatori umani e soddisfazione dei clienti. La crescita da 300.000 clienti idonei all’accesso universale conta solo se le persone affidano all’interfaccia reali necessità finanziarie.

Il secondo segnale è rappresentato dalle evidenze su accuratezza e salvaguardie. Una rendicontazione utile includerebbe categorie di errori, conferme riuscite delle transazioni, volumi dei reclami, correzioni delle risposte e incidenti gravi. Dovrebbe inoltre spiegare come IARA valuta i diversi modelli prima e dopo il deployment.

Qualsiasi pubblicazione del Banco Central o dell’autorità brasiliana per la protezione dei dati aggiungerà un parametro di riferimento esterno. La banca centrale sta già studiando i rischi dell’AI nelle istituzioni finanziarie, mentre l’autorità per i dati sta sviluppando linee guida sulle decisioni automatizzate e sul trattamento responsabile dei dati.

Il terzo segnale è se i concorrenti amplieranno i propri assistenti. Bank of America ha dimostrato che un assistente finanziario vincolato può supportare un enorme volume di interazioni. JPMorganChase ha dimostrato che una piattaforma interna governata può raggiungere centinaia di migliaia di dipendenti.

Itaú sta cercando di combinare questi percorsi. Vuole conversazioni su scala clienti, produttività dei dipendenti, dati finanziari contestuali e molteplici fornitori di modelli all’interno di un unico quadro controllato.

Un lancio di successo rafforzerebbe l’idea che l’AI generativa possa diventare un’interfaccia primaria per i servizi regolamentati. Un ripiegamento verso domande ristrette sosterrebbe la conclusione opposta. Suggerirebbe che i flussi di lavoro deterministici restano più sicuri per le azioni dei clienti dalle conseguenze rilevanti.

Sviluppatori e acquirenti aziendali dovrebbero osservare come Itaú divide la responsabilità tra il modello, il livello di orchestrazione, i sistemi bancari e il personale umano. Questa ripartizione sarà importante nella sanità, nelle assicurazioni, nei servizi legali e in altri settori regolamentati.

I clienti dovrebbero porsi una domanda più semplice ogni volta che ia.i offre indicazioni: la risposta può mostrare la propria base, i propri limiti e un percorso affidabile verso una revisione umana?

La strategia di IA generativa di Itaú non sarà decisa dalla capacità di ia.i di sostenere una conversazione fluida. Sarà decisa dalla capacità della banca di rendere quella conversazione accurata, responsabile, sostenibile nei costi e utile su larga scala.