Bank of America ha assunto 1.000 appaltatori esterni per aiutare a correggere le vulnerabilità del software emerse da modelli avanzati di intelligenza artificiale, tra cui Mythos di Anthropic, ha detto mercoledì alla CNBC l'amministratore delegato Brian Moynihan. La rivelazione, fatta in un’intervista dopo il rilascio degli utili del terzo trimestre della banca, è una delle prime volte in cui una grande azienda statunitense ha spiegato chiaramente la forza lavoro e il costo in dollari per difendere i propri sistemi dai modelli di intelligenza artificiale di frontiera.
Secondo la CNBC, gli appaltatori sono stati assunti nel secondo trimestre del 2026 per supportare i circa 3.000 dipendenti interni che lavorano in quell’area, e rimangono oggi in banca. "Abbiamo assunto 1.000 appaltatori per aiutarci a svolgere il lavoro di riparazione nel secondo trimestre, e quelle persone rimangono qui oggi, aiutandoci, oltre alle 3.000 persone che abbiamo in quell'area", ha detto Moynihan a Leslie Picker della CNBC. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.
Centinaia di milioni di costi trimestrali
La spinta all'applicazione delle patch non è stata economica. Moynihan ha detto agli analisti mercoledì che la bonifica del software, combinata con il lavoro normativo relativo alla conformità antiriciclaggio, ha aggiunto "oltre un paio di centinaia di milioni" ai costi della banca nel terzo trimestre. Mercoledì le azioni della banca sono crollate fino all'8% in seguito alla relazione sugli utili e la spesa per la bonifica è stata parte di una conversazione più ampia con gli investitori sulla pressione delle spese.
A Mythos, che Anthropic ha rilasciato a un piccolo gruppo di banche, aziende tecnologiche e agenzie governative in aprile, è stato attribuito il merito di aver scoperto e sfruttato difetti software vecchi di decenni, capacità che hanno costretto le aziende che detengono dati finanziari sensibili a una costosa corsa difensiva. La Bank of America si è affrettata a rafforzare un ampio spettro del suo codice interno e dei fornitori all’inizio di quest’anno, ha affermato Moynihan, utilizzando migliaia di dipendenti e personale esterno.
"Quel rischio è un rischio reale, ed è per questo che quando sono usciti i modelli di frontiera... molti di noi si sono seduti e si sono chiesti: 'Come possiamo capire come superare tutto questo velocemente?'", ha detto Moynihan nell'intervista alla CNBC.
La natura ambigua dell'IA di frontiera
L'episodio cattura gli strani aspetti economici dell'intelligenza artificiale di frontiera per le grandi imprese. La stessa classe di modelli che aiuta le aziende a ridurre i costi aumentando la produttività può anche mettere in luce le debolezze del software che si sono accumulate silenziosamente per decenni. Moynihan ha riconosciuto direttamente la tensione, sottolineando che gli stessi fornitori che forniscono il software della banca stanno facendo a gara per dotare i loro strumenti di intelligenza artificiale di frontiera.
"Dobbiamo stare al passo con loro e dobbiamo essere consapevoli che le persone che si occupano dello sviluppo del software sono le persone che cercano di venderci i servizi", ha detto.
Un picco temporaneo, sostiene Moynihan
Parlando mentre il titolo crollava, Moynihan ha cercato di rassicurare gli investitori che l’aumento della spesa si sarebbe rivelato temporaneo. "Una volta applicata la patch, non è necessario farlo più di tanto... Il gasdotto procede", ha affermato, aggiungendo che la banca si aspetta che i costi di riparazione diminuiscano nel tempo.
La banca scommette anche che l’intelligenza artificiale pagherà più che per il lavoro difensivo svolto altrove. La Bank of America gestisce circa 130 progetti interni di intelligenza artificiale che, secondo la CNBC, porteranno a un risparmio di circa 700 milioni di dollari l'anno prossimo, una cifra che fa impallidire il conto di riparazione a breve termine, anche se i tempi dei due sono scomodi.
Cosa dice sul settore
La divulgazione della Bank of America offre uno dei dati più chiari finora su quanto costa effettivamente la scoperta di vulnerabilità guidata dall’intelligenza artificiale a una grande istituzione. Da quando i modelli di sicurezza informatica di frontiera hanno iniziato a circolare, gli analisti hanno avvertito che le basi di codice legacy presso banche, ospedali e governi rappresentano una vasta superficie di attacco che l’intelligenza artificiale può mappare molto più velocemente degli auditor umani. Finora la maggior parte della discussione è stata teorica; Moynihan ha inserito nella risposta l'organico e il prezzo.
I commenti sottolineano anche la delicata posizione di aziende come Anthropic, che vendono potenti modelli di sicurezza informatica a un gruppo selezionato di istituzioni mentre il settore più ampio discute su come – e quanto velocemente – tali capacità dovrebbero diffondersi. Le segnalazioni di tentativi di hacking assistiti dall’intelligenza artificiale hanno messo sotto esame le pratiche di contenimento e monitoraggio e i clienti aziendali stanno ora valutando il budget partendo dal presupposto che le loro vulnerabilità verranno scoperte per prime.
Per le banche, il calcolo è semplice: i costi di patching sono misurabili e limitati, mentre il costo di un exploit riuscito non lo è. Il messaggio di Moynihan agli investitori è stato che l'impennata è una pulizia una tantum, non una linea di spesa permanente, ma l'episodio ricorda che ogni salto nella capacità del modello può rivalutare silenziosamente la posizione di sicurezza di ogni azienda che gestisce software.
Man mano che i modelli di frontiera continuano a migliorare nella ricerca dei difetti, l’esperienza della Bank of America potrebbe diventare meno un’anomalia e più un modello: migliaia di dipendenti, un esercito di appaltatori e una fattura da centinaia di milioni di dollari, il tutto innescato da un modello che non ha mai toccato direttamente i sistemi della banca.
I team di sicurezza di altri grandi istituti finanziari stanno osservando attentamente il piano. Se i modelli di intelligenza artificiale riescono a far emergere dieci anni di vulnerabilità accumulate in pochi giorni, la domanda per ogni banca non è più se il suo codice ha dei difetti: dipende da chi li trova per primo e se l’istituzione ha la capacità di correggere prima che tali difetti vengano sfruttati. La divulgazione di Moynihan suggerisce che per la seconda banca più grande degli Stati Uniti, la risposta richiedeva di considerare la bonifica basata sull’intelligenza artificiale come una spesa che definisce il trimestre piuttosto che come una voce di routine IT.
---
Rimani Aggiornato sull'IALe ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.
Leggi altre notizie sull'IA →
