Esiste un paradosso silenzioso nella formazione finanziaria contemporanea delle aule universitarie italiane: si insegna a produrre analisi in un mondo in cui l’analisi è già automatizzata. Si continua a spiegare come costruire modelli finanziari riga per riga, mentre nei desk di investimento, l’analisi viene sempre più generata, sintetizzata e confrontata da sistemi di intelligenza artificiale. La standardizzazione dei processi interpretativi su cui si basano le decisioni di investimento, valutazioni e operazioni straordinarie, allarga sempre di più lo scarto tra mondo accademico e mondo professionale.
Questo ritardo non è solo tecnologico, ma è un indizio di un cambiamento più profondo. Quando gli strumenti analitici diventano standardizzati, anche il modo in cui il mercato interpreta le aziende tende a convergere, e la convergenza in finanza è spesso una forma di rischio. Se gli strumenti di valutazione diventano omogenei, anche gli errori possono diventarlo.
In finanza, l’incertezza non nasce solo dalla scarsità delle informazioni, ma anche dal modo in cui esse vengono interpretate. L’intelligenza artificiale, unita a meccanismi di setaccio delle informazione open source, riduce drasticamente i costi di raccolta, elaborazione e sintesi dei dati: documenti complessi vengono analizzati in pochi secondi, modelli valutativi vengono generati automaticamente e benchmark sono disponibili in tempo reale. Questa abbondanza migliora sicuramente l’efficienza operativa, ma allo stesso tempo uniforma i processi cognitivi su cui si fondano le decisioni economiche. La convergenza riduce la dispersione delle opinioni e, con essa, una componente fondamentale della stabilità dei mercati: l’eterogeneità del giudizio. I mercati funzionano non perché tutti abbiano ragione, ma perché interpretazioni diverse si confrontano e si compensano. Se l’analisi diventa standardizzata, l’errore non scompare; può invece diventare collettivo e sincronizzato. Il rischio, dunque, si sposta dal piano individuale a quello sistemico. Paradossalmente, più l’analisi appare oggettiva e automatizzata, più aumenta il valore del giudizio critico e della capacità di deviare dal consenso dominante. Il rischio non è meno analisi, ma meno diversità interpretativa.
Il punto cruciale non è se le macchine analizzino meglio dell’uomo, ma cosa accade quando l’analisi diventa infrastruttura comune. La presenza di sistemi automatizzati nei grandi intermediari non riduce necessariamente l’incertezza, la redistribuisce, concentrandosi nel disegno dei modelli e nelle ipotesi incorporate nei dati. Esemplare il caso di Goldman Sachs che sta automatizzando il back-office, utilizzando agenti AI con Claude. La banca d’investimento sta infatti lavorando con Anthropic per ingegnerizzare e automatizzare ruoli di contabilità e compliance. A breve infatti verranno digitalizzate e automatizzate dinamiche di contabilità dietro a trades e transazioni, onboarding e client vetting tramite l’utilizzo di “lavoratori digitali”. Queste trasformazioni sorprendenti sollevano un dubbio inevitabile per il mondo accademico riguardo alla struttura tradizionale della formazione e se lo studio della finanza debba rimanere ancorato alle teorie del valore, contabilità e analisi del flussi. Se l’analisi operativa è sempre più generata da sistemi intelligenti, il vantaggio competitivo si sposta dalla produzione tecnica dell’analisi alla sua interpretazione critica. Le competenze distintive diventano le capacità di deviare consapevolmente dal consenso algoritmico, continuare a insegnare la finanza come se il processo analitico fosse interamente manuale rischia di preparare professionisti tecnicamente competenti ma cognitivamente dipendenti dagli strumenti. Al contrario, integrare l’AI nella formazione non significa sostituire i fondamenti, ma ridefinire l’obiettivo educativo: non solo costruire modelli, ma comprendere i limiti degli stessi; non solo analizzare dati, ma interrogare le ipotesi che li strutturano.
La questione educativa non è tecnologica, ma epistemologica: quale tipo di giudizio deve formare la finanza contemporanea? Se l’analisi è sempre più automatizzata, la funzione dell’università non è replicarla, ma coltivare ciò che non può essere standardizzato, il pensiero critico, la capacità di dissentire e la responsabilità interpretativa.
Questo articolo fa parte di una rubrica di Wall Street Italia dedicata ai consulenti finanziari che vogliono raccontare le loro esperienze e iniziative professionali. Se siete interessati a pubblicare una vostra storia scriveteci a: social.brown@triboo.it
L’autore è esclusivo responsabile del presente contributo, su cui non è eseguito alcun controllo editoriale da parte di T-Mediahouse. Il presente articolo non può costituire e non deve essere considerato in nessun caso una sollecitazione al pubblico risparmio o la promozione di alcuna forma di investimento, ne raccomandazioni personalizzate ai sensi del Testo Unico della Finanza.
