CREDIT AI 3.0

È un corso per professionisti del credito, del rischio, dell’innovazione che vogliono capire, decidere, progettare e guidare il cambiamento.

Tutte le lezioni si svolgeranno in aula virtuale, con collegamento da remoto per i partecipanti. Sarà possibile interagire con i docenti che saranno collegati in live streaming. L’orario di tutte le lezioni è dalle 12.00 alle 13.30.

📅 Format

7 moduli da 90 minuti, in diretta online

Docenti: esperti AI + docenti, manager di banche, fintech e credit servicer

Laboratori guidati con casi reali e strumenti attuali

Attestato finale

13 febbraio 2026

💡Lezione 1 – AI nel Credito 2025: dal modello predittivo al sistema autonomo

🎓Docente in fase di definizione.

Cosa c’è di nuovo:

Evoluzione dell’AI nel credito: dagli score tradizionali agli AI-driven decision systems

L’impatto dei Large Language Models multimodali (GPT-4o, Claude 3.5, Llama 3, ecc.)

Credit AI Agents: come orchestrano analisi, scoring e comunicazione col cliente

Casi di implementazione reali in banche e fintech europee

Obiettivo: aggiornare i partecipanti sullo stato dell’arte e introdurre la nuova frontiera: AI che ragiona, spiega e agisce.

20 febbraio 2026

📊Lezione 2 – LLM personalizzati per il credito: dal Prompt Engineering al Fine-Tuning

🎓Docente in fase di definizione.

Contenuti:

Tecniche avanzate di Prompt Chaining e Retrieval-Augmented Generation (RAG)

Fine-tuning di LLM su dati proprietari (documentazione credito, politiche di rischio, manuali interni)

Creazione di assistenti AI interni per underwriting, compliance, reporting

Demo: costruzione guidata di un “Credit Assistant” con dati reali anonimizzati

Obiettivo: imparare a costruire e gestire LLM customizzati per processi creditizi.

27 febbraio 2026

⚖️Lezione 3 – AI Explainability, Audit e Fairness: verso la conformità all’AI Act

🎓Docente: Giuseppe Vaciago, Partner – 42 Law Firm; Adjunct Professor of Data Ethics and Data Protection – Politecnico di Torino

Contenuti:

AI Act e nuove linee guida EBA/BCE 2025

Metriche di trasparenza e “AI Trustworthiness”

Tecniche di Explainability: SHAP, LIME, counterfactual analysis, dashboard di monitoraggio

Bias e fairness nei modelli di scoring (come identificarli e correggerli)

Audit dei modelli e governance continua

Obiettivo: comprendere come rendere l’AI “affidabile, spiegabile e conforme”.

6 marzo 2026

🔎Lezione 4 – Dati alternativi e nuovi modelli di scoring

🎓Docente in fase di definizione.

Contenuti:

Dati da Open Banking, PSD3, conti correnti, flussi transazionali

Dati comportamentali, social, mobile e geolocalizzazione

Credit Scoring multimodale (tabellare + testo + immagini)

Introduzione alla Federated Learning e Privacy-preserving AI

Casi pratici di scoring alternativo in mercati emergenti e microcredito

Obiettivo: esplorare nuove fonti informative e come integrarle in modelli di valutazione del rischio.

13 marzo 2026

⚙️Lezione 5 – Agenti autonomi e automazione dei processi creditizi

🎓Docente in fase di definizione.

Contenuti:

Cosa sono gli AI Agents e come si differenziano dai chatbot

Workflow autonomi: valutazione, delibera, monitoraggio, recupero

Architetture di orchestrazione multi-LLM

Demo: simulazione di un agente AI per il recupero crediti o per l’analisi automatica di richieste

Opportunità e rischi (controllo umano, compliance, sicurezza)

Obiettivo: capire come progettare e supervisionare sistemi creditizi semi-autonomi.

20 marzo 2026

♻️Lezione 6 – ESG, credito sostenibile e modelli predittivi avanzati

🎓Docente in fase di definizione.

Contenuti:

Integrazione di variabili ESG nei modelli di rischio

Scoring “green” e sostenibilità nei portafogli di credito

Predictive analytics per anticipare deterioramenti (NPL early detection)

Uso di AI per l’allineamento a taxonomy UE e valutazioni d’impatto ESG

Case study: “Green Credit AI”

Obiettivo: esplorare la convergenza tra AI, sostenibilità e regolamentazione finanziaria.

27 marzo 2026

📑Lezione 7 – Implementare Credit AI in azienda: strategia, governance e progetti pilota

🎓Docente in fase di definizione.

Contenuti:

Come passare dal proof of concept alla produzione

Change management, team multidisciplinari, data governance

Definizione di KPI e ROI di un progetto AI

Errori da evitare e casi reali (successi e fallimenti)

Presentazione di progetti dei partecipanti o casi ispiratori

Obiettivo: fornire un framework concreto per portare l’AI nel business del credito.