Guida di settore: banking
Come usare Claude nel settore bancario: una guida pratica per i team bancari
Pratiche più veloci, con una persona che firma ancora il fascicolo.
Questa guida è per chi lavora nel retail banking, corporate banking e private banking e vuole mettere al lavoro Claude di Anthropic su compliance, casistica KYC e AML, indagini sulle frodi, operations, comunicazione con i clienti e codice legacy. Si attiene a ciò che Anthropic ha pubblicato per i servizi finanziari e a ciò che banche specifiche hanno dichiarato nei post e nelle customer story di Anthropic.
Come usare Claude nel settore bancario? Si parte dal lavoro documentale che rallenta ogni banca: revisionare i fascicoli KYC individuando le lacune, redigere le narrative delle indagini AML a partire dai dati del caso, sintetizzare le modifiche normative in aggiornamenti di policy, scrivere note sui casi di frode, riconciliare gli scarti operativi e modernizzare il codice legacy. Claude legge, struttura e redige velocemente. Il personale della banca prende le decisioni, deposita le segnalazioni e resta responsabile verso i regolatori, con ogni passaggio assistito dall'IA all'interno dei controlli di model risk e di gestione dei dati della banca.
Pubblicato il
Punti chiave
- Gli usi più efficaci nel banking sono la revisione dei fascicoli KYC, le narrative dei casi AML, le sintesi delle modifiche normative, le riconciliazioni operative e la modernizzazione del codice.
- I template di agenti di Anthropic di maggio 2026 includono uno screener KYC, un riconciliatore del libro mastro generale e uno strumento per la chiusura di fine mese.
- Anthropic riporta casi concreti in ambito banking presso N26, bunq, BNY, Citi e FIS, dall'automazione dei processi alle piattaforme per sviluppatori.
- L'IA assiste l'analista. Le decisioni sulle attività sospette e le segnalazioni alle autorità restano responsabilità umane.
- Ogni utilizzo si inserisce nelle regole di model risk management, protezione dei dati e conservazione dei documenti della banca.
Copia e incolla
Prompt da usare subito
Revisione delle lacune nel fascicolo KYC
Sei un analista KYC in una banca commerciale. Rivedi i documenti di onboarding riassunti di seguito per un cliente corporate confrontandoli con la nostra checklist: documenti dell'entità legale, struttura proprietaria fino ai beneficiari effettivi sopra la nostra soglia, controllori, origine dei fondi, attività attesa e risultati su sanzioni e adverse media. Per ogni voce della checklist indica presente, mancante o incoerente, e cita il documento a sostegno della tua risposta. Elenca le richieste di follow-up per il relationship manager. Checklist e documenti: [incolla qui].
Incolla la checklist reale della tua banca. Il risultato dovrebbe rispecchiare le tue procedure, non un elenco generico.
Narrativa dell'indagine AML
Redigi la sezione narrativa di un fascicolo di indagine AML a partire dai dettagli dell'alert, dal riepilogo delle transazioni e dalle note dell'analista riportate di seguito. Struttura il testo così: soggetto e relazione, alert e scenario attivato, attività esaminata con date e importi esattamente come indicati, riscontri dell'analista e domande aperte. Usa un linguaggio neutro e fattuale. Non trarre conclusioni sul fatto che l'attività sia sospetta; quella decisione spetta a me. Materiale: [incolla qui].
Lasciare la conclusione all'investigatore è sia buona prassi sia ciò che i regolatori si aspettano.
Sintesi di una modifica normativa
Sintetizza il testo normativo qui sotto per il comitato compliance della banca. Indica: cosa cambia, a chi si applica, le date di entrata in vigore come indicate, quali delle nostre policy esistenti elencate di seguito sono probabilmente interessate, e le domande per l'ufficio legale. Resta sotto le quattrocento parole. Cita il testo per ogni requisito e non aggiungere alcun requisito che non sia presente. Testo normativo ed elenco delle nostre policy: [incolla qui].
Incolla sempre il testo reale. I dati di addestramento di Claude potrebbero non includere l'ultima versione.
Nota sul caso di frode e lettera al cliente
Ecco i dettagli di un caso di frode su carta: le transazioni contestate, la dichiarazione del cliente, i dati su dispositivo e posizione, e i riscontri dell'investigatore. Prima, scrivi una nota interna che riassuma le prove e la decisione dell'investigatore. Poi, scrivi una lettera in linguaggio semplice per il cliente che spieghi l'esito e i prossimi passi, senza rivelare i metodi di rilevamento. Resta sotto le duecento parole per la lettera. Dettagli: [incolla qui].
Separare la nota interna dalla lettera al cliente mantiene i dettagli sul rilevamento fuori dalla comunicazione con il cliente.
Spiegazione del codice legacy
Spiega cosa fa il programma COBOL qui sotto, sezione per sezione, in linguaggio semplice per uno sviluppatore Java che dovrà reimplementarlo. Elenca ogni regola di business che applica, ogni file o tabella che legge e scrive, e qualsiasi comportamento che sembri non intenzionale. Poi proponi una serie di test case che confermino che una reimplementazione si comporti in modo identico. Programma: [incolla qui].
I test case derivati dal comportamento precedente sono ciò che rende sicura una modernizzazione.
Da Anthropic
Cosa offre Anthropic per il settore Settore bancario
Claude for Financial Services
L'offerta di Anthropic per i servizi finanziari, annunciata a luglio 2025, combina i modelli Claude, Claude Code e l'accesso enterprise con connettori verso piattaforme dati come Snowflake, Databricks e S&P Global, oltre a partner di implementazione. Anthropic afferma che i dati non vengono usati per l'addestramento per impostazione predefinita.
· Fonte
Agents for financial services
Dieci template di agenti rilasciati a maggio 2026, tra cui uno screener KYC, un riconciliatore del libro mastro generale, uno strumento per la chiusura di fine mese e un revisore di estratti conto, distribuiti come plugin in Claude Cowork e Claude Code e come cookbook per Claude Managed Agents.
· Fonte
Anthropic and TCS partnership
Anthropic ha annunciato una partnership con TCS a giugno 2026 per costruire offerte basate su Claude per i settori regolamentati, tra cui consulenza sul credito per le banche ed elaborazione dei sinistri per gli assicuratori.
· Fonte
In pratica
Come i team del settore Settore bancario usano Claude
Secondo la storia cliente pubblicata da Anthropic
N26
Secondo la customer story di Anthropic, la banca digitale N26 usa Claude tramite AWS Bedrock in oltre una dozzina di casi d'uso interni e ha automatizzato una quota consistente delle attività in processi mirati, riducendo al contempo l'elaborazione manuale.
Secondo la storia cliente pubblicata da Anthropic
bunq
La customer story di Anthropic su bunq riporta che Claude Code aiuta i nuovi sviluppatori a contribuire con codice significativo molto più rapidamente di prima, insieme all'apertura rapida dei conti e a un alto tasso di risoluzione automatizzata del supporto.
Secondo la storia cliente pubblicata da Anthropic
FIS
Sulla pagina dei servizi finanziari di Anthropic, l'amministratore delegato di FIS descrive la costruzione di un agente con Anthropic per le indagini antiriciclaggio.
Secondo la storia cliente pubblicata da Anthropic
BNY
Nel post di Anthropic sui servizi finanziari di maggio 2026, il CIO di BNY descrive dipendenti digitali IA che seguono un caso dall'inizio alla fine.
Secondo la storia cliente pubblicata da Anthropic
Citi
L'aggiornamento di Anthropic sui servizi finanziari di ottobre 2025 afferma che Citi usa Claude nella sua piattaforma per sviluppatori basata su IA per la pianificazione e l'agentic coding.
Esempio illustrativo
Una revisione di aggiornamento KYC con l'approvazione di una persona
- Un'analista apre un caso di revisione periodica e carica i documenti del cliente nell'ambiente di lavoro approvato.
- Claude controlla ogni documento rispetto alla checklist della banca ed elenca le voci presenti, mancanti o incoerenti.
- L'analista conferma le lacune, individuando un cambio di proprietà che richiede una nuova dichiarazione di beneficiario effettivo.
- Claude redige la richiesta per il relationship manager e una nota sul caso nel formato della banca.
- L'analista rivede entrambi i documenti, invia la richiesta e registra la decisione a proprio nome.
Settore bancario e Claude: i dati pubblicati
| Dato | Contesto | Fonte |
|---|---|---|
| automated up to 70% of tasks across targeted processes | N26, secondo la customer story di Anthropic | Fonte |
| reduced manual processing by up to 50% | N26, in processi specifici, secondo la customer story di Anthropic | Fonte |
| 16 hours instead of 40 | Tempo necessario ai nuovi sviluppatori di bunq per contribuire con codice significativo usando Claude Code, secondo la customer story di Anthropic | Fonte |
Flussi di lavoro principali
Casi d'uso di Claude nel banking in tutta la banca
Ecco dove l'IA per il banking fa risparmiare più tempo ad analisti e operations.
IA per KYC e AML
Revisioni dei fascicoli KYC rispetto alla tua checklist, sintesi della titolarità effettiva e narrative delle indagini AML redatte a partire dai dati del caso, perché sia l'analista a decidere.
IA per il rilevamento delle frodi nel banking
Claude non sostituisce i tuoi modelli di transaction monitoring, ma aiuta gli investigatori a sintetizzare i casi, scrivere note e spiegare gli esiti ai clienti.
IA per la compliance bancaria
Sintesi delle modifiche normative, analisi delle lacune nelle policy, documentazione dei test sui controlli e commenti per il reporting normativo redatti a partire dal testo di origine.
Operations
Riconciliazioni del libro mastro generale, indagini sugli scarti, commenti per la chiusura di fine mese e documenti di procedura, sempre ricondotti al sistema di registrazione.
Modernizzazione del codice
Spiegare il codice core banking legacy, scrivere test che catturano il comportamento attuale e aiutare gli sviluppatori a reimplementarlo con Claude Code.
Comunicazione con i clienti
Risposte ai reclami, lettere e bozze di supporto in linguaggio semplice, riviste dal personale prima di raggiungere un cliente.
Compliance e frodi
Come le banche usano l'IA per compliance e rilevamento delle frodi
Chiedi come le banche usano l'IA per compliance e rilevamento delle frodi e sentirai due risposte diverse. Il rilevamento vero e proprio si basa di solito su modelli specializzati di transaction monitoring e fraud detection. L'IA generativa come Claude aiuta in ciò che accade dopo che un alert scatta: raccogliere i fatti del caso, redigere la narrativa dell'indagine, controllare il fascicolo KYC per individuare le lacune e mettere per iscritto la decisione. È lì che va la maggior parte delle ore degli investigatori.
Anthropic ha progettato strumenti proprio per questo flusso di lavoro. I suoi template di agenti di maggio 2026 per i servizi finanziari includono uno screener KYC insieme ad agenti per riconciliazione e chiusura. Sulla pagina dei servizi finanziari di Anthropic, l'amministratore delegato di FIS descrive la costruzione di un agente con Anthropic che comprime le indagini AML da giorni a minuti. Il CIO di BNY descrive dipendenti digitali che seguono i casi dall'inizio alla fine.
L'IA può ridurre i falsi positivi nel rilevamento delle frodi? I modelli specializzati possono farlo, e le banche riportano risultati concreti, ma è uno strumento diverso da un assistente generico. Ciò che Claude può fare è rendere più veloce la chiusura di ogni alert, assemblando le prove e redigendo la disposizione che l'analista dovrà confermare.
IA agentica
IA agentica nel banking e IA generativa nelle operations bancarie
L'IA agentica nel banking indica flussi di lavoro multi-fase in cui Claude raccoglie documenti, applica regole e prepara un risultato senza che una persona debba sollecitare ogni singolo passaggio. Lo screening KYC, la riconciliazione del libro mastro generale e la chiusura di fine mese sono buoni candidati perché i passaggi sono definiti e il risultato è verificabile. I template di agenti di Anthropic includono proprio per questo un riconciliatore del libro mastro generale e uno strumento per la chiusura di fine mese.
L'IA generativa nel banking funziona meglio con un confine chiaro: l'agente prepara, una persona approva. In pratica questo significa che ogni output dell'agente finisce in una coda di revisione, i passaggi dell'agente vengono registrati, e il modello si inserisce nel tuo framework di model risk management, come SR 11-7 negli Stati Uniti. I regolatori chiederanno come lo strumento è stato validato e monitorato, non solo cosa ha prodotto.
La modernizzazione del codice è l'opportunità più silenziosa. Molte banche eseguono processi critici su codice vecchio di decenni che poche persone comprendono ancora. Claude può spiegare quel codice, documentarne le regole di business e aiutare a scrivere test prima che venga modificato qualsiasi cosa. Il post di Anthropic dell'ottobre 2025 cita il CTO di Citi a proposito dell'uso di Claude nella sua piattaforma per sviluppatori per la pianificazione e l'agentic coding.
Scegliere gli strumenti
Claude vs ChatGPT nel banking
Alla domanda su Claude vs ChatGPT nel banking si risponde meglio con i propri file. Prendi un caso KYC chiuso, un'indagine passata e una sintesi normativa che il tuo team ha già scritto. Esegui gli stessi prompt in ciascuno strumento e confronta l'accuratezza, come ciascuno cita le proprie fonti e come si comporta quando mancano informazioni.
In una banca i fattori decisivi sono di solito legati alla governance più che alle capacità pure: opzioni di deployment, residenza dei dati, termini di conservazione, audit logging, e se lo strumento si adatta ai tuoi processi di third-party risk e model risk. N26, ad esempio, secondo la customer story di Anthropic usa Claude tramite AWS Bedrock. I tuoi team di procurement e risk decideranno il percorso approvato.
Qualunque strumento tu usi, i prompt e le abitudini di revisione di questa pagina restano validi. La competenza che conta è scrivere istruzioni precise e verificare il risultato rispetto alla fonte.
Per iniziare
Introdurre Claude in un team bancario in sicurezza
Inizia nell'ambiente di lavoro approvato
Usa solo il deployment che la tua banca ha approvato per i dati dei clienti. Testa prima i prompt su casi sintetici o chiusi.
Scegli una coda
Scegli un processo ripetitivo, come le revisioni di aggiornamento KYC, e misura tempi e tassi di errore prima e dopo.
Scrivi la procedura nel prompt
Incolla la tua checklist e il testo delle policy nel prompt o nel project. Il risultato seguirà così la tua procedura invece di una generica.
Mantieni un revisore su ogni output
Progetta il flusso di lavoro in modo che una persona identificata approvi ogni decisione, nota o segnalazione redatta dall'IA.
Limiti
Dove le banche devono mantenere una persona al comando
Claude può interpretare male un documento, non notare un beneficiario effettivo nascosto in una nota a piè di pagina, o sintetizzare una normativa che nel frattempo è cambiata. Non conosce il tuo cliente come lo conosce il tuo relationship manager. Ogni revisione assistita dall'IA richiede un revisore identificato, e ogni cifra in una segnalazione normativa deve essere riconducibile al sistema di registrazione.
Le decisioni con peso legale, come presentare una segnalazione di attività sospetta, chiudere il rapporto con un cliente o negare un credito, restano al personale della banca secondo le tue policy. Le norme su fair lending e tutela del consumatore si applicano anche a qualsiasi decisione sul cliente assistita dall'IA, ed è un altro motivo per limitare Claude alla preparazione e alla documentazione.
I dati dei clienti sono protetti dalla legge e da contratto. Usa solo i deployment approvati, segui i principi di minimizzazione dei dati e non incollare mai informazioni sui clienti in un account personale.
Costruisci la competenza prima che il rollout arrivi al tuo team
Usare bene l'IA in banca è una competenza pratica: istruzioni precise, output verificabile e buone abitudini di revisione. Il curriculum gratuito di Nightschool AI è pratico fin dalla prima lezione.
Domande frequenti
Come usano le banche l'IA per compliance e rilevamento delle frodi?
Il rilevamento si basa di solito su modelli specializzati di monitoraggio e fraud detection, mentre l'IA generativa come Claude aiuta gli investigatori dopo un alert: raccogliendo i fatti del caso, controllando i fascicoli KYC, redigendo le narrative e mettendo per iscritto le decisioni. I post di Anthropic citano FIS a proposito di un agente che comprime le indagini AML da giorni a minuti. È sempre l'analista a decidere l'esito.
Come usano le banche l'IA?
Le banche usano l'IA per compliance e revisioni KYC, indagini sulle frodi, servizio clienti, operations come riconciliazioni e chiusura, sviluppo software e ricerca interna della conoscenza. Le customer story di Anthropic descrivono N26 che automatizza attività in processi mirati e bunq che usa Claude Code per rendere produttivi più rapidamente i nuovi sviluppatori.
Quali lavori sostituirà l'IA nel banking?
Finora l'IA sta assorbendo compiti, non ruoli interi: revisione documentale, prime bozze delle narrative dei casi, lavoro di riconciliazione e richieste di routine dei clienti. Restano i ruoli costruiti su giudizio, relazioni e responsabilità verso i regolatori. Chi impara a guidare e verificare l'output dell'IA tende ad assumere lavori più complessi.
L'IA può ridurre i falsi positivi nel rilevamento delle frodi?
I modelli specializzati di fraud detection e monitoraggio possono farlo, ed è di solito da lì che arriva la riduzione dei falsi positivi. Un assistente generico come Claude aiuta in modo diverso: rende più veloce la revisione di ogni alert assemblando le prove e redigendo la disposizione che un investigatore dovrà confermare.
Claude è usato dalle banche?
Sì. I post pubblicati e le customer story di Anthropic citano banche tra cui N26, bunq, BNY, Citi e Commonwealth Bank of Australia, con applicazioni che vanno dall'automazione dei processi alle piattaforme per sviluppatori ai flussi di lavoro con agenti. Anthropic pubblica anche connettori per i servizi finanziari e template di agenti come uno screener KYC.
Cos'è l'IA agentica nel banking?
L'IA agentica indica un sistema di IA che porta a termine un processo multi-fase, come raccogliere documenti KYC, applicare regole e segnalare lacune, senza che una persona debba sollecitare ogni singolo passaggio. Nel banking dovrebbe concludersi in una coda di revisione dove una persona approva il risultato, con logging e supervisione di model risk.
È sicuro per le banche usare l'IA con i dati dei clienti?
Può esserlo, attraverso i deployment che la banca ha approvato dopo una revisione di third-party risk, protezione dei dati e model risk. Anthropic dichiara che la sua offerta per i servizi finanziari non usa i dati per l'addestramento per impostazione predefinita. Il personale non dovrebbe mai usare account personali per le informazioni sui clienti.
Come dovrebbero le banche validare il lavoro assistito dall'IA?
Tratta l'IA come parte di un processo sotto model risk management: definisci l'uso previsto, testala su casi chiusi, misura i tassi di errore, richiedi un revisore identificato per ogni output, registra i passaggi e monitora la qualità nel tempo. I regolatori chiederanno come è stata validata.
Continua a imparare
Guide e corsi correlati
Claude nel settore Settore bancario, per ruolo
Dedica meno tempo ad assemblare i fascicoli
Lezioni pratiche per chi lavora in team regolamentati.