Lo studio di Banca d’Italia firmato da Giorgia Rocco e Camilla Savarese e diffuso a ottobre 2026, utilizza i diari di pagamento dell’indagine SPACE 2024 della BCE e l’intelligenza artificiale per profilare gli italiani. Il campione italiano è di 4.088 intervistati, che hanno registrato 8.050 transazioni nei negozi fisici, 2.837 acquisti online e 397 pagamenti tra privati. L’obiettivo è capire come si paga davvero e cosa significa per inclusione finanziaria, digitalizzazione e futuro dell’euro digitale.
Cinque profili per tutto lo spettro dei pagamenti
Gli autori definiscono ex ante cinque comportamenti lungo tre assi: integrazione bancaria, ingaggio digitale e orientamento di pagamento. I Cash lovers dipendono solo dal contante, con bassa integrazione bancaria. I Bank-tech skeptics usano contante e prepagate, con accesso parziale al sistema. I Traditionalists combinano contante e carte nei punti vendita fisici e usano poco i canali a distanza. I Well-connected sono omnicanale, usano tutto, dal contante al mobile wallet. I Digital-only sono completamente cashless.
Nella popolazione, dopo la classificazione estesa all’intero campione, i Traditionalists restano il gruppo dominante con il 50,2%, seguiti dai Digital-only con il 24,0% e dai Well-connected con il 14,6%. I Cash lovers pesano per il 6,6%, i Bank-tech skeptics sono il gruppo più piccolo con il 4,6%. Una fotografia che conferma l’ancoraggio all’uso misto di contante e carte, ma con una quota di consumatori senza contante ormai vicina a un quarto del totale. Il contante resta quindi rilevante, ma non è più universale.
Come l’AI ha classificato gli italiani: umano, LLM e machine learning
La metodologia è ibrida. Si parte da un sotto-campione di 840 individui etichettato in parallelo da valutatori umani e da un Large Language Model, GPT-4.1 con temperature a 1 per favorire la sfumatura. L’accordo iniziale tra umano e LLM è stato del 68%, pari a 570 casi. L’accordo più alto è sui Cash lovers, il più basso sui Well-connected, dove la distinzione tra Traditionalists e utenti digitali è più sottile.
Le discrepanze maggiori riguardano proprio l’asse Traditionalists-Well-connected: in 75 casi il LLM ha classificato come Traditionalists utenti etichettati come Well-connected dall’umano, e in 34 casi è avvenuto il contrario. Dopo un secondo giro di revisione con prompt che introduce il punto di vista dell’esperto umano, il modello ha confermato circa il 35% delle sue scelte iniziali, 95 casi su 270.
Sulle etichette finali del sotto-campione la distribuzione è: Traditionalists 42,78%, Digital-only 21,69%, Well-connected 14,66%, Bank-tech skeptics 12,27%, Cash lovers 8,58%. Queste etichette sono servite per addestrare quattro algoritmi supervisionati con tecnica SMOTE per bilanciare le classi e validazione a 5 fold. XGBoost emerge come migliore con accuratezza dell’89%, seguito da Random Forest con 85,7% e Neural Network con 85,6%, mentre SVM si ferma a 85,1%. Per i Digital-only, XGBoost raggiunge F1 di 0,950 con sensitivity del 95,0% e specificity del 98,4%. I Well-connected restano il gruppo più difficile: F1 di 0,823.
Quanto sono nitidi i confini tra i gruppi
Per misurare l’incertezza, lo studio introduce soft label, distribuzioni di probabilità sui cinque profili. Con soglia p >= 0,8, solo il 3,13% degli italiani è assegnato con alta confidenza ai Cash lovers, il 3,74% ai Bank-tech skeptics, il 35,05% ai Traditionalists, l’8,73% ai Well-connected e il 4,60% ai Digital-only, mentre il 44,74% mostra profili sovrapposti. Abbassando la soglia a p > 0,5, i sovrapposti scendono al 4,82% e i Traditionalists salgono al 57,85%. Con l’assegnazione softmax, quella a massima probabilità, i Traditionalists arrivano al 59,86%, i Well-connected al 14,46%, i Digital-only al 14,41%, i Bank-tech skeptics al 6,19% e i Cash lovers al 5,09%.
Le probabilità mediane condizionate confermano la stabilità: i Traditionalists hanno mediana di 0,913 sul proprio profilo, i Bank-tech skeptics di 0,925, i Well-connected di 0,836, i Cash lovers di 0,750. I Digital-only sono il gruppo più ambiguo, con mediana di 0,532 sul proprio profilo e 0,308 di probabilità secondaria verso i Traditionalists. Segnale che essere cashless non equivale a essere innovatori: molti Digital-only usano carte tradizionali, non wallet avanzati, e restano vicini alle abitudini tradizionali.
Cosa significa per banche, contante ed euro digitale
La dimensione finanziaria emerge dalle caratteristiche socio-demografiche e dall’accesso ai servizi. I gruppi cash-oriented hanno accesso sotto la media a conti e strumenti mobile, le prepagate restano diffuse proprio perché ottenibili senza conto. I giovani prevalgono tra Well-connected e Digital-only, gli anziani tra Cash lovers e Bank-tech skeptics. Le donne sono sovrarappresentate tra i Cash lovers, un gender gap che persiste anche se riguarda una quota contenuta.
Per la policy, tre messaggi. Primo, la persistenza del contante: l’Italia resta un paese dove il 50,2% dei consumatori è tradizionalista, quindi preservare l’accesso al contante e al contempo spingere su usabilità, sicurezza e accettazione dei pagamenti digitali non sono scelte in conflitto. Secondo, inclusione finanziaria: Cash lovers e Bank-tech skeptics, insieme circa l’11,2% della popolazione, mostrano basso ingaggio con credito, risparmio e investimenti e dipendenza dal contante anche per il reddito, con vulnerabilità strutturali. Servono soluzioni low-cost e programmi di alfabetizzazione digitale, soprattutto per anziani e segmenti a basso reddito.
Terzo, disegno della CBDC. I Well-connected, circa il 15% del campione, sono i potenziali early adopter, interessati a nuove soluzioni, sicurezza e affidabilità tecnologica. Per gli altri l’adozione dipenderà dal design: Traditionalists e Digital-only valorizzano raccomandazioni e influenza sociale, ma non usano app né bonifici istantanei in modo intensivo. Cash lovers e Bank-tech skeptics adotteranno solo se l’euro digitale garantirà semplicità, basso costo e privacy, driver critico per chi ha bassa fiducia nelle banche, come mostra il 91,5% di conferma LLM per i Cash lovers nei match iniziali.
