Come il calcolo quantistico sta ridisegnando finanza, gestione del rischio e sicurezza bancaria.
Perché le istituzioni che ci lavorano oggi avranno un vantaggio strutturale domani.
Qualche settimana fa, durante una conversazione con un responsabile IT di una realtà finanziaria, mi è stato fatto notare qualcosa che ho trovato illuminante.
“Sai qual è il problema vero con il quantum computing in banca?” mi ha detto. “Non è capire come funziona. È capire perché ne abbiamo bisogno adesso, prima che sia ovvio per tutti.”
È una frase che mi è rimasta. Perché descrive esattamente la logica con cui le istituzioni finanziarie più avanzate si stanno muovendo su questo tema: non per inseguire una moda tecnologica, ma per guadagnare un vantaggio strutturale in un settore dove le decisioni migliori di qualche millisecondo (o di qualche punto percentuale di precisione sul rischio) valgono miliardi.
In questo articolo provo a spiegare perché il quantum computing non è un esperimento da laboratorio per il mondo bancario, ma un investimento strategico con radici profonde e orizzonti concreti.
Il problema che la matematica classica non riesce a risolvere.
Le banche vivono di un paradosso quotidiano: devono prendere decisioni enormemente complesse, dove investire, a chi prestare, come coprire i rischi, in tempi brevissimi, con informazioni incomplete, in mercati che cambiano ogni millisecondo.
I computer classici fanno un lavoro straordinario. Ma approssimano. Quando il numero di variabili cresce oltre una certa soglia (e in finanza quella soglia viene superata continuamente) i sistemi tradizionali devono semplificare il problema per renderlo trattabile. Rinunciano a esplorare milioni di combinazioni possibili perché il tempo e la potenza di calcolo non bastano.
Il risultato sono modelli di rischio che funzionano bene in condizioni normali, ma mostrano i loro limiti nelle situazioni di stress, esattamente quando avresti più bisogno che fossero precisi. Le crisi finanziarie degli ultimi vent’anni hanno una firma comune: modelli che non avevano visto abbastanza scenari possibili.
I computer quantistici affrontano questo problema in modo radicalmente diverso. Grazie al principio della sovrapposizione quantistica, non analizzano le possibilità una alla volta, le esplorano tutte simultaneamente. Non è una questione di velocità: è un cambio di paradigma nel modo di concepire il calcolo.
Dove le banche stanno già lavorando concretamente
Non stiamo parlando di esperimenti futuri. Stiamo parlando di progetti pilota attivi, con risultati pubblicati e verificabili. Le principali aree di applicazione sono tre, e meritano ciascuna un approfondimento.
Ottimizzazione del portafoglio. Decidere come distribuire miliardi di euro tra centinaia di asset, azioni, obbligazioni, derivati, valute, rispettando vincoli di rischio, liquidità e normativa, è un problema di ottimizzazione combinatoria di altissima complessità. Citi Innovation Labs ha collaborato con Classiq applicando l’algoritmo QAOA (Quantum Approximate Optimization Algorithm) proprio su questo problema, dimostrando che i modelli quantistici producono allocazioni più precise e dinamiche, anche in condizioni di mercato volatile.
Gestione del rischio di credito. Valutare la probabilità che un cliente o un’azienda non rimborsi un prestito richiede di simulare migliaia di scenari macroeconomici, settoriali e individuali contemporaneamente. Raiffeisen Bank International ha sviluppato con Reply un sistema di ottimizzazione quantistica pubblicato su Springer Quantum Machine Intelligence, dimostrando come i modelli quantistici possano identificare pattern di rischio invisibili ai sistemi classici.
Pricing dei derivati e simulazioni Monte Carlo. Il pricing di strumenti finanziari complessi (opzioni, futures, prodotti strutturati) si basa su simulazioni Monte Carlo: migliaia di scenari casuali generati per stimare il valore atteso. I computer quantistici possono eseguire queste simulazioni con una velocità e una profondità che i sistemi classici non raggiungono, aprendo la strada a pricing più accurato e a coperture più efficienti.
Il World Economic Forum, in collaborazione con Accenture, ha identificato questi tre assi come le priorità di investimento quantistico per il settore finanziario globale. Non è un documento visionario, è una roadmap operativa già in esecuzione.
La sicurezza: il lato della medaglia che le banche conoscono bene.
Le istituzioni finanziarie più avanzate sanno che il quantum computing non porta solo opportunità, porta anche rischi nuovi che vanno gestiti con la stessa lungimiranza con cui si colgono le opportunità.
Il rischio più discusso è quello crittografico. Gli algoritmi di cifratura che proteggono oggi le transazioni bancarie (RSA, ECDSA, i protocolli TLS che rendono sicure le comunicazioni online) si basano sulla difficoltà computazionale di fattorizzare numeri enormi. Un computer quantistico sufficientemente potente potrebbe, in linea teorica, rompere questa protezione in tempi non geologici.
Siamo ancora lontani da quel punto. Le stime più accreditate parlano di una finestra tra il 2030 e il 2039 per computer quantistici capaci di attaccare la crittografia attuale. Ma le banche non possono permettersi di aspettare e le più avvedute non lo stanno facendo.
Il fenomeno che preoccupa di più non è l’attacco futuro diretto: è il cosiddetto “harvest now, decrypt later”. Attori ostili (stati, organizzazioni criminali sofisticate) stanno raccogliendo oggi enormi quantità di dati bancari cifrati, con l’intenzione di decifrarli nel momento in cui avranno accesso a capacità quantistiche sufficienti. I dati rubati oggi potrebbero essere leggibili tra dieci anni.
Perché le banche che si muovono adesso avranno un vantaggio strutturale.
La storia dell’innovazione finanziaria insegna una lezione costante: il vantaggio competitivo non lo costruisce chi adotta per primo la tecnologia matura, lo costruisce chi capisce prima degli altri dove la tecnologia sta andando, e si posiziona di conseguenza.
Chi ha investito in sistemi di trading algoritmico negli anni Novanta ha dominato i mercati per un decennio. Chi ha capito il machine learning applicato al credito prima degli altri ha ridotto le perdite su NPL in modo significativo. Il quantum computing ha quella stessa natura: non è ancora pervasivo, ma il gap tra chi lo sta comprendendo oggi e chi lo scoprirà domani diventerà strutturale nel giro di pochi anni.
Le banche che stanno lavorando sul quantum adesso stanno costruendo tre vantaggi concreti:
- Capitale umano: formare data scientist e ingegneri capaci di lavorare con paradigmi quantistici richiede anni. Chi inizia oggi avrà team pronti quando la tecnologia maturerà
- Infrastruttura dati: i modelli quantistici richiedono dati strutturati, puliti, con una governance solida. Il processo di adeguamento dei dati aziendali è lungo e chi lo inizia prima arriverà prima
- Relazioni con i provider: IBM Quantum, Azure Quantum, AWS Braket stanno costruendo ecosistemi di partner. Le banche che entrano in questi ecosistemi adesso avranno accesso prioritario alle capacità più avanzate man mano che emergeranno
Il contesto italiano: Intesa Sanpaolo e la via europea.
L’Italia non è spettatrice di questa trasformazione. Intesa Sanpaolo è tra le istituzioni finanziarie europee più attive nell’esplorazione del quantum computing, con progetti sperimentali che spaziano dall’ottimizzazione dei portafogli alla sicurezza delle comunicazioni.
A livello europeo, la Banca Centrale Europea ha avviato riflessioni sulla resilienza quantistica dell’infrastruttura finanziaria. Il Piano d’Azione per la Finanza Digitale della Commissione Europea include esplicitamente il quantum computing tra le tecnologie strategiche da monitorare e governare.
Il sistema bancario italiano, che ha nella solidità e nella prudenza i suoi valori fondativi, è ben posizionato per affrontare questa transizione con metodo. La sfida non è tecnologica in senso stretto: è culturale e organizzativa. Capire il quantum non significa costruire computer quantistici. Significa saper fare le domande giuste, saper valutare le opportunità con rigore, saper gestire i nuovi rischi con la stessa cura con cui si gestiscono quelli tradizionali.
Cosa guardare nei prossimi 24 mesi.
Per chi lavora nel settore finanziario e vuole orientarsi senza perdersi nel rumore, ecco i segnali concreti da tenere d’occhio:
- I progressi nella correzione degli errori quantistici: Google Willow ha dimostrato nel 2025 che gli errori diminuiscono all’aumentare dei qubit, il primo proof-of-concept hardware della scalabilità teorica. Ogni passo avanti in questa direzione accorcia la timeline verso applicazioni production-ready
- L’adozione degli standard NIST post-quantum: le banche che pubblicheranno roadmap di migrazione crittografica nei prossimi mesi stanno segnalando una maturità organizzativa che va ben oltre la tecnologia
- I risultati dei progetti pilota quantum-finance: i paper che usciranno da collaborazioni come quella tra Citi e Classiq, o dai laboratori delle grandi banche europee, daranno la misura reale di quanto il quantum stia effettivamente battendo i classici su problemi concreti
- Le iniziative regolamentari europee: la Commissione Europea e l’EBA stanno sviluppando linee guida sulla quantum readiness per il settore finanziario. Chi le anticipa, invece di subirle, guadagna tempo e posizionamento
Il quantum computing non trasformerà le banche da un giorno all’altro. Ma lo farà con una certezza che pochi altri trend tecnologici possono vantare. Le istituzioni che lo stanno studiando adesso, che stanno formando le persone, che stanno costruendo le infrastrutture dati e le relazioni con i provider, non stanno inseguendo una moda. Stanno facendo esattamente quello che le banche migliori hanno sempre fatto: prepararsi al futuro con il rigore che il presente richiede.