Lloyds Banking Group ha chiuso il 2025 con circa 50 milioni di sterline di valore realizzato grazie all'AI generativa, prodotti da un portafoglio di oltre 50 soluzioni GenAI in produzione in tutta la banca. La cifra, comunicata insieme ai risultati annuali e ripresa da Banking Exchange a febbraio 2026, poggia su riscontri operativi: un assistente HR che risolve circa il 90 per cento delle richieste correttamente al primo contatto, un miglioramento del 50 per cento nella conversione del codice legacy e 5.000 ingegneri che programmano con assistenza AI. Per il 2026 la banca prevede oltre 100 milioni di sterline di valore aggiuntivo con la scalata dell'AI agentica.
La situazione di partenza: una banca di 260 anni rallentata dalla propria conoscenza
Lloyds Banking Group serve circa 26 milioni di clienti attraverso i marchi Lloyds, Halifax, Bank of Scotland e Scottish Widows, ed è la più grande banca retail e commerciale del Regno Unito. Quella scala ha prodotto gli attriti classici di un'istituzione storica. La conoscenza interna era dispersa in migliaia di documenti e sistemi. I colleghi del telephone banking impiegavano in media 59 secondi per ogni ricerca per trovare la procedura giusta mentre i clienti attendevano in linea. Una funzione HR al servizio di decine di migliaia di dipendenti gestiva un flusso costante di richieste ripetitive. Decenni di codice datato rallentavano ogni tentativo di modernizzare i sistemi rivolti ai clienti, e i data scientist lavoravano in silos distribuiti tra marchi e unità di business.
Molte banche rispondono a questo quadro con un unico chatbot di punta. Lloyds ha scelto una strada diversa. La direzione ha concluso che il valore stava nella coda lunga: decine di problemi specifici e misurabili, ognuno troppo piccolo per giustificare un'infrastruttura propria, eppure enormi in aggregato. Catturare quella coda richiedeva una base tecnica condivisa su cui ogni team potesse costruire. Quel ragionamento ha reso una piattaforma, più che una singola applicazione, il primo investimento. La banca ha fissato quella direzione nel 2024, in un momento in cui gran parte dei concorrenti annunciava piloti e proof of concept anziché portafogli in produzione.
La decisione che ha reso possibile il risultato: prima la spina dorsale, poi il portafoglio
Nel 2024 Lloyds ha migrato il proprio patrimonio di machine learning e AI generativa su un'unica piattaforma Google Cloud Vertex AI, una mossa che la banca descrive come il fondamento della propria strategia AI. Il gruppo ha inoltre assunto Rohit Dhawan, ex leader data e AI di AWS, come Group Director of AI and Advanced Analytics, alla guida di un Centro di Eccellenza AI centralizzato che definisce gli standard mentre le unità di business possiedono i singoli casi d'uso. A inizio 2025 la spina dorsale condivisa supportava oltre 300 data scientist e 18 sistemi di AI generativa in produzione, accanto a circa 80 casi d'uso di machine learning.
L'architettura spiega la velocità successiva. Poiché governance, accesso ai modelli, controlli sui dati e pipeline di deployment esistevano una volta per tutte, centralmente, ogni nuova soluzione partiva da una piattaforma già funzionante anziché da una pagina bianca. È così che il portafoglio è cresciuto fino a oltre 50 soluzioni GenAI in produzione nel corso del 2025, un'ampiezza che poche banche europee hanno eguagliato. Il valore è nato dalla somma di tante piccole vittorie, in contrasto deliberato con le strategie ad assistente unico perseguite altrove nel settore.
Il risultato, con tutto il contesto: 50 milioni realizzati, 100 milioni promessi
Il numero di copertina è circa 50 milioni di sterline di valore realizzato nel 2025, comunicato insieme ai risultati annuali del gruppo. Le metriche operative sottostanti gli danno consistenza. Athena, lo strumento interno di conoscenza oggi usato da circa 20.000 colleghi, ha ridotto i tempi medi di ricerca del 66 per cento, da 59 a 20 secondi per interrogazione, con un risparmio stimato di 4.000 ore l'anno nel telephone banking che si traduce in attese più brevi per i clienti. L'assistente HR basato su AI oggi risolve circa il 90 per cento delle richieste correttamente al primo contatto. Nell'ingegneria, 5.000 sviluppatori lavorano con GitHub Copilot, con un miglioramento del 50 per cento nella conversione del codice dei sistemi legacy, che accelera gli aggiornamenti della tecnologia che i clienti toccano davvero.
SAGA segna con la stessa cura i confini dell'evidenza. I 50 milioni sono un'attribuzione della banca stessa: testate indipendenti come Banking Exchange e FStech riprendono la cifra dal reporting per gli investitori, e una revisione esterna della metodologia di calcolo del valore (costi evitati, ore risparmiate, ricavi generati) resta assente dal registro pubblico. Il traguardo di 100 milioni di sterline per il 2026 è una guidance: una scommessa prospettica sulla scalata dell'AI agentica, su un assistente finanziario in app che copre risparmio, credito e investimenti, e su una AI Academy per l'alfabetizzazione del personale. Quella scommessa diventa verificabile entro dodici mesi, ed è esattamente questo a renderla interessante. Va letta così: i 50 milioni sono il pavimento realizzato della storia, i 100 milioni la tesi da verificare a inizio 2027. Per confronto, la singaporiana DBS attribuisce all'AI oltre 1 miliardo di dollari di Singapore dopo un programma decennale; Lloyds tenta una curva di capitalizzazione simile su una linea temporale compressa.
Cosa possono imparare le altre organizzazioni
La lezione trasferibile è la sequenza. Lloyds ha costruito prima la piattaforma, ha assunto poi la leadership AI centrale e ha scalato infine i casi d'uso, e il portafoglio ha prodotto valore misurabile nello stesso anno solare della sua espansione. Tre condizioni rendono replicabile lo schema. Primo, un'unica piattaforma ML e GenAI offre a ogni team la stessa governance, la stessa revisione di sicurezza e lo stesso percorso di deployment, trasformando ogni nuovo caso d'uso in uno sforzo marginale anziché in un programma da zero. Secondo, un Centro di Eccellenza centrale con proprietà federata mantiene standard rigorosi lasciando che le persone più vicine a ciascun problema definiscano la soluzione. Terzo, pubblicare ogni anno un numero di valore realizzato, abbinato all'obiettivo dell'anno successivo, impone disciplina finanziaria a un campo affollato di proiezioni. Le organizzazioni che copiano il portafoglio da 50 soluzioni prima di copiare la spina dorsale della piattaforma troveranno l'economia rovesciata, con costi moltiplicati nei silos e valore intrappolato nei pilot. L'ordine delle operazioni è il caso di studio.
Articolo di SAGA, Success Stories & Real Cases
SAGA racconta implementazioni AI enterprise con risultati verificati. Ogni metrica ha una fonte. Ogni azienda ha un nome.