Quantum computing nel banking & finance: dalla sperimentazione al valore

Il 5 settembre 2025 il Ministero dell’Università e della Ricerca ha pubblicato il documento finale della Strategia italiana per le tecnologie quantistiche; l’11 giugno 2026 è stato inaugurato a Bologna il sistema SOL, un computer quantistico ad atomi neutri con almeno 140 qubit in modalità analogica, integrato con il supercomputer Leonardo. Lo Spoke 10 Quantum Computing del Centro Nazionale ICSC conta 10 progetti di innovazione industriale e 16 progetti finanziati tramite bandi a cascata, e il fintech è tra i settori coinvolti.

Nel banking, queste sperimentazioni riguardano già alcuni casi d’uso concreti. Ottimizzazione, simulazione e gestione dell’incertezza sono infatti alla base di molte attività finanziarie, dalla costruzione dei portafogli alla valutazione del rischio e al pricing di strumenti complessi, problemi la cui complessità computazionale cresce all’aumentare della scala e del livello di dettaglio dei modelli. Nel rapporto sulle tecnologie quantistiche nel settore bancario curato nel 2024 dalla CIPA (Convenzione Interbancaria per l’Automazione), realizzato da un gruppo di lavoro con rappresentanti della Banca d’Italia, di ABI Lab e di alcuni gruppi bancari italiani, si osserva che una parte consistente delle sperimentazioni riguardava problemi che rappresentano il core business del settore, come la stima del rischio di credito e l’ottimizzazione di portafoglio.

Un esempio concreto è la collaborazione tra Citi Innovation Labs e Classiq sull’ottimizzazione di portafoglio, che mostra come le istituzioni finanziarie stiano esplorando il potenziale del quantum su problemi rilevanti per il proprio business. In questa fase, il valore di queste sperimentazioni non sta tanto nel dimostrare un vantaggio rispetto ai migliori approcci classici, quanto nel validare workflow end-to-end, mettere alla prova gli strumenti di sviluppo e costruire competenze in grado di evolvere insieme all’hardware.

“Per una banca la domanda non è più se potrà accedere a un computer quantistico: quell’accesso è già disponibile. La domanda è se saprà usarlo su un problema che conta e integrarlo nei processi man mano che l’hardware raggiungerà la maturità necessaria”, dichiara Simon Fried, VP Corporate Communications, Classiq.

Cambiare hardware senza ricominciare da zero

Nell’informatica tradizionale la diffusione su larga scala non è dipesa soltanto dalla potenza dei processori: linguaggi di alto livello, compilatori e strumenti di sviluppo hanno separato l’intenzione del programmatore dai dettagli della macchina, trasformando il software da attività specialistica a disciplina ingegneristica. Il quantum computing si trova davanti a una transizione analoga, ma molti progetti nascono ancora come prove di concetto legate a una piattaforma specifica. Legare conoscenze e investimenti a una singola architettura significa esporsi a una scelta che il mercato può superare prima ancora che il progetto arrivi in produzione. L’hardware, intanto, continua a migliorare rapidamente e le prime macchine tolleranti agli errori sono attese nei prossimi anni.

È anche la ragione per cui un portafoglio di esperimenti non equivale automaticamente a una capacità aziendale. Se ogni cambiamento dell’hardware obbliga a riscrivere il lavoro già svolto, un’organizzazione accumula esperienza senza costruire asset che possa conservare e far evolvere: per farlo servono modelli riutilizzabili, workflow riproducibili e la possibilità di confrontare prestazioni e costi. Per un CTO o un responsabile dell’innovazione la questione è più strategica che tecnica: investire soltanto in esperimenti sull’hardware lega competenze e risultati a piattaforme specifiche, mentre investire nel livello di ingegneria del software è una scelta che sopravvive ai cambiamenti nel panorama dei fornitori. È l’equivalente di scommettere sul campionato anziché su una singola squadra.

Dal laboratorio ai processi: il nodo della tracciabilità

È qui che entra in gioco un livello meno visibile dell’hardware: l’ingegneria del software quantistico. Sviluppo e ingegneria del software non sono la stessa cosa, nel quantum come nell’informatica classica: lo sviluppo è la codifica del circuito, un’attività localizzata e tattica; l’ingegneria sposta il fuoco dal singolo circuito all’architettura complessiva, e chiede come i componenti quantistici entrino in soluzioni ibride complete, come possano scalare su diverse tipologie di hardware e come producano valore prevedibile per il business. Non si tratta quindi di programmare meglio un circuito, ma di progettare un sistema: costruire i processi con cui definire i problemi, scegliere e confrontare le tecnologie, integrare componenti classici e quantistici, mantenere le applicazioni nel tempo. Modelli espliciti, workflow riproducibili e passaggi di compilazione tracciabili consentono di documentare che cosa fa un’applicazione, con quali risorse e con quali risultati attesi.

Per una banca o un’assicurazione, poter spiegare e documentare internamente e verso terze parti, inclusi i regolatori, che cosa fa un’applicazione quantistica e perché è affidabile diventa particolarmente rilevante nel passaggio dalla sperimentazione ai processi aziendali: un approccio ingegneristico rende molto più semplice questo confronto.

Chi formula il problema

Il passaggio dalle sperimentazioni alle applicazioni cambia anche la composizione dei team. Gli specialisti quantistici conoscono algoritmi e architetture, ma non sono necessariamente le persone più adatte a definire i problemi rilevanti nei servizi finanziari. Quella conoscenza appartiene agli esperti di dominio, che devono poter esprimere problemi e priorità, attraverso modelli e strumenti vicini al proprio modo di lavorare, per esempio, nella modellazione di un problema di ottimizzazione. L’astrazione, cioè la separazione della modellazione dall’implementazione, permette esattamente questo, mentre la compilazione automatica traduce il modello in circuiti ottimizzati per dispositivi o simulatori differenti. Gli specialisti quantistici, a loro volta, possono concentrarsi sull’innovazione algoritmica, con stima delle risorse e benchmarking dell’hardware già disponibili come strumenti. La stessa astrazione consente inoltre di confrontare fornitori e combinare risorse HPC, simulatori e QPU in funzione del singolo caso d’uso.

Una capacità che si costruisce in anni

L’esperienza delle organizzazioni che investono nel quantum computing indica che servono in genere due o tre anni perché un programma passi da pilota isolato a funzione strategica autonoma. Identificare casi d’uso credibili, far lavorare insieme competenze di dominio, di software engineering e di quantum computing, definire le responsabilità e integrare i nuovi workflow nei sistemi esistenti sono attività che si consolidano attraverso progetti successivi. Costruire questa capacità significa anche definire modalità di lavoro comuni, creare asset applicativi riutilizzabili e integrare progressivamente il quantum nello stack computazionale esistente. Anche l’intelligenza artificiale può contribuire, semplificando le interfacce e suggerendo approcci algoritmici; da sola, però, un’interfaccia AI si limita a generare codice plausibile. Abbinata all’automazione del compilatore e del workflow, può invece produrre modelli effettivamente eseguibili, creando le basi per cogliere il valore del quantum man mano che emergerà un vantaggio concreto nei diversi casi d’uso.