Parte unoIl segnale
Il 6 ottobre 2026 la Banca d'Italia ha pubblicato, nella collana «Mercati, infrastrutture, sistemi di pagamento», lo studio n. 95 di Giorgia Rocco e Camilla Savarese: «How do you pay? Consumer profiling through payment diaries and Artificial Intelligence». In italiano: come paghi? La profilazione dei consumatori con i diari di pagamento e l'intelligenza artificiale. Il testo è in inglese, con una sintesi in italiano; le citazioni che seguono sono traduzioni nostre. Come avverte la collana, le opinioni sono delle autrici e non riflettono necessariamente quelle della Banca d'Italia.
I dati vengono da SPACE 2024, l'indagine dell'Eurosistema sulle abitudini di pagamento. In Italia hanno risposto 4.088 persone. Hanno annotato in un diario i pagamenti di una giornata, più quelli ricorrenti dell'ultimo mese, e hanno risposto a domande su preferenze e strumenti posseduti (§ 3.2).
Le autrici hanno fissato in anticipo cinque profili. I tradizionalisti usano contante e carte nei negozi e poco i pagamenti online. I «solo digitali» non usano contante. I «ben connessi» usano ogni strumento, anche online e con il telefono. Gli «amanti del contante» pagano solo in contanti. Gli «scettici della tecnologia bancaria» usano contante e carte prepagate. Con i dati pesati sulla popolazione le quote sono, nell'ordine, 50,2%, 24%, 14,6%, 6,6% e 4,6% (§ 4).
La classificazione è avvenuta in due tempi. Prima GPT-4.1, un modello linguistico di OpenAI, cioè un programma che ha imparato da enormi quantità di testo a eseguire istruzioni scritte, ha classificato un gruppo di 840 persone in circa un'ora; in parallelo lo ha fatto a mano un annotatore umano (§ 3.3). Poi quattro algoritmi di apprendimento automatico, programmi che imparano dagli esempi, sono stati addestrati su quelle 840 etichette e hanno classificato l'intero campione (§ 3.4).
Al modello sono arrivati solo numeri: quanti pagamenti in contanti, con carta, con il telefono, nei negozi, online, tra privati e per le spese ricorrenti, più le preferenze dichiarate e gli strumenti posseduti, sotto un codice numerico. Non età, sesso, reddito o residenza (appendice A, tabelle A2 e A3).
È ricerca statistica e non decide nulla su nessuno. Ma il metodo lavora su dati di pagamento, e le autrici ricordano che i modelli linguistici si usano già nel marketing per segmentare i consumatori (§ 3.3.2). Osservano anche che alcuni strumenti rendono sempre meno netto il confine tra pagamenti e credito (§ 6). La domanda di diritto nasce qui: che cosa succede quando a classificarci è chi conosce i nostri pagamenti e decide il nostro credito?
Che cosa vuol dire che un'IA classifica le persone?
Vuol dire assegnare a ciascuno un'etichetta scelta da un elenco chiuso, partendo dalle tracce del suo comportamento. Funziona come lo smistamento della posta: ogni busta finisce in una di cinque caselle. Il modello riceve la descrizione delle caselle e i numeri di ogni persona, sceglie la casella e scrive una breve motivazione (§ 3.3.2).
Parte dueLe conseguenze
Una banca può profilare i clienti in base a come pagano?
Sì, ma è profilazione e valgono le regole sui dati personali. Il regolamento europeo la definisce come il trattamento automatizzato di dati personali usato per valutare aspetti di una persona, tra cui la situazione economica, l'affidabilità e il comportamento (art. 4, n. 4, regolamento (UE) 2016/679). Dividere clienti identificabili secondo le abitudini di pagamento rientra in questa definizione.
Lo scopo conta. Se il profilo serve al marketing, il cliente può opporsi in qualsiasi momento, anche alla profilazione collegata, e da allora i suoi dati non si usano più per quello scopo (art. 21, par. 2 e 3, regolamento (UE) 2016/679). Se il profilo serve a decidere un finanziamento, le regole si fanno più strette.
Un prestito può essere negato da un algoritmo?
Sì, ma chi lo subisce ha diritto all'intervento di una persona, a esprimere la propria opinione e a contestare la decisione. Il regolamento sui dati dà a ciascuno il diritto di non subire decisioni basate unicamente su un trattamento automatizzato, compresa la profilazione, che producono effetti giuridici o incidono in modo analogo e significativo sulla sua persona. Fanno eccezione le decisioni necessarie per concludere o eseguire un contratto, quelle autorizzate dalla legge e quelle fondate sul consenso esplicito; nel primo e nel terzo caso restano almeno quei tre diritti (art. 22 regolamento (UE) 2016/679). Il considerando 71 fa proprio l'esempio del «rifiuto automatico di una domanda di credito online».
Il punteggio non deve per forza calcolarlo la banca. Per la Corte di giustizia anche il punteggio prodotto da un'agenzia esterna è una decisione automatizzata, quando da esso dipende in modo decisivo la scelta della banca di concludere, eseguire o chiudere un contratto (Corte di giustizia, 7 dicembre 2023, causa C-634/21, SCHUFA). E ciascuno può chiedere se una decisione automatizzata lo riguarda e ottenere informazioni significative sulla logica usata (art. 15, par. 1, lett. h, regolamento (UE) 2016/679).
Lo stesso principio vale nel diritto amministrativo. Il TAR Calabria, n. 1473 del 23 luglio 2026, ha annullato un'esclusione decisa da un algoritmo senza verifica umana: nel procedimento amministrativo l'algoritmo è ammesso solo se il suo funzionamento è conoscibile e la decisione resta imputabile a chi ha il potere. Un caso vicino, negli Stati Uniti, è quello dell'algoritmo che negava le cure agli anziani.
Che cosa cambiano le nuove regole sul credito ai consumatori?
Danno a chi chiede credito come consumatore tre diritti anche quando la macchina non decide da sola. Il decreto legislativo 31 dicembre 2025, n. 212, che recepisce la direttiva (UE) 2023/2225, ha modificato la norma sulla verifica del merito creditizio. Ora copre ogni valutazione che «si fondi, anche solo in parte, sul trattamento automatizzato di dati personali del consumatore». In quel caso il consumatore può ottenere dal finanziatore una spiegazione chiara e comprensibile della valutazione, compresi la logica e i rischi del trattamento, la rilevanza e gli effetti sulla decisione; può esprimere la propria opinione; può chiedere un riesame della valutazione e della decisione sul credito (art. 124-bis, comma 2-bis, testo unico bancario).
Due regole completano il quadro. Se il trattamento lo fa un terzo di cui la banca si avvale, la banca deve procurarsi da lui tutte le informazioni che servono per la spiegazione (comma 2-ter). E deve informare il cliente di questi diritti prima di avviare il trattamento automatizzato (comma 2-quater).
La differenza con il regolamento sui dati sta in un inciso: «anche solo in parte». Il regolamento protegge da decisioni basate unicamente sulla macchina. Qui basta che la macchina contribuisca alla valutazione: la firma finale di un funzionario non toglie al cliente questi diritti.
Da quando? I finanziatori devono adeguarsi entro il 20 novembre 2026 o, se più tardi, entro novanta giorni dall'entrata in vigore delle disposizioni di attuazione della Banca d'Italia. Ai contratti conclusi prima restano le regole precedenti (art. 6, comma 2, d.lgs. 212/2025).
È un cambio di prospettiva. Sulla versione precedente della stessa norma la Cassazione ha ragionato in termini di diligenza della banca: le informazioni sul merito creditizio possono venire dal cliente, e le banche dati si consultano solo se necessario (Cass. civ., sez. I, 22 luglio 2025, n. 20725). Ora la legge guarda anche a come la valutazione viene costruita.
Il credit scoring con l'IA è ad alto rischio?
Sì. Il credit scoring è il punteggio che stima quanto è probabile che una persona restituisca un prestito. Il regolamento europeo sull'IA mette tra i sistemi ad alto rischio quelli destinati a valutare l'affidabilità creditizia delle persone fisiche o a stabilirne il merito di credito, esclusi quelli usati per scoprire frodi finanziarie (allegato III, punto 5, lett. b, regolamento (UE) 2024/1689).
Per questi sistemi il regolamento chiede, tra l'altro, che siano progettati in modo che chi li sorveglia possa decidere di non usarli o di ignorare, annullare o ribaltare il risultato (art. 14, par. 4, lett. d, regolamento (UE) 2024/1689). Questi obblighi si applicano dal 2 dicembre 2027 (art. 113, lett. c, regolamento (UE) 2024/1689). E chi subisce una decisione con effetti significativi, presa sulla base del loro risultato, ha diritto a spiegazioni chiare sul ruolo del sistema e sugli elementi principali della decisione (art. 86, regolamento (UE) 2024/1689).
Lo studio della Banca d'Italia non rientra in questa categoria: non valuta il merito di credito di nessuno. Ma mostra quanto profili di pagamento e credito siano vicini: secondo le autrici, i profili più digitali hanno più spesso prestiti (§ 6).
Quanto è affidabile l'etichetta assegnata dall'IA?
Lo studio non lo dice, perché non misura la correttezza: misura l'accordo tra chi classifica. Modello e annotatore umano hanno dato la stessa etichetta in 570 casi su 840, il 68% (§ 3.3.3). Le autrici precisano che le etichette umane erano un punto di partenza, non un riferimento definitivo (appendice B).
I 270 casi di disaccordo sono tornati al modello, insieme al giudizio di «un esperto umano». Il modello ha confermato la propria scelta in 95 casi, circa il 35%, e ha adottato quella umana negli altri (§ 3.3.3). Le autrici leggono questo ripensamento come capacità di autocorrezione. È possibile un'altra lettura: l'unico elemento nuovo era il parere dell'esperto, non un dato sulla persona. Lo studio non permette di scegliere tra le due.
Su quelle etichette sono stati addestrati gli algoritmi che hanno classificato tutti. Il migliore ha raggiunto l'89% su 168 casi di prova (§ 3.4). Funziona come un allievo che impara dai compiti corretti dal maestro e prende un buon voto quando risponde come lui. Qui la metafora mostra il suo limite: l'89% misura l'accordo con il maestro, anche dove il maestro sbaglia, e in questo caso il maestro è stato in parte il modello stesso.
In uno studio sono scelte di metodo, dichiarate. In una pratica di credito diventano parte di ciò che va spiegato al cliente: la logica e i rischi del trattamento automatizzato (art. 124-bis, comma 2-bis, lett. a). E il riesame (lett. c) ha senso solo se istruzioni, impostazioni e versione del modello sono state conservate: è la nostra lettura, non una regola scritta.
Entro il 31 dicembre 2027 un giudice o un sistema di risoluzione stragiudiziale delle controversie bancarie (art. 128-bis del testo unico bancario) deciderà un caso in cui un consumatore invoca i diritti dell'art. 124-bis, comma 2-bis: spiegazione, opinione o riesame di una valutazione del merito creditizio fondata, anche solo in parte, su un trattamento automatizzato.
Cosa deve fare adesso una banca o una fintech?
Vale per le banche e per le società che fanno credito con app e piattaforme digitali, le fintech. Tre cose, in quest'ordine.
- Mappare dove un modello, proprio o di un fornitore, contribuisce a valutare il merito creditizio o a profilare i clienti, e tenere separati marketing e credito: per il marketing il cliente può sempre opporsi (art. 21 regolamento (UE) 2016/679); per il credito valgono i commi 2-bis, 2-ter e 2-quater dell'art. 124-bis del testo unico bancario.
- Documentare istruzioni, impostazioni, versione del modello e dati usati, per poter spiegare a ogni cliente la logica e i rischi della valutazione e ripeterla in caso di riesame. Se il calcolo lo fa un fornitore, ottenere per contratto le informazioni necessarie alla spiegazione (comma 2-ter).
- Organizzare l'informativa da dare prima del trattamento (comma 2-quater) e un riesame affidato a una persona che possa davvero cambiare l'esito, con la diligenza professionale che la legge chiede a chi fa credito (art. 1176, secondo comma, c.c.).