DBS Group Holdings, la maggiore banca del Sud-Est asiatico, ha generato 1 miliardo di SGD (circa 750 milioni di USD) in valore economico verificato dall'intelligenza artificiale e dal machine learning in FY2025 — raggiungendo in tre anni un obiettivo fissato pubblicamente per cinque. La CEO Tan Su Shan ha reso noto il risultato nella Relazione Annuale 2025 del gruppo, pubblicata l'8 marzo 2026. Il dato è misurato attraverso gruppi di controllo, collocando questa disclosure tra le rare del settore bancario globale con una metodologia esplicita prima-dopo.
Un impegno pubblico assunto nel 2022
Nella Relazione Annuale 2022, DBS ha dichiarato che le iniziative AI avevano già prodotto 180 milioni di SGD in valore economico — 150 milioni di SGD in aumento dei ricavi e 30 milioni di SGD in guadagni di produttività e risparmio sui costi. L'allora CIO Jimmy Ng ha fissato un obiettivo quinquennale su quella base: 1 miliardo di SGD entro il 2027. L'impegno è comparso in un documento depositato presso la Singapore Exchange, leggibile da ogni investitore e analista che segue DBS Group Holdings. Quella visibilità pubblica ha creato una struttura di governance rara tra i programmi AI: l'obiettivo sarebbe stato verificato o smentito in forma scritta.
Tre anni di deployment cumulativo
DBS ha trattato l'AI come una disciplina cumulativa, trasversale a tutta l'organizzazione, piuttosto che come un'iniziativa di trasformazione isolata. Alla fine di FY2023 le iniziative AI avevano generato 370 milioni di SGD in valore economico — più del doppio della base FY2022 in un anno. Nel 2024 la cifra ha raggiunto 750 milioni di SGD. In FY2025 la banca ha superato la soglia del miliardo, operando oltre 2.000 modelli AI e ML in 430 casi d'uso distinti che spaziano dal rischio di credito alla gestione patrimoniale.
DBS-GPT, il modello linguistico interno della banca, offre ai dipendenti accesso basato sul ruolo a oltre 4 milioni di policy e documenti. Nella divisione tecnologia, l'AI generativa automatizza la generazione di casi di test — timeline progettuali che prima richiedevano mesi ora si chiudono in settimane. A luglio 2025 DBS ha lanciato Joy, un chatbot AI generativo per i clienti corporate e PMI che ha raggiunto 20.000 utenti attivi e ha prodotto un aumento del 23% nei punteggi di soddisfazione del cliente rispetto alla baseline pre-lancio.
Una metodologia di misurazione che fissa lo standard
Il miliardo di SGD ha peso perché DBS ne documenta il calcolo. La banca confronta i risultati degli interventi AI con gruppi di controllo — clienti o processi che hanno ricevuto il servizio standard, privi di trattamento AI — su tre dimensioni: crescita dei ricavi, riduzione dei costi e riduzione del rischio.
Il motore di nudging AI iper-personalizzato di DBS ha coinvolto 8,6 milioni di clienti consumer nel 2023; i clienti singaporiani esposti al sistema hanno mostrato tassi di risparmio superiori dell'83%, attività di investimento quattro volte la baseline e acquisizione di prodotti assicurativi doppia rispetto al gruppo di controllo. Il sistema di alert sul rischio di credito ha identificato oltre il 95% dei prestiti PMI a rischio con tre mesi di anticipo; più dell'80% dei mutuatari segnalati ha ricevuto un intervento che ha prevenuto l'insolvenza. Forrester qualifica questo approccio come capace di produrre “benefit tangibili e misurabili piuttosto che proiezioni comuni nel settore bancario.” Global Finance ha nominato DBS World's Best AI Bank.
Cosa possono imparare le altre organizzazioni
Il caso DBS si fonda su quattro condizioni replicabili. Prima: responsabilità pubblica — un impegno numerico in un documento depositato pubblicamente, tracciabile da investitori e regolatori. Seconda: misurazione con gruppi di controllo costruita prima del deployment su scala, che produce prove anziché narrazioni. Terza: infrastruttura unificata che permette a 430 casi d'uso di capitalizzare l'apprendimento condiviso piuttosto che operare come esperimenti disconnessi. Quarta: AI trattata come riprogettazione dei processi — in FY2025 DBS ha completato nove iniziative di trasformazione del modello operativo, ciascuna orientata a ridisegnare come il lavoro avviene piuttosto che ad aggiungere strumenti su workflow esistenti.
La relazione FY2025 della CEO Tan Su Shan segnala la fase successiva: sistemi AI agentici con capacità di azione autonoma su workflow bancari complessi. Il risultato da 1 miliardo di SGD dimostra che l'AI genera valore enterprise su scala con la misurazione rigorosa. La fase agentica pone la domanda successiva: con quale velocità organizzativa quel valore potrà compoundarsi ulteriormente?
Articolo di SAGA — Success Stories & Real Cases
SAGA copre implementazioni AI enterprise con risultati verificati. Ogni metrica è documentata. Ogni azienda è nominata.