Il costo nascosto del non fare nulla.

• Le istituzioni finanziarie a livello globale continuano a spendere la maggior parte dei budget IT nella manutenzione dei sistemi legacy piuttosto che nell’abilitare l’innovazione.
• Il costo reale delle architetture legacy si estende oltre l’infrastruttura includendo inefficienza operativa, scarsità di talenti, esposizione normativa e tempi di immissione sul mercato più lenti.
• L’adozione dell’AI sta accelerando nel banking e nelle assicurazioni, ma gli ambienti legacy spesso impediscono alle organizzazioni di scalare efficacemente le iniziative AI.
• I framework normativi in Europa, Nord America, America Latina e APAC stanno aumentando la pressione su resilienza operativa, osservabilità e governance cyber.
• La modernizzazione non è più solo un’iniziativa tecnologica. Sta diventando un prerequisito per agilità, resilienza e AI readiness.
• Approcci di modernizzazione assistiti dall’AI possono ridurre significativamente lo sforzo di delivery, accelerare documentazione e testing e migliorare la velocità di modernizzazione su larga scala.

Tra il 52% e il 70% dei budget IT nelle istituzioni finanziarie è ancora assorbito dalla manutenzione dei sistemi esistenti. Non dal migliorarli. Non dall’abilitare nuovi prodotti o capacità guidate dall’AI. Semplicemente dal mantenere operative le funzioni critiche.

Per anni, la modernizzazione è stata trattata come un’iniziativa futura, qualcosa da rivalutare dopo il prossimo programma normativo, la migrazione al cloud o il ciclo di ottimizzazione dei costi. Ma nel 2026, questo ritardo ha un costo crescente.

Il costo del non fare nulla non è più teorico. In tutto il mondo, le istituzioni finanziarie stanno raggiungendo lo stesso punto di svolta: l’architettura legacy non è più solo costosa da mantenere, ma limita sempre di più la capacità di competere in un mercato guidato dall’AI.

Il costo dei sistemi legacy va ben oltre infrastruttura e contratti di manutenzione. L’impatto più profondo è strutturale e influenza il modo in cui le istituzioni operano, innovano e rispondono al cambiamento.

La maggior parte delle organizzazioni misura ancora i costi legacy in modo limitato:

• Infrastruttura
• Licenze
• Contratti di supporto
• Spesa per consulenti esterni

Ma i principali driver di costo sono spesso integrati nel modello operativo stesso.

Strutture di costo che crescono senza efficienza: ambienti mainframe e legacy si basano spesso su modelli di prezzo basati sul consumo, legati alla crescita delle transazioni e dei volumi di elaborazione. Con l’aumento dell’attività digitale, i costi operativi continuano a crescere indipendentemente dal fatto che il valore di business cresca allo stesso ritmo.

Il risultato è una base di costo tecnologico che si espande continuamente diventando al tempo stesso più difficile da modernizzare nel tempo.

Scarsità di talenti e rischio di perdita di conoscenza: la diminuzione di competenze su COBOL, VB6 e piattaforme legacy sta già influenzando la resilienza operativa.

Con il pensionamento degli ingegneri più esperti, le istituzioni rischiano di perdere decenni di logica di business non documentata incorporata in codice, workflow e processi batch. I sistemi diventano sempre più opachi per i team responsabili della manutenzione, rendendo i cambiamenti più lenti, rischiosi e costosi.

Il costo competitivo del cambiamento lento: gli ambienti legacy sono tipicamente ottimizzati per la stabilità, non per l’adattabilità.

Il lancio di prodotti richiede mesi invece di settimane. Le integrazioni diventano progetti di più trimestri. L’accesso ai dati per analytics e iniziative AI richiede spesso preparazione e riconciliazione manuale estesa.

Nel frattempo, le organizzazioni che operano su architetture moderne e componibili possono iterare più velocemente, rilasciare continuamente e scalare nuove capacità con un attrito operativo significativamente inferiore.

Questo divario competitivo si accumula nel tempo, anche quando non appare direttamente nel bilancio.

Il rischio di inattività sui sistemi legacy raramente si manifesta come un singolo fallimento catastrofico. Piuttosto si accumula gradualmente in tutta l’organizzazione.

Lo sforzo di manutenzione cresce man mano che gli ambienti diventano più complessi. I cicli di rilascio si allungano con l’aumento del rischio di cambiamento. Il debito tecnico cresce più velocemente di quanto i team riescano a gestirlo. Le iniziative AI vengono approvate, finanziate e poi ritardate quando architetture dati frammentate non riescono a supportarle efficacemente.

Nel tempo:

• La modernizzazione diventa più costosa
• Le dipendenze diventano più difficili da districare
• Il rischio di migrazione aumenta
• Il bacino di talenti continua a ridursi
• I requisiti di conformità diventano più difficili da soddisfare

Più a lungo si rimanda la modernizzazione, più si riducono le opzioni strategiche.

Allo stesso tempo, le istituzioni che hanno avviato in anticipo programmi strutturati di modernizzazione operano oggi da una posizione completamente diversa. Stanno riducendo gli overhead operativi, accelerando i cicli di delivery e creando ambienti in grado di supportare AI, automazione e servizi digitali in tempo reale su larga scala.

L’effetto cumulativo funziona in entrambe le direzioni.

Molte organizzazioni vedono l’adozione dell’AI come una sfida di tooling. In realtà, per le istituzioni finanziarie è spesso una questione architetturale.

L’AI richiede:

• Dati accessibili e affidabili
• Pattern di integrazione scalabili
• Osservabilità
• Infrastruttura flessibile
• Cicli di sviluppo software più veloci

I sistemi legacy non sono stati progettati per questi requisiti.

Sistemi orientati al batch, integrazioni fortemente accoppiate e modelli dati frammentati creano barriere significative all’adozione dell’AI su scala enterprise. Anche programmi AI ben finanziati incontrano difficoltà quando le architetture sottostanti non riescono a fornire dati tempestivi, affidabili e riutilizzabili.

Di conseguenza, molte istituzioni stanno scoprendo che la modernizzazione non è più separata dalla strategia AI. Sta diventando un prerequisito. Le organizzazioni che ottengono i maggiori vantaggi dall’AI sono spesso quelle che rimuovono i vincoli architetturali che impediscono il cambiamento.

La modernizzazione dei sistemi legacy non è più guidata solo da efficienza e riduzione dei costi. Sempre più sta diventando una priorità di resilienza e conformità.

In tutto il mondo, i regolatori stanno alzando le aspettative su resilienza operativa, governance cyber, auditabilità e gestione del rischio tecnologico.

Esempi includono:

• DORA e NIS2 in Europa
• Framework di resilienza operativa PRA/FCA nel Regno Unito
• Linee guida FFIEC e NYDFS Part 500 negli Stati Uniti
• BCB Resolução 85 in Brasile
• APRA CPS 230 in Australia
• Linee guida MAS Technology Risk Management a Singapore

Sebbene i framework normativi differiscano per area geografica, la direzione è coerente: alle istituzioni finanziarie è richiesto di dimostrare una maggiore resilienza, migliore osservabilità e maggiore trasparenza operativa sui sistemi critici.

Per molti ambienti legacy, questi requisiti sono difficili da soddisfare.

Applicazioni non documentate complicano gli inventari degli asset ICT. Architetture orientate al batch limitano la visibilità degli incidenti in tempo reale. Piattaforme legacy altamente concentrate aumentano il rischio di dipendenza operativa. Livelli di integrazione obsoleti rendono più difficile mantenere governance e tracciabilità.

La modernizzazione porta miglioramenti misurabili in efficienza operativa, velocità di delivery, resilienza e preparazione all’AI.

Risultati tipici includono:

• Riduzione dei costi infrastrutturali e operativi in alcuni casi fino al 60% grazie a re-hosting, refactoring e semplificazione delle piattaforme.
• Cicli di delivery più rapidi, spesso con un miglioramento del time-to-market del 25–30% grazie ad architetture moderne, automazione e pratiche di ingegneria cloud-native.
• Miglioramento di resilienza, osservabilità e governance sui sistemi critici
• Migliore accesso ai dati per AI, analytics e servizi digitali in tempo reale
• Minore dipendenza da competenze legacy scarse
• Maggiore capacità di scalare l’innovazione tra canali e domini di business

Gli approcci di modernizzazione assistiti dall’AI stanno inoltre cambiando il modo in cui vengono eseguiti i programmi di trasformazione. I modelli di delivery moderni basati su AI possono accelerare:

• La scoperta dei sistemi legacy
• L’analisi delle dipendenze
• L’estrazione delle regole di business
• La generazione della documentazione
• La trasformazione del codice
• La generazione dei test
• La pianificazione della migrazione

I modelli di delivery basati su AI possono anche ridurre lo sforzo di documentazione fino al 95% accelerando al contempo le attività di testing, pianificazione della migrazione e trasformazione del codice.

In GFT, i programmi di modernizzazione combinano consulenza, ingegneria e capacità di delivery assistite dall’AI per accelerare la trasformazione mantenendo governance e controllo operativo.

Approcci come la modernizzazione a fasi, il reverse engineering basato su AI e modelli di discovery top-down e bottom-up aiutano le organizzazioni a modernizzare in modo incrementale anziché attraverso migrazioni “big bang” ad alto rischio.

Piattaforme di modernizzazione abilitate dall’AI come Wynxx supportano ulteriormente questo processo aiutando le organizzazioni a:

• Estrarre la logica di business dal codice legacy
• Generare strutture applicative moderne
• Accelerare testing e documentazione
• Migliorare la visibilità su paesaggi complessi di dipendenze

Insieme agli ecosistemi hyperscaler e ai framework di modernizzazione cloud, questi approcci consentono alle istituzioni finanziarie di modernizzare più rapidamente riducendo al contempo le interruzioni operative e il rischio di trasformazione.

Le organizzazioni che ritardano la modernizzazione non stanno evitando il rischio. Lo stanno spostando in una forma meno visibile e meno controllabile.

Il rischio emerge gradualmente attraverso:

• Aumento dei costi operativi
• Cicli di delivery più lenti
• Crescente dipendenza da tecnologie obsolete
• Maggiore pressione normativa
• Ridotta capacità di innovazione
• Difficoltà nello scalare iniziative AI
• Diminuzione della flessibilità architetturale

Nel 2026, la domanda non è più se la modernizzazione sia necessaria. La domanda è se le istituzioni possano continuare a competere, innovare e soddisfare le aspettative di resilienza operando su architetture progettate per un’epoca diversa.

Il costo del non fare nulla non è zero. È già sostenuto continuamente, trimestre dopo trimestre, in termini di tecnologia, operazioni e rilevanza competitiva.

In un’industria finanziaria guidata dall’AI, la modernizzazione non riguarda più solo la riduzione del debito tecnico. Riguarda l’eliminazione delle barriere che impediscono alle istituzioni di evolversi.