L’Occasional Paper di Banca d’Italia intitolato Le implicazioni dell’intelligenza artificiale per la politica monetaria: una prima valutazione affronta un tema destinato a incidere in modo significativo sull’azione delle autorità monetarie: la diffusione dell’intelligenza artificiale nei mercati finanziari, nel credito, nell’economia reale e nei processi decisionali pubblici.
La prospettiva adottata non riguarda soltanto l’innovazione tecnologica in senso stretto. L’IA viene esaminata come fattore capace di modificare la formazione dei prezzi, la gestione della liquidità bancaria, la trasmissione delle decisioni sui tassi ufficiali e la stessa funzione di reazione delle banche centrali.
Perché l’IA rileva per la politica monetaria
La politica monetaria opera attraverso canali che presuppongono tempi di reazione, aspettative, flussi informativi e decisioni degli intermediari. L’intelligenza artificiale può intervenire su ciascuno di questi elementi, rendendo più rapida l’elaborazione dei dati e più automatizzata la risposta di imprese, famiglie e operatori finanziari.
Secondo l’analisi di Banca d’Italia, l’IA può accrescere l’efficienza dei processi produttivi e ampliare la capacità informativa degli operatori economici. L’automazione delle attività ripetitive e l’utilizzo di modelli predittivi possono infatti rendere più tempestive molte decisioni, dalla concessione del credito alla gestione dei portafogli, sino alla fissazione dei prezzi.
Questa accelerazione, tuttavia, non produce soltanto benefici. L’adozione diffusa di modelli simili, alimentati da basi dati analoghe, può favorire risposte omogenee e simultanee. In fasi di tensione, tale convergenza può amplificare le oscillazioni dei mercati e aumentare il rischio di propagazione rapida degli shock.
Liquidità bancaria e rischi di reazioni algoritmiche
Un primo ambito di impatto riguarda la gestione della liquidità degli intermediari. Sistemi previsionali più sofisticati possono consentire alle banche di stimare con maggiore precisione i propri fabbisogni e, in condizioni ordinarie, di ridurre la quantità di riserve detenute presso la banca centrale.
La minore domanda ordinaria di riserve non elimina però il problema della liquidità nelle fasi di stress. Se più intermediari utilizzano strumenti automatizzati orientati da logiche simili, i deflussi possono diventare più improvvisi e più consistenti. Il rischio non è solo quantitativo, ma anche temporale: la crisi può manifestarsi in tempi più compressi.
L’esigenza di un assetto operativo flessibile
Da questa prospettiva, l’Occasional Paper segnala la necessità che l’assetto operativo della banca centrale resti sufficientemente flessibile. Occorre contemperare due esigenze: da un lato, la possibile riduzione strutturale della domanda di riserve in tempi normali; dall’altro, la capacità di fronteggiare shock repentini generati o amplificati da comportamenti algoritmici convergenti.
Il punto è di rilievo anche sul piano istituzionale. La banca centrale è chiamata a presidiare un sistema nel quale la stabilità finanziaria può essere influenzata non solo dalle scelte umane degli operatori, ma anche dalle modalità tecniche con cui gli algoritmi incorporano informazioni e reagiscono agli eventi.
Credito, concorrenza e trasmissione dei tassi ufficiali
Nel mercato del credito, l’intelligenza artificiale può migliorare lo screening dei debitori e il monitoraggio dei rapporti in essere. Una valutazione più accurata del rischio di credito può ridurre asimmetrie informative e consentire una migliore selezione delle controparti.
Allo stesso tempo, l’ingresso di operatori tecnologici e la riduzione dei costi di ricerca e comparazione possono rafforzare la concorrenza. L’effetto prospettato dallo studio è un possibile aumento dei volumi di credito, mentre l’impatto sui tassi applicati ai clienti resta meno univoco.
Un canale del credito più rapido ma forse meno intenso
Le conseguenze sulla trasmissione della politica monetaria sono particolarmente delicate. Banca d’Italia ritiene probabile che l’IA possa ridurre l’intensità della trasmissione attraverso il canale del credito, ma aumentarne la velocità.
In altri termini, le decisioni sui tassi ufficiali potrebbero riflettersi più rapidamente nei comportamenti degli intermediari, proprio perché modelli automatizzati di pricing e allocazione del credito rendono più immediata la revisione delle condizioni applicate. La maggiore tempestività, tuttavia, non implica necessariamente un effetto finale più forte sull’economia reale.
Inflazione, produttività e flessibilità dei prezzi
L’effetto dell’intelligenza artificiale sull’inflazione rimane ambiguo. Da un lato, l’aumento della produttività può ampliare l’offerta aggregata e generare pressioni disinflazionistiche. Dall’altro, maggiori consumi, maggiori investimenti e il fabbisogno energetico delle infrastrutture necessarie allo sviluppo dell’IA possono spingere nella direzione opposta.
Più definito appare l’impatto sulla flessibilità dei prezzi. La riduzione dei costi necessari per modificarli può indurre le imprese ad aggiornare più frequentemente le proprie condizioni commerciali. In tale scenario, l’inflazione può diventare più sensibile agli shock e potenzialmente più volatile.
Per le autorità monetarie, ciò significa operare in un ambiente nel quale i segnali provenienti dai prezzi possono cambiare con maggiore frequenza e nel quale l’identificazione della componente temporanea o persistente dell’inflazione può risultare più complessa.
L’utilizzo dell’IA da parte delle banche centrali
L’intelligenza artificiale non è soltanto un fenomeno esterno al quale le banche centrali devono adattarsi. Essa rappresenta anche uno strumento operativo che può migliorare l’analisi dei dati, la costruzione di scenari, l’individuazione degli shock e la qualità delle previsioni.
L’impiego di dati tradizionali e non tradizionali può rafforzare la capacità informativa dell’autorità monetaria. Modelli avanzati possono aiutare a cogliere tempestivamente segnali deboli, anomalie e mutamenti nelle aspettative degli operatori.
Controllo umano, accountability e fiducia pubblica
Lo studio di Banca d’Italia evidenzia però un limite essenziale: l’uso dell’IA non può trasformarsi in una delega incontrollata del processo analitico. Il personale della banca centrale deve conservarne il controllo, verificando affidabilità, coerenza e qualità degli output.
Assumono rilievo, in questa prospettiva, accountability e fiducia del pubblico. Le decisioni di politica monetaria incidono su credito, risparmio, investimenti e stabilità dei prezzi. Per tale ragione, gli strumenti tecnologici devono restare inseriti in un quadro di responsabilità istituzionale chiaro e verificabile.
Devono inoltre essere presidiati la riservatezza e la protezione dei dati, i rischi di frode e di attacchi informatici, nonché i possibili fenomeni di bias, autoreferenzialità e groupthink dei sistemi di IA.
Stabilità finanziaria e governance degli algoritmi
L’elemento comune dell’analisi è il rapporto tra innovazione e stabilità. L’intelligenza artificiale può rendere l’economia più produttiva e le banche centrali meglio informate, ma può anche accrescere l’interconnessione del sistema economico e finanziario e aumentare i rischi operativi e informatici.
Il problema non consiste nel sostituire la valutazione delle autorità monetarie con automatismi decisionali. La questione centrale è adeguare strumenti, dati e procedure a un’economia nella quale gli algoritmi influenzano tempi, intensità e modalità di trasmissione degli shock.
La stabilizzazione macroeconomica, osservano gli autori, potrebbe diventare più complessa proprio mentre l’IA offre alle autorità monetarie strumenti più potenti per svolgere il proprio compito. Da qui emerge un’agenda di lavoro fondata su controllo umano, robustezza tecnica, sicurezza informatica e capacità delle banche centrali di leggere un sistema finanziario sempre più rapido e interconnesso.