Non c’è ristrutturazione senza automazione. Starling Bank ha confermato il taglio di circa 130 ruoli tra le divisioni banking e tecnicia, un passo che si inserisce in una più ampia spinta verso l'intelligenza artificiale. L’obiettivo dichiarato è eliminare duplicazioni e accelerare la consegna di nuovi prodotti. La mossa arriva dopo un anno in cui la challenger bank britannica ha visto profitti ante imposte scendere del 3% a 217 milioni di sterline e ricavi contrarsi da 940 a 887 milioni nell’esercizio chiuso nel 2025.

In un comunicato, Starling ha sottolineato la propria agilità come vantaggio competitivo rispetto alle banche tradizionali: «Un fattore chiave è la nostra capacità di testare, lanciare, imparare e riorganizzarci rapidamente. Mentre continuiamo ad assumere ingegneri specializzati in tecnicia e AI, stiamo modificando parti della struttura organizzativa per semplificare le operazioni, ridurre le duplicazioni e spingere ulteriormente la velocità di sviluppo prodotto». I dipendenti interessati sono già stati informati e avviata una fase di consultazione.

La notizia si intreccia con il debutto di quello che Starling definisce il «primo assistente finanziario agentico del Regno Unito». Lo Starling Assistant è pensato per aiutare i clienti nella gestione quotidiana delle finanze, offrendo spunti personalizzati e indicazioni generali su come operare con la banca. Dietro questa interfaccia c’è con ogni probabilità un LLM in grado di interpretare richieste e generare azioni, anche se la banca non ha rivelato l’infrastruttura sottostante né i partner tecnicici scelti.

Questo doppio annuncio – tagli e lancio AI – tocca un nervo scoperto per il settore finanziario: l’adozione di modelli linguistici di grandi dimensioni può ridurre il costo del servizio, ma impone scelte architetturali non banali. Le challenger bank, nate spesso su stack cloud-native, tendono a consumare servizi AI gestiti, guadagnando in rapidità di rollout ma affidando a terzi il trattamento di dati sensibili. Per una banca con quasi cinque milioni di clienti, la sovranità del dato e la conformità a regolamenti come il GDPR diventano fattori critici. L’assistente agentico, che non si limita a rispondere ma può potenzialmente eseguire operazioni, alza ulteriormente l’asticella della sicurezza e della latenza.

Per chi valuta deployment on-premise o ibridi, esistono trade-off esplorati negli approfondimenti di AI-RADAR sul tema /llm-onpremise: il controllo completo sull’inference, la possibilità di fare fine-tuning su dati proprietari senza esporli al cloud e la prevedibilità dei costi nel lungo periodo possono bilanciare la perdita di flessibilità immediata. Starling, come altre banche digitali, sembra al momento privilegiare la velocità, ma il settore si sta attrezzando per scenari in cui l’infrastruttura fisica sottostante l’AI diventi un asset competitivo, non solo un costo. La ristrutturazione di Starling non è un caso isolato. Sempre più istituti finanziari, spinti dalla pressione sui margini e dalla promessa di un servizio personalizzato 24/7, stanno integrando assistenti AI nelle loro interfacce. La sfida tecnica, per chi adotta questi sistemi, rimane bilanciare l’innovazione con la necessità di tenere sotto controllo l’infrastruttura su cui girano i modelli. E qui si gioca la partita tra cloud e on-premise, una scelta che AI-RADAR continuerà a monitorare.