AI productivity gains: il caso Bank of America

Settembre 2026: il numero che la banca firma

Il 24 settembre 2026, a una conferenza di BofA Securities, il co-presidente di Bank of America Jim DeMare ha usato due parole che pesano più di una slide intera: «clearly identifiable».

Le ha riferite a un perimetro stretto: la produttività di chi scrive codice. L'AI la alza del 15-20% circa nella maggior parte dei settori, ha spiegato, e quello è il guadagno che la banca misura sui propri 20.000 sviluppatori, oggi al lavoro con coding agent. La ricostruzione arriva da CIO Dive^[1].

Il dibattito sugli AI productivity gains raramente arriva a una cifra che un vertice bancario mette per iscritto. Il resto del portafoglio AI della banca, intanto, resiste a una misura così pulita. La distanza tra i due registri merita attenzione.

Questa asimmetria è il cuore della storia.

La domanda che girava in sala, riportata dallo stesso DeMare, suonava così: i ritorni arriveranno abbastanza in fretta? La pressione cresce insieme alla spesa.

L'idea originale: l'AI dove il lavoro era già misurato

La decisione interessante di Bank of America riguarda il punto di applicazione, prima del budget.

Le unità tecnologiche arrivano al primo posto per ritorni misurabili, ha indicato DeMare, e la ragione è strutturale. Chi scrive software lavora dentro un ambiente che conta tutto da anni: commit, ticket, cicli di review, tempi di rilascio, difetti per mille righe. La misura precede l'AI di un decennio.

Il before/after esiste già, archiviato, granulare, con un denominatore stabile. L'agente entra in un perimetro strumentato e il suo effetto emerge subito. Il controllo di gestione lo vede alla prima chiusura.

La stessa tecnologia, portata in un processo poco tracciato, produce un'esperienza diversa: la sensazione di andare più veloce, priva di una serie storica che la confermi. Il ritorno esiste forse, e resta invisibile.

Ecco il primo insegnamento replicabile: la strumentazione precede l'adozione. Chi misura il processo prima di introdurre un agente ottiene un numero; chi lo introduce e poi cerca il numero ottiene un aneddoto.

I numeri, uno per uno, con la fonte accanto

Il quadro economico l'ha esposto l'amministratore delegato Brian Moynihan la settimana precedente, a una conferenza Barclays, come riporta Banking Dive^[2].

• circa 140 casi d'uso AI portati in produzione
• costo dichiarato: 400 milioni di dollari
• beneficio dichiarato: 800 milioni di dollari
• budget di spesa AI atteso al raddoppio l'anno prossimo
• 20.000 sviluppatori con coding agent, +15-20% di produttività
• Erica: un carico di lavoro pari a circa 11.000 persone

Il rapporto due a uno tra beneficio e costo è la cifra che farà il giro delle board. Merita una precisazione: quel 2× arriva dalla banca stessa, in una presentazione a investitori. Una board attenta chiederà il metodo di calcolo.

Il 15-20% sul codice, invece, DeMare lo qualifica come chiaramente identificabile. La differenza di linguaggio tra le due voci è deliberata, e va rispettata.

Un dato dichiarato e un dato verificato hanno pesi diversi.

Conta anche la scala: 3.500 miliardi di dollari di attivi. Su quella base, 400 milioni di spesa AI valgono una frazione minima del conto economico, e il raddoppio annunciato diventa una scommessa a basso rischio finanziario. Poche organizzazioni godono di questo margine di errore.

Erica cambia mestiere: dal cliente al collega

Erica nasce nel 2018 come assistente virtuale per i clienti retail della banca. La mossa raccontata il 24 settembre 2026 la sposta su un altro fronte: il self-service dei dipendenti.

DeMare ha parlato di una riduzione considerevole delle richieste all'help desk interno. Il carico complessivo gestito da Erica, dichiara la banca, equivale al lavoro di circa 11.000 persone. Il numero descrive volume assorbito, prima che teste risparmiate.

Il riuso conta più della novità. Bank of America ha lasciato da parte l'acquisto di una piattaforma nuova per il supporto interno e ha puntato su un sistema già rodato su milioni di conversazioni, con il suo modello di intenti, i suoi log, le sue metriche di contenimento.

È il pattern che questo desk ritrova nei casi più solidi: chi riusa i propri asset scala, chi compra la soluzione chiavi in mano resta al pilot. Un assistente già allenato sul linguaggio dell'azienda parte con un vantaggio che una demo di vendor difficilmente colma. Il vantaggio sta nel dato storico, prima che nel modello.

La frizione: quattro capi banca su cinque vedono poco

Qui la storia diventa davvero utile.

Accenture ha rilevato che il 20% dei dirigenti bancari osserva un valore diffuso e durevole dalle iniziative AI, con problemi di scala per tutti gli altri. Il dato compare nello stesso servizio di CIO Dive.

Tradotto: quattro leader su cinque descrivono un quadro diverso da quello di Charlotte. Bank of America si colloca nella minoranza, e ci arriva presentando una singola voce come certa.

Anche nel caso migliore, quindi, il perimetro sicuro resta ristretto. Circa 140 casi d'uso in produzione, un beneficio aggregato dichiarato, e una riga che il co-presidente firma come identificabile: lo sviluppo software.

Questa è la correzione implicita del caso: il raddoppio del budget arriva prima della prova estesa del ritorno. Una banca da 3.500 miliardi regge quella scommessa; una PMI, difficilmente. La lezione utile corre nell'altra direzione: partire dal perimetro dove il numero esiste già, allargare dopo.

Organico in calo, licenziamenti esclusi

Moynihan ha aggiunto il dato più delicato: l'organico è passato da circa 213.000 dipendenti a inizio 2026 a 209.000, con un tasso di uscite volontarie intorno all'8,5%. Il CEO ha escluso i licenziamenti.

Vale la pena fare l'aritmetica. Un tasso dell'8,5% su 213.000 persone produce circa 18.000 uscite in un anno, mentre il calo netto vale 4.000. La differenza racconta assunzioni ancora abbondanti, con una copertura parziale dei posti che si liberano.

Per un board il punto è questo: l'AI entra nel conto economico attraverso il ritmo delle riassunzioni, prima che attraverso una riga di risparmio.

Il meccanismo risulta lento, silenzioso e reversibile. Chi pretende un taglio immediato leggerà male il caso.

Per un manager il significato cambia ancora. Il lavoro rimosso dall'agente riguarda il ticket ripetitivo, la richiesta di reset, la caccia a una procedura interna: attività che divorano le giornate e producono poca competenza. Il valore per chi resta sta qui.

Cosa puoi portare via da questa storia

Il playbook si riassume in quattro mosse, replicabili a qualunque scala.

1. Scegliere un processo che produce già dati di serie: ticket, tempi di ciclo, tassi di errore.
2. Fissare il before su tre mesi di storico, con un denominatore chiaro.
3. Riusare un sistema interno esistente prima di valutare un acquisto.
4. Dichiarare quale guadagno è identificabile e quale resta stimato.

Un founder di PMI legge questa vicenda come un permesso a partire piccolo: il perimetro sviluppo, oppure il supporto interno, valgono un pilot da poche settimane. Il 15-20% sul codice è una forbice di settore, applicabile a un team di otto persone come a uno di ventimila.

Un CTO ricava una specifica tecnica: l'agente va dove esiste telemetria, e la telemetria si costruisce prima. Un board ricava un metro di giudizio più severo, con una domanda precisa da porre a ogni presentazione: quale parte del beneficio è identificabile, quale resta stimata?

Resta la domanda aperta, valida per qualunque organizzazione: quanti dei processi che vorresti affidare a un agente producono oggi un numero da confrontare fra sei mesi?

La risposta decide il ritorno molto prima della scelta del modello.