Artificial Intelligence (AI) is reshaping the financial services industry, emerging as a transformative force capable of redefining how banks operate, compete and create value. This thesis explores AI not only as a technological innovation, but as a strategic lever for long-term competitive advantage in the banking sector. The objective is to understand how financial institutions can turn AI into a differentiating asset, going beyond process automation to build new organizational capabilities. The research adopts a qualitative and exploratory approach based on academic literature, industry reports, and real-world case studies. Chapter 1 defines the main AI technologies (machine learning, NLP, computer vision), outlines their evolution in finance, and maps the key applications across banking functions such as credit risk, compliance, fraud detection, and customer engagement. Chapter 2 investigates the strategic adoption of AI, analysing its potential to improve profitability and efficiency, the main implementation strategies (Build, Buy, Partner), and the associated risks. The chapter also integrates theoretical frameworks such as the Resource-Based View, Dynamic Capabilities and Innovation Diffusion Theory to evaluate how AI can be transformed into a sustainable source of competitive advantage. Chapter 3 presents a comparative analysis of four European and international banking case studies (Intesa Sanpaolo, Banca Sella, HSBC and Emirates NBD), highlighting how each institution leverages AI to drive innovation, reduce costs, mitigate risks and enhance decision-making. The study finds that the true value of AI does not lie in the technology itself, but in the bank's ability to integrate it into its strategy, culture and processes. Successful adoption requires cross-functional skills, data governance, ethical awareness, and a dynamic regulatory framework that balances innovation with accountability. Moreover, the future of banking appears to be marked by a hybrid convergence between traditional institutions and fintech, where collaboration and open finance models will replace pure competition. In conclusion, AI represents a powerful enabler for transformation and innovation in banking. However, it is not a magic solution: its impact depends on human choices. The institutions that will succeed are those capable of combining technological potential with strategic vision, ensuring that AI serves people—and not the other way around.
L’Intelligenza Artificiale (IA) sta ridefinendo il settore dei servizi finanziari, affermandosi come una forza trasformativa in grado di rivoluzionare il modo in cui le banche operano, competono e generano valore. Questa tesi analizza l’IA non solo come innovazione tecnologica, ma come leva strategica per la costruzione di un vantaggio competitivo sostenibile nel lungo periodo. L’obiettivo è comprendere in che modo le istituzioni finanziarie possano trasformare l’IA in un asset distintivo, andando oltre l’automazione per sviluppare nuove capacità organizzative. La ricerca adotta un approccio qualitativo ed esplorativo, basato su letteratura accademica, report di settore e case study reali. Il Capitolo 1 definisce le principali tecnologie dell’IA (machine learning, NLP, computer vision), ne descrive l’evoluzione nei servizi finanziari e mappa le principali applicazioni bancarie, come la valutazione del rischio di credito, il monitoraggio delle frodi, la conformità normativa e la personalizzazione dell’esperienza cliente. Il Capitolo 2 indaga l’adozione strategica dell’IA, analizzando il suo impatto su redditività ed efficienza, le strategie di implementazione (Build, Buy, Partner) e i rischi associati. La riflessione è supportata da framework teorici come la Resource-Based View, le Dynamic Capabilities e la Innovation Diffusion Theory, utili a comprendere come l’IA possa generare un vantaggio competitivo duraturo. Il Capitolo 3 propone un’analisi comparata di quattro casi studio bancari (Intesa Sanpaolo, Banca Sella, HSBC ed Emirates NBD), mettendo in luce come ciascun istituto stia impiegando l’IA per innovare, ridurre i costi, migliorare la gestione del rischio e potenziare i processi decisionali. Lo studio evidenzia come il reale valore dell’IA non risieda nella tecnologia in sé, ma nella capacità delle banche di integrarla nella propria strategia, cultura e operatività. Un’adozione efficace richiede competenze trasversali, una solida governance dei dati, attenzione etica e un quadro normativo dinamico, in grado di bilanciare innovazione e accountability. Inoltre, il futuro del settore bancario sembra orientato verso una convergenza ibrida tra banche tradizionali e fintech, dove modelli collaborativi e open finance supereranno la competizione diretta. In conclusione, l’IA rappresenta un potente abilitatore di innovazione e trasformazione nel banking. Tuttavia, non è una soluzione miracolosa: il suo impatto dipende dalle scelte umane. A prevalere saranno le istituzioni capaci di coniugare il potenziale tecnologico con una visione strategica, affinché la tecnologia resti al servizio delle persone — e non il contrario.
From Innovation to Strategy: AI as a Competitive Advantage in the Banking Sector
PRAMAGGIORE, ANDREA
2024/2025
Abstract
L’Intelligenza Artificiale (IA) sta ridefinendo il settore dei servizi finanziari, affermandosi come una forza trasformativa in grado di rivoluzionare il modo in cui le banche operano, competono e generano valore. Questa tesi analizza l’IA non solo come innovazione tecnologica, ma come leva strategica per la costruzione di un vantaggio competitivo sostenibile nel lungo periodo. L’obiettivo è comprendere in che modo le istituzioni finanziarie possano trasformare l’IA in un asset distintivo, andando oltre l’automazione per sviluppare nuove capacità organizzative. La ricerca adotta un approccio qualitativo ed esplorativo, basato su letteratura accademica, report di settore e case study reali. Il Capitolo 1 definisce le principali tecnologie dell’IA (machine learning, NLP, computer vision), ne descrive l’evoluzione nei servizi finanziari e mappa le principali applicazioni bancarie, come la valutazione del rischio di credito, il monitoraggio delle frodi, la conformità normativa e la personalizzazione dell’esperienza cliente. Il Capitolo 2 indaga l’adozione strategica dell’IA, analizzando il suo impatto su redditività ed efficienza, le strategie di implementazione (Build, Buy, Partner) e i rischi associati. La riflessione è supportata da framework teorici come la Resource-Based View, le Dynamic Capabilities e la Innovation Diffusion Theory, utili a comprendere come l’IA possa generare un vantaggio competitivo duraturo. Il Capitolo 3 propone un’analisi comparata di quattro casi studio bancari (Intesa Sanpaolo, Banca Sella, HSBC ed Emirates NBD), mettendo in luce come ciascun istituto stia impiegando l’IA per innovare, ridurre i costi, migliorare la gestione del rischio e potenziare i processi decisionali. Lo studio evidenzia come il reale valore dell’IA non risieda nella tecnologia in sé, ma nella capacità delle banche di integrarla nella propria strategia, cultura e operatività. Un’adozione efficace richiede competenze trasversali, una solida governance dei dati, attenzione etica e un quadro normativo dinamico, in grado di bilanciare innovazione e accountability. Inoltre, il futuro del settore bancario sembra orientato verso una convergenza ibrida tra banche tradizionali e fintech, dove modelli collaborativi e open finance supereranno la competizione diretta. In conclusione, l’IA rappresenta un potente abilitatore di innovazione e trasformazione nel banking. Tuttavia, non è una soluzione miracolosa: il suo impatto dipende dalle scelte umane. A prevalere saranno le istituzioni capaci di coniugare il potenziale tecnologico con una visione strategica, affinché la tecnologia resti al servizio delle persone — e non il contrario.File | Dimensione | Formato | |
---|---|---|---|
TESI B&M Andrea Pramaggiore.pdf
non disponibili
Dimensione
540.62 kB
Formato
Adobe PDF
|
540.62 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/167145