Customers Bank chiude i prestiti commerciali in una settimana con agenti AI

Customers Bank, banca statunitense controllata da Customers Bancorp, ha portato alla chiusura in una settimana prestiti commerciali che normalmente richiedono da 30 a 60 giorni. Il merito è di un processo di istruttoria creditizia affidato a più agenti di intelligenza artificiale, sviluppato in casa con il supporto di ingegneri OpenAI. Il dato più interessante per chi guida la finanza, però, non è la velocità. È il metodo con cui la banca decide cosa automatizzare e come ne misura il valore.

Il contesto: una banca di medie dimensioni e un collo di bottiglia noto

Customers Bancorp ha oltre 27 miliardi di dollari di attivi. Non è un colosso come i grandi gruppi di Wall Street, quindi non ha i loro budget tecnologici. L'istruttoria dei prestiti alle imprese è uno dei processi più lenti in qualunque banca. Bisogna raccogliere documenti, analizzare bilanci, valutare garanzie, scrivere la proposta di fido e farla approvare. Ogni passaggio crea attese. Per il cliente, settimane di attesa possono significare un investimento rinviato. Per la banca, un'opportunità persa a favore di un concorrente più rapido.

Ad aprile la banca ha annunciato la collaborazione con OpenAI. In quell'occasione l'amministratore delegato Sam Sidhu ha detto che entro la fine del 2026 i bancari avrebbero dedicato "più tempo al lavoro che crea valore".

Il metodo: affiancare, costruire, misurare

Sidhu ha descritto il metodo durante la conference call sui risultati di luglio. Tutti i casi d'uso seguono lo stesso ciclo, in tre passaggi:

• Affiancamento. Gli ingegneri lavorano accanto ai bancari che hanno la responsabilità del processo e osservano come il lavoro si svolge davvero, non come è descritto nelle procedure.
• Costruzione. Gli agenti vengono sviluppati sui dati e sui sistemi della banca.
• Misurazione. I risultati vengono verificati prima che l'agente entri nell'operatività quotidiana.

Gli ingegneri OpenAI siedono accanto al team interno e aiutano a costruire strumenti su misura. Sidhu ha però sottolineato che gli strumenti sono proprietari e sviluppati internamente. La banca quindi non compra un prodotto chiavi in mano: usa la competenza del fornitore per costruire asset propri.

Il programma ha anche un forte peso organizzativo. Sidhu guida personalmente un team di 40 persone, circa il 5% dell'organico, dedicato a ridisegnare i flussi di lavoro con l'AI. Una quota così alta di persone e il coinvolgimento diretto del vertice dicono quanto la banca consideri il progetto una priorità.

Il pilota sul credito: da 30-60 giorni a una settimana

Il caso più visibile è l'istruttoria creditizia multi-agente. In un sistema di questo tipo, invece di un unico assistente, lavorano più agenti AI, ciascuno con un compito preciso, coordinati lungo il processo. I materiali diffusi dalla banca non spiegano nel dettaglio come sono divise le fasi tra gli agenti.

Nel pilota del secondo trimestre il processo ha portato alla chiusura in una settimana prestiti commerciali e industriali e prestiti immobiliari commerciali. Sidhu parla di una riduzione dell'85% del tempo necessario a essere "pronti per la chiusura", rispetto ai 30-60 giorni standard del settore. Il pilota si è concluso con uno o due trimestri di anticipo sul programma.

A luglio la banca ha messo la diffusione su larga scala dello strumento di chiusura in sette giorni tra le priorità AI per il 2026. Con i risultati del terzo trimestre, comunicati il 22 ottobre, ha detto che il processo ha acquisito nuove funzionalità e viene usato di più. Nello stesso trimestre gli agenti in uso sono raddoppiati. Il conteggio, però, comprende anche GPT personalizzati e strumenti simili, quindi non solo sistemi complessi come quello del credito.

Come la banca conta i benefici

La parte più utile per un direttore finanziario riguarda la misurazione. Customers Bank usa due indicatori:

• Ore risparmiate. Secondo un sondaggio interno, i dipendenti stimano di aver risparmiato in tutto 76.000 ore, quasi il 65% in più rispetto al secondo trimestre.
• Capacità liberata. La banca stima oltre 15 milioni di dollari di capacità annualizzata. Li calcola come risparmi su stipendi e benefit legati a posizioni lasciate scoperte e a un minor numero di posizioni aperte quest'anno.

I due numeri hanno una solidità diversa. Le ore sono un'autovalutazione dei dipendenti. La capacità, invece, si collega a una voce di costo concreta: le assunzioni non fatte. È una scelta prudente, perché non promette risparmi che il bilancio non vedrebbe mai.

Il confronto con il settore

Anche altre banche iniziano a dare un valore economico all'AI. Il gruppo canadese TD ha ottenuto circa 195 milioni di dollari canadesi di valore dall'AI nei primi tre trimestri dell'esercizio, a fronte di un obiettivo annuale di circa 200 milioni. Il direttore finanziario di Bank of America, Alastair Borthwick, ha detto che l'AI ha contribuito a portare il rapporto di efficienza al 59%, circa 360 punti base meglio di un anno prima. La britannica Lloyds ha oltre 800 modelli AI in produzione e punta a un rapporto costi/ricavi sotto il 45% entro il 2030.

I ritorni pieni, però, sono ancora rari. Secondo un'indagine di PYMNTS Intelligence su 60 dirigenti tecnologici di grandi aziende statunitensi, tra il 90% e il 100% dichiara qualche ritorno dai nuovi strumenti AI. Solo tra il 5% e il 10% parla di un ritorno pieno. Anche queste sono autovalutazioni.

I limiti da tenere presenti

Sidhu stesso invita alla cautela. I progetti più grandi richiedono ancora trimestri, non settimane. E la tecnologia su cui si basano ha circa sei mesi di vita. La chiusura in sette giorni viene da un pilota, e la diffusione su larga scala è appena cominciata. Resta da vedere se i tempi reggeranno su volumi più alti e su pratiche più complesse.

Cosa può imparare un manager

• Partire dal processo reale. Prima di scegliere uno strumento, bisogna osservare come lavorano davvero le persone che hanno la responsabilità del processo. È lì che si trovano i colli di bottiglia.
• Misurare prima di adottare. Un agente entra in produzione solo dopo aver dimostrato risultati misurabili. Questo filtro evita di diffondere strumenti che non funzionano.
• Collegare i benefici al conto economico. Le ore risparmiate sono utili per raccontare il progetto, ma per il bilancio conta di più la capacità tradotta in costi evitati, come le assunzioni non fatte.
• Usare il fornitore per costruire asset propri. Customers Bank sfrutta le competenze di OpenAI, ma gli strumenti restano proprietari della banca.
• Dare al programma un responsabile forte. Un team dedicato e la guida diretta del vertice permettono di passare dai pilota alla diffusione su larga scala.