Barclays implementa Claude per ottimizzare le operazioni e migliorare l'esperienza del cliente
Barclays amplia la collaborazione con Anthropic, ma i numeri dell'annuncio descrivono situazioni diverse: strumenti già utilizzati dai dipendenti e obiettivi di adozione ancora da raggiungere. Per chi gestisce le attività aziendali o valuta progetti di IA, il punto è capire quale compito svolge ciascuna applicazione e quali prove servirebbero per stabilire se migliora davvero il lavoro.
Che cosa è stato annunciato e che cosa resta un obiettivo
Nel comunicato del 1° ottobre 2026, Anthropic annuncia un'estensione dell'uso di Claude presso Barclays. La banca prevede che Claude Code venga adottato dal 50% dei suoi sviluppatori entro la fine del 2026 e dalla maggioranza dei suoi ingegneri del software nel 2027. Sono aspettative, non percentuali già raggiunte. Non indicano neppure quante attività saranno automatizzate o quali risparmi ne deriveranno.
Le informazioni provengono dal fornitore della tecnologia. Tutti i numeri citati qui sono dichiarazioni di Anthropic, non risultati verificati in modo indipendente. Il comunicato descrive applicazioni e piani di espansione, ma non consente da solo di valutarne il ritorno economico.
Un assistente interno per trovare risposte
Secondo Anthropic, il Colleague Knowledge Assistant di Barclays UK è operativo dal 2025. Utilizza Claude con un'architettura RAG, che integra il recupero di documenti nella generazione delle risposte. È stato adottato da oltre 16.000 dipendenti e ha gestito più di un milione di ricerche. Aiuta il personale che serve una base di oltre 20 milioni di clienti al dettaglio. Gli utenti dell'assistente sono i dipendenti: il numero dei clienti non dimostra che questi utilizzino direttamente Claude.
Il possibile vantaggio operativo consiste nel reperire informazioni interne mentre si lavora su una richiesta. Recuperare un documento, però, non garantisce che sia aggiornato, pertinente o interpretato correttamente nella risposta. Sono aspetti da verificare separatamente. La presenza di una fonte non basta a rendere affidabile ogni risposta generata.
Smistare le richieste prima di gestirle
Il secondo caso riguarda Global Markets. Anthropic descrive l'impiego di Claude per classificare, arricchire e instradare le richieste ricevute via email. La piattaforma elabora circa 120.000 email al giorno. Il dato riguarda il volume della piattaforma: non prova che ogni messaggio venga risolto automaticamente o senza intervento umano.
Indirizzare una richiesta al gruppo competente è un compito diverso dal risolverla. Una classificazione utile potrebbe evitare passaggi superflui; un errore potrebbe ritardare una richiesta urgente. Sono possibili effetti da misurare, non risultati quantificati nell'annuncio. Occorre anche stabilire chi decide quando una richiesta non rientra chiaramente nelle categorie previste.
Che cosa misurano i dati e che cosa manca
Il numero di dipendenti e le ricerche descrivono adozione e attività dichiarate. Le email giornaliere indicano un carico di lavoro. Nessuna di queste grandezze dimostra, da sola, precisione, qualità o risparmio. Il comunicato non pubblica confronti sottoposti ad audit su costi, tempi di risoluzione, accuratezza delle risposte o soddisfazione dei clienti.
Una stessa domanda può richiedere più ricerche senza trovare soluzione. Per valutare l'assistente servirebbe sapere, fra l'altro, quante risposte sono corrette e quanto lavoro richiedono i controlli successivi. Un volume elevato rende interessante esaminare il processo, ma non basta a dimostrarne l'efficacia o a giustificare un investimento in un'altra azienda.
Due esperimenti possibili per una PMI
L'interpretazione pratica di Berraquero suggerisce due progetti pilota circoscritti: rispondere a domande interne ricorrenti usando documenti approvati e smistare richieste quando il loro volume assorbe tempo significativo. Sono proposte da valutare, non procedure di Barclays dimostrate da questa notizia. Gli obiettivi di adozione della banca non vanno trasferiti a una piccola o media impresa.
Per il primo progetto conviene scegliere un argomento limitato, assegnare la responsabilità dei documenti e richiedere riferimenti consultabili. Per il secondo servono categorie chiare, esempi rappresentativi e una persona a cui affidare i casi dubbi. Se arrivano pochi messaggi o la documentazione è disordinata, migliorare il processo esistente può essere più utile che aggiungere IA.
Definire le condizioni e misurare il lavoro completo
Anthropic afferma che Barclays applica controlli di sicurezza, governance e supervisione umana. Questa dichiarazione non permette di verificarne l'efficacia. In un progetto proprio occorre definire chi può accedere ai documenti, quali dati personali escludere, dove conservare le richieste e chi corregge gli errori o autorizza le azioni. Il budget deve comprendere integrazione, manutenzione dei documenti, utilizzo del servizio e revisione umana.
Prima della prova, misurate come vengono svolte oggi attività comparabili. Durante il progetto, controllate le risposte rispetto a fonti approvate e registrate risultati corretti, richieste smistate male, tempo totale comprese le correzioni e costo per caso risolto correttamente. Includete domande senza risposta e richieste ambigue. Stabilite prima quando proseguire, modificare o interrompere il progetto: l'estensione ha senso se migliora il processo senza compromettere qualità e riservatezza, non soltanto se aumenta l'utilizzo.
Per applicare queste idee in una piccola impresa, leggi anche la guida su come integrare l'IA nelle PMI senza perdere il controllo.
Fonte: Leggi il comunicato di Anthropic su Barclays e distingui gli obiettivi dai dati di utilizzo dichiarati (1° ottobre 2026, in inglese).
Pubblicato: 07/11/2026.
Questo articolo potrebbe essere stato elaborato con il supporto di strumenti di intelligenza artificiale. Vedi politica IA
Puoi sostenere il progetto o condividere questo articolo con un clic. Almeno qui c’è un’azione utile vera.