Con un passaggio di consegne al vertice, OCBC ha scelto di mandare un messaggio chiaro al mercato: la tecnicia non è più una voce di costo, ma il motore della strategia. Secondo Bloomberg, la seconda banca di Singapore porterà la spesa tecnicica annuale oltre i 771 milioni di dollari, segnando la prima mossa forte di Tan Teck Long, ceo dal primo gennaio 2026, dopo l’uscita di Helen Wong.

La cifra è rilevante non solo per l’entità, ma perché arriva in un momento in cui le banche asiatiche stanno ripensando le proprie architetture AI. Non si parla più di semplici chatbot o assistenti virtuali: l’impiego di modelli linguistici di grandi dimensioni (LLM) in ambito finanziario tocca funzioni sensibili come analisi del credito, rilevamento frodi, conformità normativa e assistenza personalizzata. Carichi di lavoro che, per loro natura, richiedono un controllo stretto sui dati e sulle latenze.

Il ritorno del ferro sotto il controllo diretto

L’accelerazione di OCBC si inserisce in un movimento più ampio, dove le istituzioni finanziarie stanno valutando con attenzione quanto spostare sull’infrastruttura on-premise. Per i carichi di inference in tempo reale – pensiamo a un sistema anti-riciclaggio che analizza transazioni su LLM con contesti ampi – il round-trip verso il cloud può diventare un costo non solo in termini di TCO ma anche di conformità. Il settore bancario, schiacciato tra regolatori esigenti e la necessità di mantenere la sovranità sui dati, sta riscoprendo il valore del self-hosted.

Questo non significa un ritorno ai data center fatti solo di mainframe. Piuttosto, si parla di architetture ibride dove i modelli girano su nodi bare metal dotati di GPU ad alta banda di memoria, con pipeline di fine-tuning e quantization eseguite in locale per evitare che dati sensibili lascino il perimetro aziendale. La cifra annunciata da OCBC potrebbe tradursi in un aggiornamento delle capacità di calcolo interne, in grado di sostenere centinaia di richieste simultanee di inference senza dipendere da provider esterni.

Il fattore Tan e la traiettoria dell’AI bancaria

La nomina di Tan Teck Long, con un passato nei digital business del gruppo, suggerisce che la spinta non sarà solo infrastrutturale. Le banche che investono in AI finiscono per dover ridisegnare anche i processi di governance dei modelli: sicurezza, audit, versioning. In uno scenario simile, mantenere i dati in-house non è solo una scelta tecnica ma una precondizione per ottenere il via libera dai comitati interni e dai regolatori.

Chi segue il mercato degli LLM on-premise osserva con interesse. Se una banca sistemica come OCBC conferma un impegno di questa portata, l’effetto domino sulle scelte di vendor e sulle architetture di riferimento per il settore potrebbe essere significativo. AI-RADAR segue da tempo il bilanciamento tra cloud e on-premise negli ambienti regolamentati, segnalando che la vera discriminante non è quasi mai il costo unitario della GPU, ma la capacità di governare l’intero ciclo di vita del modello senza perdere il controllo dei dati.

In prospettiva, la mossa di OCBC potrebbe essere letta come una dichiarazione di indipendenza tecnicica da parte del credito asiatico. Mentre i grandi cloud provider spingono servizi AI chiavi in mano, la strada fatta di hardware gestito internamente e framework open source sta diventando un’alternativa concreta per chi non può permettersi zone grigie sulla residenza dei dati. Una via che, numeri alla mano, passa anche da investimenti come quello appena annunciato.