La banca d'affari Morgan Stanley ha ottenuto un risultato notevole in uno dei processi più critici e sensibili all'errore nel settore bancario: la riconciliazione del profitto e perdita (P&L). Invece di inseguire una piena automazione, l'istituto ha scelto un approccio controintuitivo, riducendo l'autonomia dei suoi agenti di intelligenza artificiale per dimezzare i tempi di lavoro. Il sistema, denominato FIXR, è stato presentato dal Managing Director Todd Johnson durante un evento VB AI Impact.
Il sistema FIXR taglia i tempi di riconciliazione da sei a due ore
Ogni giorno, dopo la chiusura dei mercati, i controller di Morgan Stanley devono confrontare i dati di P&L provenienti da diversi sistemi interni, tra cui Finance, Risk, Operations e Trade Capture. Centinaia di migliaia di attributi spesso non corrispondono, creando dei "break" che richiedono un'indagine manuale. Con il metodo tradizionale, un singolo libro contabile poteva richiedere fino a sei ore di lavoro. Oggi, grazie a FIXR, lo stesso compito viene completato in due o tre ore. Con circa cento controller coinvolti, si traducono in circa 1.500 ore risparmiate a settimana.
Sponsored Protocol
Il segreto del successo risiede nel mantenere l'umano saldamente nel ciclo. Johnson ha spiegato che il sistema agisce più come un collega che come un copilota: i controller rivedono, approvano o correggono ogni raccomandazione, e le loro decisioni vengono trasformate in regole deterministiche che l'agente può applicare in modo autonomo nelle iterazioni successive. Questo processo di feedback continuo permette a FIXR di imparare giorno dopo giorno, codificando le conoscenze dei controller.
Meno autonomia per maggiore affidabilità e risparmio sui token
L'approccio di Morgan Stanley è deliberatamente deterministico. Johnson ha sottolineato che, quando possibile, è preferibile rendere i processi prescrittivi e ripetibili, sia per ridurre i consumi di token sia per garantire un controllo più rigoroso. Solo dove serve flessibilità viene impiegato il modello linguistico di grandi dimensioni (LLM). Con il tempo, i pattern ricorrenti vengono convertiti in regole fisse, diminuendo la dipendenza dalla componente generativa.
Sponsored Protocol
Questa strategia si allinea con i dati emersi da un recente sondaggio di VentureBeat, in cui quasi tre quarti delle aziende intervistate hanno dichiarato di non aver ottenuto un ritorno significativo dagli investimenti in modelli AI personalizzati, descrivendo un "cimitero di sandbox" di progetti abbandonati. La governance è emersa come un'altra sfida centrale: il 38% degli intervistati ha indicato la mancanza di un unico responsabile come principale ostacolo alla messa in produzione dell'AI, e solo due aziende su 87 disponevano di monitoraggio attivo per rilevare malfunzionamenti.
La responsabilità umana resta centrale nella governance dell'AI agentica
Johnson ha affrontato anche la questione se gli agenti AI siano codice o dipendenti digitali, concludendo che sono un po' entrambi. Di conseguenza, la governance deve tenere conto di questa ambivalenza. I team tecnici devono garantire firewall, crittografia e altre protezioni, ma l'utente finale rimane responsabile delle azioni dell'agente, proprio come un senior controller non può delegare la responsabilità a un junior. "Uno dei nostri principi fondamentali è che deve sempre esserci una responsabilità umana, anche in presenza di automazione", ha dichiarato.
Sponsored Protocol
Un aspetto che Johnson ha scherzosamente definito "deprimente" è che l'AI agentica richiede una formazione continua, poiché i modelli evolvono costantemente. Non esiste un punto di arrivo in cui si possa dichiarare il lavoro completato. È necessario un monitoraggio perpetuo e un aggiornamento delle regole man mano che il sistema si adatta.
Morgan Stanley ha scelto di partire da un caso d'uso concreto, la riconciliazione del P&L, per poi estendere la soluzione ad altre aree dell'organizzazione. L'approccio process-first, combinato con l'acquisto di tecnologie esistenti e il blending di soluzioni, sembra più sostenibile della rincorsa a modelli su misura. Con FIXR, la banca ha dimostrato che ridurre l'autonomia degli agenti può portare a risultati migliori e a una maggiore accettazione da parte degli utenti.
Sponsored Protocol
Per approfondire temi di governance dell'AI, leggi l'articolo su Anthropic che piega la sicurezza per compiacere Trump. Inoltre, per tecniche di prompting AI, consulta Prompt per Immagini AI. Qualsiasi soluzione AI deve essere integrata con una solida governance, come dimostra l'esperienza di Morgan Stanley.
Fonte esterna: Wikipedia - Morgan Stanley.
