La continua innovazione tecnologica sta trasformando profondamente molti settori, compreso quello bancario, con impatti più o meno significativi grazie all’evoluzione della modalità di offerta dei servizi e degli strumenti a disposizione. In questo processo anche l’ATM risulta impattato in modo sostanziale: da semplice erogatore di contante, oggi è diventato infatti uno sportello digitale multifunzionale, capace di offrire una varietà di servizi avanzati in risposta alle diverse esigenze della clientela. Consulenze virtuali con un operatore da remoto, operazioni per la gestione finanziaria personalizzata e pagamenti evoluti sono solo alcuni esempi di queste nuove funzionalità, un tempo necessariamente gestite all’interno della filiale bancaria.

Si tratta di un’evoluzione capace di offrire una risposta efficace ai cambiamenti in atto nella gestione degli sportelli a livello territoriale. Infatti, nel contesto odierno caratterizzato da una progressiva chiusura degli sportelli sul territorio (sono 609 quelli chiusi in Italia nel 2024, come riportato dall’Osservatorio sulla desertificazione bancaria, Fondazione Fib), l’ATM multiservizio emerge come soluzione strategica per mantenere un presidio efficace localmente.

In questo scenario, l’ingresso dell’Intelligenza Artificiale ha accelerato l’evoluzione delle infrastrutture bancarie, aprendo la possibilità di rendere la gestione delle reti ATM più efficiente, accurata e data-based.

Gianluca Stante, Head of Business Development & Sales Italy di Auriga

Un esempio concreto dei vantaggi legati all’introduzione dell’IA riguarda la possibilità di effettuare previsioni più accurate per quanto riguarda la domanda di contante. I costi di gestione del contante sono in costante aumento, rendendo sempre più urgente per le banche adottare strategie di maggiore efficienza. Per affrontare questa sfida, molti istituti stanno implementando modelli basati sull’IA capaci di ottimizzare le scorte di contante, prevederne la domanda e migliorarne i flussi, riducendo al contempo i costi operativi.

Grazie agli algoritmi e all’analisi dei Big Data – come dati storici delle transazioni e fattori esterni quali festività o eventi speciali – è possibile prevedere con precisione il fabbisogno di contante per ogni sportello automatico. Questo approccio migliora l’intero ciclo di approvvigionamento, riducendo sia gli spostamenti dei mezzi di trasporto valori sia le relative emissioni di carbonio. Da un lato, permette di evitare carenze o eccessi di liquidità negli sportelli ATM, garantendo un servizio alla clientela sempre efficiente; dall’altro, la gestione intelligente degli ATM consente di redistribuire le risorse verso servizi a maggior valore aggiunto grazie a una riduzione delle spese di manutenzione.

Anche il ruolo e la valorizzazione dei dati stanno emergendo sempre più forte. Banche e operatori indipendenti di ATM stanno infatti iniziando a riconoscere il valore dei dati raccolti dai punti di contatto con la clientela. Un singolo ATM può infatti generare fino a centinaia di migliaia di dati al giorno, che, moltiplicati per un'intera rete, costituiscono un patrimonio informativo spesso sottoutilizzato.

Oggi molti di questi dati vengono semplicemente archiviati, ma potrebbero offrire insight preziosi sia sull’esperienza cliente sia sulla gestione dei costi. Adottare un approccio sistemico e data driven consente di ottimizzare le reti di ATM, rendere più efficiente la gestione garantendo continuità operativa. Inoltre, permette di sviluppare strategie personalizzate per specifiche filiali o aree, aumentando l’efficienza complessiva della banca.

Un altro ambito di applicazione dell’AI all’interno dell’infrastruttura bancaria riguarda la sfera della sicurezza, tra le priorità per tutto il comparto finanziario. Il principale vantaggio riguarda il monitoraggio e la segnalazione di comportamenti insoliti da parte degli utenti, ad esempio, nell’ambito dei prelievi: una volta verificato un comportamento anomalo come prelievi multipli in un arco temporale ristretto o in diverse località, il sistema è in grado di generare un allarme richiedendo maggiori informazioni per verificare il singolo caso.

Allo stesso modo, gli algoritmi possono individuare agevolmente attacchi hacker o tentativi di manomissioni fisiche degli ATM aumentando il livello di protezione e riducendo il rischio di accessi non autorizzati. Il risultato è un’infrastruttura aggiornata, in grado di far fronte a frodi e attacchi sempre più sofisticati.

A fianco dell’implementazione di soluzioni tecnologiche avanzate di AI e di machine learning, le banche possono affrontare le sfide poste dalla digitalizzazione attraverso un approccio “nuovo”, la gestione condivisa sul territorio. Parliamo di un modello che prevede la collaborazione tra diversi istituti bancari per la gestione di una rete di filiali e sportelli in comune con l’obiettivo di garantire una copertura più ampia e una maggiore accessibilità ai servizi bancari, senza dover sostenere i costi di una gestione individuale.