eToro, la scommessa sull’AI che riscrive la Borsa

Alla Borsa Italiana, il 23 giugno, la scritta luminosa sul programma era chiarissima: “eToro Summit 2026 – Il futuro degli investimenti passa dall’intelligenza artificiale”. Non uno slogan, ma una dichiarazione d’intenti: archiviare la fase della sola “democratizzazione dell’accesso ai mercati” e aprire quella in cui la vera posta in gioco è la democratizzazione degli strumenti avanzati – ricerca, analisi quantitativa, scenari, strategie – finora appannaggio delle grandi istituzioni.

Il pomeriggio si è aperto con William Nonnis, analista tecnico per la digitalizzazione e l’innovazione presso la Presidenza del Consiglio dei Ministri, che ha usato il palco di Piazza Affari per mettere a fuoco una frattura politica e industriale. L’Europa, ha osservato, sta affrontando la fase dell’AI con un approccio prevalentemente regolatorio, mentre Stati Uniti e Cina concentrano infrastrutture, modelli e capacità di sviluppo. Se ci si limita alla norma, il rischio è quello di restare spettatori di una competizione condotta da chi possiede data center, stack tecnologico e talenti. Nonnis ha insistito sulla necessità di sviluppare competenze di governo dell’AI, cultura dei dati e sovranità tecnologica: dove risiedono le informazioni, chi le controlla, come si protegge il know-how, che tipo di consapevolezza si costruisce nell’uso degli strumenti. E ha difeso con forza l’idea di mantenere l’essere umano – con responsabilità, capacità critica e supervisione – al centro dei processi decisionali che l’AI contribuisce a ridisegnare.

A raccogliere il testimone è stato Or Peled, VP Product di eToro, che ha presentato la traiettoria dell’azienda come una sequenza di tre capitoli: apertura dei mercati, accesso alle competenze, ora apertura agli strumenti di livello istituzionale per l’investitore retail. Per anni, ha ricordato, l’industria degli investimenti è stata strutturata sull’asimmetria: capacità di ricerca, analisi quantitativa, accesso ai dati e costruzione di strategie concentrati nelle mani di pochi grandi operatori globali, con il retail in coda al processo. Oggi, grazie all’intelligenza artificiale, queste capacità iniziano a spostarsi verso il singolo individuo, in un contesto in cui il trasferimento generazionale di ricchezza verso investitori più digitali, mercati sempre più continui e l’aspettativa di strumenti finanziari real time spingono verso una nuova architettura del rapporto investitore–piattaforma.

Dentro questa architettura Peled ha collocato Torii, l’assistente finanziario basato su AI integrato nell’esperienza eToro. Torii è progettato per aiutare gli utenti a leggere i mercati, analizzare il proprio portafoglio, filtrare le informazioni davvero rilevanti, alzando il livello di sofisticazione con cui un investitore retail può trattare dati e scenari. Un gradino più in là, sul piano dell’automazione, stanno gli Agent Portfolios: ambienti operativi in cui l’utente definisce capitale, obiettivi e regole di gestione e delega ad agenti specializzati il compito di monitorare condizioni di mercato ed eseguire attività all’interno di parametri predefiniti. In questa famiglia rientra MoneyClaw, un agent portfolio con cui gli utenti interagiscono via browser o tramite servizi di messaggistica come WhatsApp e Telegram, ottenendo analisi sul proprio portafoglio e, se lo desiderano, eseguendo operazioni direttamente sull’account eToro entro limiti chiari e controllabili. Il modello è quello di un portafoglio gestito da agenti AI dedicati che operano in ambienti separati, controllati dall’investitore, che mantiene il controllo del capitale allocato e delle regole operative.

La cornice tecnologica si completa con l’eToro App Store, concepito come luogo d’incontro fra investitori e sviluppatori, dove creare applicazioni finanziarie e renderle disponibili alla community. Qui entrano in scena i Pro Investor che hanno deciso di giocare un ruolo attivo nella costruzione di strumenti. Il primo è Pierre Neuman, investitore con oltre vent’anni di esperienza sui mercati e un percorso all’incrocio tra finanza, machine learning e sviluppo tecnologico, nato da una lunga pratica personale nella programmazione. Neuman ha presentato Finautor, un assistente agentico pensato per migliorare il processo decisionale umano, non sostituirlo. Il suo obiettivo è fornire analisi finanziarie più profonde, contestualizzate e disciplinate rispetto ai modelli generalisti, combinando modelli di AI di ultima generazione con un’infrastruttura proprietaria per aumentare accuratezza e affidabilità in ambito finanziario.

Per spiegare la filosofia del progetto Neuman ha richiamato la metafora della scuderia Red Bull in Formula 1: non un produttore di automobili, ma una struttura capace di connettere elementi di eccellenza per creare un sistema più accurato e affidabile, guidato comunque da un pilota reale. Allo stesso modo Finautor offre analisi di titoli e portafogli, genera insight, crea automazioni per il monitoraggio di eventi di mercato e costruisce memoria e continuità nelle interazioni con l’investitore, mantenendo però la centralità dell’utente. Il sistema non fornisce raccomandazioni finanziarie dirette, ma restituisce informazioni strutturate, neutre, utili a sostenere decisioni più consapevoli. La logica è di trasferire rigore, non di distribuire “consigli facili”.

Accanto a Neuman è salito sul palco Christian Gick, Pro Investor di eToro con oltre vent’anni di esperienza nella programmazione e una carriera segnata dalla trasformazione introdotta dall’AI. Gick ha presentato bulls-bears.app, applicazione inserita nell’eToro App Store e sviluppata per aiutare gli utenti ad analizzare il proprio comportamento di investimento e migliorare la qualità delle decisioni. L’app utilizza i dati in tempo reale del portafoglio eToro dell’utente per costruire strumenti di analisi personalizzati che vanno dalla valutazione dei punti di uscita dalle operazioni all’identificazione delle finestre temporali di investimento più favorevoli, fino al monitoraggio di opportunità coerenti con gli asset detenuti e con i pattern storici dell’utente. Tra le funzionalità descritte nelle slide: “Decision Quality”, che misura quanto bene si esce dalle posizioni, “Adaptive Closing” per valutare se ha più senso tenere o chiudere, “Opportunity Monitor” per capire che cosa aprire dopo, “Pareto Times” per identificare le ore migliori di trading, un servizio di live coaching in tempo reale, “con voce e screen-sharing”, e un “Personalized Podcast” costruito sulle caratteristiche del portafoglio e sul focus di mercato dell’utente.

Durante il suo intervento, Gick – oggi Product Engineer in eToro, già fondatore di una digital agency in Germania nel 2001 e di una AI-first company a Cipro nel 2025 – ha raccontato come l’AI abbia trasformato la sua industria e la sua carriera, portandolo a costruire Bulls Bears “con agenti, senza un team di sviluppo tradizionale”. Al centro della sua narrazione c’è una domanda che molti professionisti gli rivolgono: “Is AI coming for our jobs?”. La sua risposta, sintetizzata nella slide finale, rovescia la prospettiva: l’AI sta arrivando “to our jobs”, come nuova collega con cui imparare a lavorare, non come avversario. Gick invita gli investitori a “restare l’ancora”: il giudizio umano, sostiene, è il vantaggio che nessun modello può espropriare.

Da qui il “Human Loop Framework”, schema con cui Gick prova a dare una grammatica semplice alla relazione tra automazione e controllo umano nel trading. Il framework ruota attorno a tre parole chiave – Mastery (capacità che si accumula), Efficiency (velocità e scalabilità), Trust (sicurezza e verificabilità) – e al fatto che, nel disegnare sistemi di AI per la finanza, non si può massimizzare tutte e tre contemporaneamente. Le modalità operative si articolano in tre “loop mode”: “in the loop”, “on the loop” e “out of the loop”. Nel primo caso l’essere umano resta in pieno controllo: il parallelo è con il GPS che suggerisce la rotta mentre il guidatore guida, o con Bulls Bears che allena l’investitore lasciandogli l’esecuzione delle operazioni. Nel secondo, “on the loop”, l’automazione gestisce il flusso operativo secondo regole definite dall’utente, come l’autopilota che vola mentre il pilota osserva ed è pronto a intervenire, o un Agent Portfolio che opera entro un cap stabilito. Nel terzo, “out of the loop”, la macchina è completamente autonoma su task ripetibili e verificabili: il robotaxi senza nessuno al volante, o un agente dell’App Store che ricerca, alloca ed esegue 24/7.

Il framework non è solo teoria: le slide elencano vantaggi e rischi di ciascuna modalità. “In the loop” garantisce che ogni azione sia revisionata prima dell’esecuzione, ma soffre limiti di throughput e scalabilità. “On the loop” permette di correre più veloce, con esseri umani che sorvegliano le eccezioni, ma rischia che gli edge case sfuggano quando ci si abitua troppo al sistema. “Out of the loop” massimizza velocità e scala, ma espone all’effetto compounding degli errori, potenzialmente molto costosi da correggere. Gick propone una regola empirica: scegliere la modalità in base alla posta in gioco, al valore in gioco e alla possibilità di verificare ex post.

Il dibattito sull’AI, però, al Summit non è rimasto confinato agli aspetti di prodotto. La tavola rotonda ha riunito Andrea Orlandini, presidente dell’Associazione Italiana per l’Intelligenza Artificiale (AIxIA), Giovanna Boggio Robutti, direttore generale della Fondazione per l’Educazione Finanziaria e al Risparmio (FEduF), e Sebastiano Barbanti, esecutivo Digital Innovation Multichannel del Gruppo BCC, per ragionare sul ruolo dell’AI nel sistema finanziario italiano tra innovazione, educazione e governance. Barbanti ha richiamato l’attenzione su una sfida “principalmente antropologica più che tecnologica”: il vero rischio, ha spiegato, non è la mancanza di strumenti, ma il livello di alfabetizzazione finanziaria insufficiente che può trasformare l’AI in un amplificatore di errori. La risposta che propone è integrare l’educazione finanziaria “by design” nei sistemi, facendo di trasparenza e consapevolezza componenti strutturali dell’esperienza utente.

Barbanti ha citato tre aree chiave di applicazione dell’AI nella finanza: personalizzazione dell’asset allocation, gestione del comportamento dell’investitore e antifrode, avvertendo sui rischi di “illusione di precisione” e di dipendenza algoritmica. Boggio Robutti ha ribadito che, in un Paese segnato da bassa cultura finanziaria, la combinazione di strumenti potentissimi e concetti di base poco compresi – rischio, orizzonte temporale, obiettivi – costituisce un problema sistemico. Per FEduF la priorità è sviluppare senso critico e capacità di porsi le domande corrette prima di affidarsi alle risposte degli algoritmi, tenendo conto delle differenze generazionali nel modo in cui i cittadini si avvicinano alla tecnologia. Orlandini ha aggiunto la prospettiva delle competenze e della governance, sottolineando che l’Italia dispone di capitale umano rilevante, ma deve ancora rafforzare infrastrutture e modelli di governo dell’AI, evitando l’eccessiva fiducia in strumenti generativi che restano, comunque, modelli probabilistici con limiti e bias da conoscere. Il filo rosso comune è la centralità dell’essere umano nei processi decisionali, con l’AI come amplificatore di capacità e non come sostituto del giudizio.

In parallelo, il Summit ha affrontato l’AI come tema d’investimento, con l’analisi di Gabriel Debach, market analyst di eToro. Debach ha descritto gli ultimi anni dei mercati attraverso la metafora dell’“appetito”: una fase di straordinaria abbondanza trainata dalle società della filiera tecnologica – semiconduttori, infrastrutture hardware, capacità di calcolo, data center – che hanno registrato performance nettamente superiori al resto del mercato. Un ciclo che solleva interrogativi sulla sostenibilità di una concentrazione così marcata del capitale su un numero ristretto di operatori globali, accompagnata da valutazioni elevate e dalla tendenza a privilegiare gli asset percepiti come più esposti alla crescita dell’AI. Il confronto con fasi storiche come quella delle “Nifty Fifty” o delle dot-com è inevitabile, ma Debach ha proposto una lettura più sfumata del semplice scenario “euforia speculativa”.

Secondo Debach, molte delle aziende oggi protagoniste della corsa all’intelligenza artificiale generano utili reali e stanno investendo pesantemente in infrastrutture per costruire capacità produttiva e tecnologica di lungo periodo. Proprio per questo la concentrazione del capitale su pochi nomi rende ancora più centrale il tema della diversificazione e della costruzione consapevole del portafoglio. La questione non è dividere il mondo tra entusiasmo e prudenza, ma riconoscere che le opportunità offerte dall’AI richiedono un livello di selezione e gestione del rischio superiore al passato: il potenziale di crescita resta elevato, ma aumenta l’importanza di capire cosa si sta acquistando e quale spazio assegnare a questi asset all’interno del portafoglio.

L’eToro Summit 2026, così, ha tenuto insieme tre piani: il disegno istituzionale dell’AI (Nonnis, Orlandini), la costruzione concreta di strumenti e architetture per investitori retail evoluti (Peled, Torii, Agent Portfolios, MoneyClaw, App Store, Finautor, Bulls Bears), e la lettura macro di un ciclo di mercato dominato dal tema AI (Debach). In mezzo, il monito di Boggio Robutti e Barbanti: senza educazione finanziaria “by design” nei prodotti, la democratizzazione degli strumenti rischia di trasformarsi in vulnerabilità diffusa.