Il cuore pulsante dell’AI nella finanza non batte più solo sulle scrivanie dei trader. Batte, in modo molto più sommesso, nei back-office dove migliaia di portafogli vengono tenuti in riga a colpi di fogli di calcolo. MDOTM, nata a Londra, ha appena raccolto 27 milioni di dollari proprio per automatizzare quella pancia operativa, spesso dimenticata ma cruciale per i wealth manager. Il round growth-equity è stato guidato da Expedition Growth Capital e segna un capitolo interessante per chi si occupa di deployment dell’AI in contesti regolati.

Il middle office come nuovo campo di battaglia

L’operazione conferma che la prossima ondata di automazione finanziaria non punta al front-end spettacolare, ma ai processi ripetitivi di allineamento, riconciliazione e reportistica. Chi gestisce grandi patrimoni sa che tenere centinaia di portafogli coerenti con i mandati è un’attività dispendiosa e soggetta a errori. MDOTM propone una piattaforma che usa tecniche di AI per assistere le decisioni e ridurre il carico manuale. Anche se la notizia dell’aumento di capitale non entra nei dettagli tecnici del prodotto, il messaggio è limpido: l’industria del risparmio gestito sta investendo per spostare l’intelligenza artificiale dove il lavoro è più oscuro e, per questo, più vulnerabile a rischi operativi.

Il nodo della sovranità dei dati

Per un wealth manager europeo, il middle office tocca informazioni sensibili sui clienti e strategie proprietarie. Mettere questi dati in cloud pubblici, magari fuori dai confini UE, è un azzardo che molti istituti non possono permettersi. Ecco perché, anche quando una startup come MDOTM offre una soluzione presumibilmente SaaS, il tema del deployment on-premise – o almeno in ambienti ibridi con controllo granulare – diventa centrale. Chi valuta l’adozione di strumenti AI in questo settore deve incrociare funzionalità avanzate con vincoli stringenti: GDPR, politiche interne, audit trail immutabili. Non è un caso che AI-RADAR dedichi ampio spazio alle architetture self-hosted e ai framework che consentono di mantenere la residenza dei dati sotto il proprio controllo, perché in finanza la compliance non è un optional.

Framework e trade-off: oltre il SaaS

La notizia di MDOTM, al netto della cifra raccolta, solleva una domanda pratica: che tipo di carico computazionale richiede un sistema di AI per il middle office? Se la piattaforma si basa su modelli linguistici di grandi dimensioni (LLM), i requisiti di memoria, throughput e latenza diventano non trascurabili. La tendenza verso la quantization e l’esecuzione su GPU con VRAM elevata rende oggi ipotizzabile l’inference on-premise anche per realtà di medie dimensioni. Tuttavia, i trade-off restano: costi hardware iniziali, manutenzione, TCO complessivo. Per un wealth manager, scegliere tra un servizio cloud gestito e un’istanza self-hosted significa pesare la flessibilità operativa contro la certezza della residenza dati. MDOTM non ha dichiarato la propria architettura di deployment, ma il solo fatto che operi in un dominio così sensibile spinge il mercato verso un’offerta che contempli anche modalità ibride o totalmente on-premise.

Una prospettiva più ampia

L’afflusso di capitali verso startup come MDOTM racconta una storia più grande: l’AI si sta incuneando in tutti i gangli della finanza, non solo dove si genera profitto immediato. La gestione passiva e l’automazione della parte “noiosa” del business stanno diventando il vero banco di prova per l’adozione di massa. E mentre i vendor affinano i modelli, chi governa la tecnicia – CTO e responsabili infrastruttura – dovrà farsi trovare pronto a integrare queste capacità senza abdicare al controllo sui dati. Perciò, che si parli di un round da 27 milioni o di una nuova libreria di serving, il filo conduttore rimane lo stesso: l’infrastruttura conta quanto l’algoritmo, e la sovranità non è negoziabile.