Sempre più spesso c’è qualcuno che promette trading automatizzato con l’IA, come se fosse un pulsante magico, e premendolo il nostro portafoglio iniziasse a crescere. Peccato però che sotto quella semplice sigla si nascondano molteplici strumenti molto diversi tra loro, con risultati e rischi altrettanto vasti. Prima di abbandonarsi al fascino delle parole, occorre mettere ordine nel pensiero e cogliere con precisione l’essenza di ciò di cui parliamo.
Negli anni Novanta il trading algoritmico tradizionale si basava su regole rigide programmate dall’uomo, capaci di eseguire ordini a velocità superiori a quelle umane, ma prive di emozioni, apprendimento e adattamento.
Successivamente, l’introduzione del machine learning ha consentito ai sistemi di imparare dai dati, analizzando grandi quantità di informazioni di mercato per individuare pattern, migliorare le previsioni e adattarsi alle condizioni, affermandosi nei fondi quantitativi.
Oggi l’evoluzione più recente riguarda i modelli generativi come ChatGPT o Gemini, utilizzati per interpretare testi, notizie e report e trasformarli in segnali di trading: l’IA non è più solo un’esecutrice veloce, ma un’interprete del sentiment e del contesto informativo.
Questo articolo si concentra soprattutto sull’ultima categoria e racconta cosa hanno scoperto ricercatori e investitori quando queste IA sono state messe alla prova in esperimenti pubblici e test operativi.
COME VIENE USATA OGGI L’IA NEI MERCATI
- Nei fondi e negli ETF: Alcuni prodotti di investimento dichiarano di usare algoritmi di intelligenza artificiale per costruire e ribilanciare i portafogli: analizzano grandi flussi di dati (notizie economiche, indicatori macro, segnali di mercato) per selezionare le attività e aggiornare le scelte più rapidamente di una gestione tradizionale. Il problema è che la velocità non basta: tradurre informazioni spesso rumorose, incomplete o persino contraddittorie in decisioni coerenti e stabili è difficile, e questo limite può portare a reazioni eccessive o a strategie meno robuste nel tempo.
- Nella vigilanza (Italia) – L’intelligenza artificiale non viene usata solo per investire, ma anche per sorvegliare i mercati. In Italia, ad esempio, l’autorità di controllo ha avviato test su algoritmi capaci di accelerare l’analisi preliminare di documenti finanziari e di segnalare schemi di negoziazione potenzialmente anomali, utili per individuare casi sospetti (come possibili operazioni di insider trading) che poi richiedono verifiche e indagini mirate. In altre parole: la corsa all’IA riguarda anche chi deve garantire regole e trasparenza, non solo chi cerca rendimento.
- Come assistenti personali: alcuni investitori hanno chiesto ai chatbot di gestire piccoli capitali. Un ragazzo americano affidò a ChatGPT 100 $ per comprare azioni di società poco note. Dopo un mese il portafoglio era salito a +25 %, ma si tratta di un caso aneddotico: il risultato dipendeva quasi interamente da una singola scommessa, e l’utente doveva ogni giorno aggiornare manualmente le informazioni. Esperimenti simili con capitali più alti hanno prodotto guadagni ma con altissima variabilità e senza possibilità di replicare le performance.
ALPHA ARENA: UNO STRESS TEST
Nel 2025 la start-up Nof1 ha lanciato Alpha Arena, un torneo pensato per testare i modelli generativi in condizioni reali: sei chatbot di ultima generazione (GPT-5, Claude Sonnet 4.5, Gemini 2.5 Pro, Grok 4, DeepSeek Chat V3.1 e Qwen 3 Max) hanno ricevuto 10.000 $ ciascuno da investire in futures su criptovalute, con un solo prompt iniziale e nessuna supervisione umana, in un contesto volutamente difficile (pochi asset e prezzi molto rumorosi).
Dopo due settimane i numeri hanno parlato chiaro: 4 modelli su 6 erano in perdita, GPT-5 è sceso a circa 4.126 $ (−59%), mentre Qwen 3 Max ha ottenuto il risultato migliore con 12.231 $ (+22%), dopo aver toccato anche +79% prima di vedersi erodere quasi tutto dalla volatilità.
Il dato interessante è questo: anche modelli avanzati possono andare in difficoltà quando devono trasformare segnali in decisioni operative su mercati molto rumorosi, e pochi trade sbagliati bastano a erodere profitti rapidi.
Per correttezza, va detto che questo è uno stress test: futures crypto, pochi asset e rumore elevato rendono il compito molto più simile a un crash test che a una strategia d’investimento reale. In un contesto professionale entrano sempre vincoli e controlli (limiti di perdita, sizing, stop, gestione del rischio, costi e slippage) che qui sono volutamente assenti.
Per questo, i risultati vanno letti come indicazione di fragilità in condizioni estreme, non come prova generale delle performance dell’IA nei mercati.
PERCHÉ “IA” DELUDE
L’idea di una gestione totalmente automatizzata è seducente, ma nella pratica emergono limiti ricorrenti. Secondo osservazioni ricorrenti nel settore, molti fondi AI-powered finiscono per sovra-operare, generando un eccesso di compravendite che si traduce in commissioni e costi di transazione più alti, spesso senza un reale valore aggiunto rispetto a strategie più semplici.
Inoltre, la caccia ai segnali nei dati può trasformarsi in una caccia a pattern nel rumore: strategie che possono sembrare brillanti per un breve periodo, ma perdere efficacia quando il mercato cambia.
RISCHI E OPPORTUNITÀ DELL’IA NEL TRADING
- Volatilità e flash crash: Gli algoritmi possono amplificare movimenti improvvisi: nel 2010 il Dow Jones perse quasi 1.000 punti in mezz’ora durante il flash crash. Se molti operatori usano modelli simili, gli stessi segnali possono innescare reazioni a catena, trasformando un’oscillazione normale in un crollo rapido.
- Comportamento di massa: Alcuni studi della Federal Reserve indicano che le IA possono prendere decisioni più razionali degli esseri umani, ma quando i segnali di input sono distorti o incompleti rischiano comunque di seguire il gregge, amplificando bolle e movimenti di massa.
- Dipendenza da pochi modelli: Molte istituzioni finanziarie si appoggiano alle stesse piattaforme di IA: questa concentrazione rende l’adozione più veloce, ma aumenta il rischio sistemico, perché un bug, un malfunzionamento o un attacco a un modello di base può propagarsi rapidamente e amplificare gli effetti su mercati e intermediari tra loro interconnessi.
- Opportunità: L’IA può essere un valido assistente per filtrare notizie, analizzare bilanci, individuare anomalie nei dati e generare idee di investimento. Può aiutare a migliorare la disciplina, ad esempio chiudendo posizioni quando superano un certo rischio. È però efficace solo se usata sotto controllo umano e in combinazione con una strategia complessiva.
ECCO UNA SERIE DI BUONE ABITUDINI SE VUOI SPERIMENTARE L’IA NEL TRADING
- Usala come strumento: non come pilota, fai analizzare i dati all’IA, ma riserva a te la decisione finale.
- Inizia in piccolo: prova il modello su un conto demo o con importi molto contenuti prima di collegarlo a capitali importanti.
- Chiedi sempre il perché: quando l’IA suggerisce un’operazione, cerca di capire su quali dati e criteri si basa, questo ti aiuta a imparare e a scoprire eventuali errori.
- Diversifica sempre: non affidarti a un unico algoritmo o a un’unica classe di asset, distribuire il rischio su più strumenti rimane sempre la miglior difesa.
- Imposta ordini a prezzo limitato: per evitare di eseguire transazioni a prezzi sfavorevoli in caso di oscillazioni rapide.
L’intelligenza artificiale sta trasformando anche il mondo della finanza. Come ogni nuova tecnologia, porta con sé un mix di miti (“macchine che si arricchiscono da sole”) e opportunità concrete, come analisi più rapide e una maggiore capacità di elaborare informazioni complesse. Gli esperimenti con denaro reale mostrano che i modelli generativi possono ottenere buoni risultati nel breve periodo, ma anche perdere capitale con la stessa velocità.
La vera questione, però, riguarda il futuro. In uno scenario in cui sempre più investitori, anche inesperti, dovessero affidare completamente le proprie decisioni a modelli simili o identici, il rischio non sarebbe solo individuale. Mercati guidati da algoritmi che reagiscono agli stessi segnali potrebbero amplificare movimenti, gonfiare bolle o accelerare crolli, finendo per lasciare all’intelligenza artificiale un ruolo di fatto centrale nel determinare cosa sale e cosa scende.
Per questo, oggi più che mai, l’IA va considerata un copilota, non un pilota automatico: uno strumento potente che può migliorare l’analisi, ma che non può sostituire il giudizio umano, la diversificazione e la prudenza.
