AI, blockchain e tokenizzazione: il punto di vista di ANPAI

ANPAI guarda con crescente interesse alla Fintech per una ragione precisa: l'Intelligenza Artificiale, quando esce dall'ambito della pura generazione di contenuti e comincia a entrare nei processi economici, ha bisogno di infrastrutture capaci di attribuire identità, diritti, valore, responsabilità e capacità transazionale.

È in questo spazio che blockchain e tokenizzazione tornano ad avere un significato molto più interessante rispetto alla stagione speculativa che le ha rese popolari.

Il rapporto tra AI e blockchain, peraltro, non nasce dall'idea che una tecnologia debba sostituire l'altra. Nasce quasi dal contrario. Le due architetture hanno caratteristiche profondamente differenti e proprio per questo possono risultare complementari.

Una blockchain esegue bene regole deterministiche, conserva una sequenza verificabile di eventi, consente di attribuire diritti digitali, trasferisce valore e può rendere difficile la modifica retroattiva delle informazioni registrate. Non interpreta però il mondo. Un modello di Intelligenza Artificiale fa esattamente ciò che alla blockchain manca: legge documenti, riconosce immagini, confronta grandi quantità di informazioni, individua anomalie, produce stime e probabilità. In compenso è per sua natura probabilistico e non dovrebbe diventare, da solo, il livello finale di autorizzazione di operazioni economicamente rilevanti.

È qui che i sistemi ibridi diventano interessanti.

Un'AI può analizzare una situazione complessa; un oracolo può portare verso la blockchain un dato proveniente dal mondo esterno; uno smart contract può verificare che siano soddisfatte condizioni precisamente definite; la blockchain può registrare l'operazione e attribuirne gli effetti economici. L'Intelligenza Artificiale interpreta, mentre la parte deterministica del sistema autorizza ed esegue.

Questa architettura permette anzitutto di immaginare smart contract meno primitivi di quelli costruiti soltanto intorno alla logica "se accade X, esegui Y". Un contratto assicurativo potrebbe utilizzare modelli capaci di elaborare dati meteorologici, immagini satellitari, sensori e documentazione prima di trasferire allo smart contract una valutazione formalizzata. Nel settore immobiliare un modello potrebbe confrontare documenti catastali, locazioni, manutenzioni, mercato locale e stato dell'edificio prima che una regola on-chain produca un determinato effetto economico.

Il punto è importante: l'AI non deve necessariamente diventare parte della blockchain. Può restare off-chain, dove esistono capacità computazionali adeguate, mentre la blockchain conserva gli elementi che devono essere verificabili.

Questo rapporto funziona anche nella direzione opposta. Uno dei problemi crescenti dei sistemi AI sarà infatti capire quale modello abbia prodotto una determinata risposta, quale versione fosse in uso, quali autorizzazioni possedesse l'agente e quali azioni abbia successivamente eseguito. Registri distribuiti, firme crittografiche, Trusted Execution Environments e tecniche di zero-knowledge machine learning stanno esplorando esattamente questo territorio: rendere verificabili alcuni elementi dell'esecuzione di un sistema AI senza dover necessariamente rendere pubblici dati sensibili o l'intero modello. Ethereum presenta ormai esplicitamente la "verifiable AI" come uno dei punti di incontro fra agenti artificiali e infrastruttura on-chain.

Esiste poi un secondo passaggio, probabilmente ancora più rilevante per ANPAI: la trasformazione del token.

La prima generazione della tokenizzazione ha trattato il token prevalentemente come rappresentazione digitale di un bene. Una quota immobiliare, un'opera, uno strumento finanziario, una royalty. È un passaggio importante, ma relativamente semplice. L'incontro con l'AI permette di immaginare token che non si limitano a dire cosa possiedo, ma che sono associati a una rappresentazione continuamente aggiornata dello stato economico dell'asset.

Un immobile tokenizzato potrebbe essere collegato a informazioni su valore, rendimento, occupazione, stato manutentivo, classe energetica, rischi territoriali, contenzioso, scadenze contrattuali e andamento della domanda. L'AI potrebbe elaborare questi dati e aggiornare indicatori destinati all'investitore senza modificare il diritto sottostante. Il token resterebbe la rappresentazione del diritto; intorno ad esso nascerebbe però un livello informativo dinamico.

È una differenza sostanziale. Il token smette di essere la fotografia digitale dell'asset e può diventare il punto di accesso al suo stato economico.

Lo stesso principio può trasformare la due diligence. Nel modello tradizionale l'investitore analizza una società in alcuni momenti precisi: prima di investire, durante un round, in occasione di un audit o di un'operazione straordinaria. I sistemi AI rendono possibile un controllo molto più frequente di indicatori finanziari, operativi e commerciali. Applicato a un'impresa tokenizzata, significa poter associare ai diritti rappresentati digitalmente informazioni aggiornate su ricavi, burn rate, liquidità, contratti, brevetti, milestone, concentrazione della clientela e altri elementi di rischio.

Non una valutazione automatica e definitiva dell'impresa, che sarebbe metodologicamente fragile, ma una due diligence che tende a diventare continua.

Per il finanziamento delle startup questo potrebbe avere conseguenze importanti. ANPAI considera la tokenizzazione soprattutto da questa prospettiva: non come scorciatoia normativa per raccogliere denaro, ma come possibile infrastruttura per rappresentare in modo programmabile equity, strumenti finanziari, crediti, ricavi futuri, diritti di proprietà intellettuale o altre posizioni economiche, naturalmente all'interno della disciplina applicabile.

Il fatto che questa possibilità stia entrando nelle strategie dei grandi operatori finanziari non è più un'ipotesi. Il 10 settembre 2026 Nasdaq ha annunciato un investimento da 100 milioni di dollari in Payward, la società controllante di Kraken, con l'obiettivo dichiarato di approfondire la collaborazione sulle infrastrutture destinate anche al trading di equity tokenizzata. Pochi giorni dopo S&P Global ha guidato un round da 110 milioni di dollari in Kaiko, insieme a BNP Paribas, Nasdaq, Royal Bank of Canada, Bpifrance e Susquehanna. Reuters lega espressamente l'operazione al crescente interesse della finanza tradizionale per gli asset digitali e la tokenizzazione di strumenti quali azioni e obbligazioni.

Anche il quadro istituzionale sta cambiando. La Bank for International Settlements considera la tokenizzazione una componente centrale della trasformazione della finanza digitale e ne evidenzia il potenziale nell'avvicinare negoziazione, regolamento e gestione del collateral, riducendo riconciliazioni e inefficienze nell'uso della liquidità. Nello stesso intervento del gennaio 2026 la BIS colloca AI e digital finance nello stesso processo evolutivo del sistema finanziario.

Il token, inoltre, non deve necessariamente rappresentare proprietà.

Può rappresentare un diritto.

È probabilmente qui che la tokenizzazione diventa molto più interessante di quanto sia stata raccontata finora.

Una royalty musicale, il diritto a una percentuale dei ricavi, una licenza software, l'utilizzo di capacità computazionale, la disponibilità di una determinata quantità di energia, un diritto di accesso oppure una partecipazione ai proventi di una proprietà intellettuale possono essere rappresentati attraverso strumenti digitali programmabili.

In un sistema di royalties musicali, per esempio, la blockchain può conservare la struttura dei diritti e delle titolarità. Un'AI può riconciliare informazioni provenienti da piattaforme differenti, individuare anomalie, classificare utilizzi e produrre previsioni sui flussi futuri. Lo smart contract può applicare la regola di distribuzione stabilita a monte. La stessa architettura può essere utilizzata per brevetti, immagini, software, format audiovisivi e licenze.

Qui emerge un principio generale: la blockchain definisce chi ha diritto a cosa; l'AI aiuta a comprendere cosa sta succedendo all'asset che genera quel diritto.

Un altro passaggio riguarda la liquidità. Tokenizzare un asset non significa automaticamente creare un mercato. Uno dei problemi storici dei Real World Assets è proprio questo: è relativamente semplice produrre una rappresentazione digitale di un bene, molto più difficile costruire domanda, valutazione, price discovery e mercato secondario.

L'AI può intervenire anche qui. Modelli di valutazione, matching fra domanda e offerta, analisi delle anomalie, gestione del rischio, segmentazione degli investitori e strumenti di portfolio optimization possono rendere più efficiente un mercato di asset tokenizzati. Non eliminano il problema della liquidità, ma possono ridurre alcune delle asimmetrie informative che la ostacolano.

È significativo che proprio i mercati tradizionali stiano andando verso modelli ibridi invece che verso una sostituzione improvvisa delle borse esistenti. Reuters osservava il 14 settembre che Nasdaq, Deutsche Börse e London Stock Exchange stanno esplorando forme di integrazione tra mercati tradizionali e strumenti digitali. Lo stesso articolo stimava ancora modesta la dimensione delle azioni tokenizzate rispetto al mercato azionario globale, ma sottolineava come i grandi exchange stiano iniziando a costruire l'infrastruttura necessaria.

C'è poi un livello meno evidente ma forse ancora più trasformativo: l'economia degli agenti artificiali.

Un agente AI non ha bisogno soltanto di informazioni. Per diventare realmente operativo deve poter utilizzare risorse e servizi.

Deve poter acquistare capacità computazionale, interrogare un'API a pagamento, accedere a un dataset, remunerare un altro agente oppure eseguire una transazione all'interno di limiti precedentemente stabiliti.

Da questo punto di vista il wallet rappresenta una soluzione quasi naturale.

Ethereum dedica ormai una sezione specifica agli agenti AI capaci di controllare wallet, eseguire transazioni, interagire con smart contract e perfino remunerare esseri umani o altri agenti. Il progetto ERC-8004 lavora inoltre su registri di identità, reputazione e validazione destinati proprio alle interazioni fra agenti.

L'aspetto interessante non è immaginare macchine che speculano autonomamente sui mercati. È la possibilità di costruire una vera economia machine-to-machine.

Un agente industriale potrebbe acquistare dieci minuti di capacità GPU da un fornitore. Un sistema energetico potrebbe acquistare una previsione meteorologica da un altro servizio. Un agente logistico potrebbe pagare una microtariffa per accedere a un dato sulla disponibilità di un'infrastruttura. Un modello AI potrebbe acquistare il diritto temporaneo di interrogare un dataset proprietario.

Sono transazioni talmente piccole, frequenti e automatizzate da risultare spesso poco compatibili con le attuali infrastrutture di pagamento. Wallet, stablecoin e token programmabili sono candidati naturali a questo tipo di economia.

Il passaggio successivo riguarda i dati stessi.

L'AI produce valore utilizzando enormi quantità di informazioni, mentre chi genera i dati raramente partecipa alla distribuzione economica del valore successivamente prodotto. La combinazione tra tokenizzazione e sistemi di attribuzione potrebbe consentire modelli differenti.

Una rete di aziende agricole potrebbe, per esempio, conferire dati su suolo, irrigazione, resa e patologie delle colture all'interno di un dataset condiviso. Quel patrimonio informativo potrebbe essere utilizzato per addestrare un modello specialistico. Attraverso un sistema di diritti digitali si potrebbe tenere traccia delle contribuzioni e distribuire secondo regole definite una parte dei ricavi derivanti dall'utilizzo commerciale del modello.

Non serve chiamarla decentralizzazione. Dal punto di vista economico assomiglia molto di più a una cooperativa.

La tecnologia cambia, la logica è antica: chi contribuisce alla costruzione di una risorsa partecipa al valore che la risorsa genera.

Lo stesso ragionamento interessa le credenziali professionali. In un mercato nel quale le competenze AI proliferano molto più rapidamente delle possibilità di verificarle, attestazioni digitali firmate possono permettere di dimostrare provenienza, formazione e aggiornamento delle competenze. L'AI può aiutare a interpretare il profilo professionale, mentre sistemi di credential verificabili possono certificare chi ha emesso una determinata attestazione e se essa risulta ancora valida.

Non occorre necessariamente trasformare una certificazione professionale in un NFT. Sarebbe spesso tecnicamente inutile. Il concetto importante è l'esistenza di un'identità professionale verificabile e portabile.

ANPAI vede un possibile sviluppo proprio in questa direzione: un passaporto professionale nel quale competenze, percorsi formativi, certificazioni e attività possano essere attestati da soggetti differenti e verificati senza dipendere esclusivamente dal database di una singola piattaforma.

Il tema diventa ancora più concreto quando la tokenizzazione incontra gli asset fisici.

Consideriamo un impianto energetico. Sensori e Digital Twin descrivono continuamente lo stato tecnico dell'infrastruttura. L'AI può prevederne produzione, degrado, manutenzione e domanda. La blockchain può registrare determinati eventi e trasferimenti. Un token può rappresentare i diritti economici relativi all'energia prodotta o alla proprietà dell'asset.

Si forma così quello che potremmo definire un economic twin.

Non la semplice copia digitale di una macchina, ma la rappresentazione della sua dimensione economica: chi possiede quali diritti, quali ricavi produce, quali obblighi sono associati all'asset, quale rischio incorpora e come questi elementi cambiano nel tempo.

È applicabile all'energia, all'immobiliare, alle infrastrutture, a una macchina industriale e, con le dovute differenze, anche alla proprietà intellettuale.

A quel punto il sistema assume una forma riconoscibile: il mondo fisico genera dati; l'AI li interpreta; un oracolo porta sulla blockchain le informazioni necessarie; il ledger registra eventi e diritti; il token rappresenta la posizione economica; lo smart contract esegue condizioni; eventualmente un agente AI decide quale nuova operazione proporre o compiere nei limiti ricevuti.

Non è fantascienza. Alcuni dei singoli componenti sono già operativi, altri sono in sperimentazione e altri ancora devono essere risolti, soprattutto sul piano della responsabilità, della sicurezza e della regolamentazione.

La Ethereum Foundation, per esempio, sta già utilizzando agenti AI coordinati per analizzare codice critico del protocollo. Nel luglio 2026 ha documentato il caso di agenti che hanno individuato bug reali, compresa una vulnerabilità successivamente identificata come CVE-2026-34219. È un caso interessante perché mostra l'altro versante della collaborazione: non soltanto blockchain al servizio dell'AI, ma AI utilizzata per rendere più sicura l'infrastruttura blockchain.

Hong Kong sta osservando la stessa convergenza da un punto di vista sistemico. La strategia Fintech 2030 della Hong Kong Monetary Authority organizza il futuro del settore attorno a quattro direttrici nelle quali compaiono, nello stesso disegno, infrastrutture dei dati e pagamenti, Intelligenza Artificiale, resilienza e tokenizzazione della finanza. Project Ensemble, digital money, tokenised bonds e tokenised asset market sono parte dello stesso programma.

Questo è uno dei motivi per cui ANPAI considera naturale valutare un ampliamento verso la Fintech della missione internazionale che sta costruendo in Cina.

Non si tratta di aggiungere una tappa dedicata alle criptovalute.

Si tratta di comprendere che l'ecosistema dell'Intelligenza Artificiale non finisce nel momento in cui un modello produce un risultato. Quando quel risultato entra nell'economia, incontra immediatamente pagamenti, identità, investimenti, proprietà, licenze, capitali, responsabilità e diritti.

È esattamente lì che blockchain e tokenizzazione possono tornare a essere infrastruttura.

La trasformazione può essere letta, con una certa semplificazione, attraverso tre passaggi.

La prima tokenizzazione ha digitalizzato gli asset.

La seconda sta digitalizzando i diritti.

La terza potrebbe collegare questi diritti a sistemi capaci di interpretare continuamente lo stato economico dell'asset e, entro confini predeterminati, di agire su di esso.

Sarebbe sbagliato immaginare che tutto verrà messo su blockchain. Sarebbe altrettanto sbagliato pensare che ogni decisione potrà essere affidata all'AI. Molto probabilmente l'infrastruttura che emergerà sarà composta da database tradizionali, registri distribuiti, cloud, edge computing, modelli locali, Intelligenza Artificiale, sistemi deterministici e supervisione umana.

Una struttura ibrida, non ideologica.

Del resto è proprio questo che i grandi investimenti cominciano a suggerire. Non assistiamo alla sostituzione improvvisa della finanza tradizionale con la blockchain. Assistiamo all'ingresso progressivo della programmabilità, della tokenizzazione e dell'AI dentro infrastrutture finanziarie esistenti.

Nasdaq che investe nell'infrastruttura tokenizzata non diventa una crypto company. S&P Global che investe nei dati degli asset digitali non rinuncia al proprio ruolo tradizionale. Hong Kong non sostituisce il proprio sistema finanziario con una blockchain pubblica.

Stanno costruendo sistemi ibridi.

Ed è proprio questo passaggio che ANPAI vuole osservare.

Per un'associazione che intende occuparsi concretamente del rapporto tra Intelligenza Artificiale, impresa e innovazione, interrogarsi su come finanziare una startup AI è importante almeno quanto interrogarsi sul modello che utilizzerà. Capire come rappresentare e finanziare proprietà intellettuale, come attribuire valore ai dati, come far interagire agenti autonomi con sistemi economici e come rendere verificabili alcune delle loro operazioni significa occuparsi dell'infrastruttura che potrebbe sostenere la prossima fase dell'AI.

È questo il motivo per cui Fintech, blockchain e tokenizzazione non sono, per ANPAI, un capitolo laterale.

Sono uno dei luoghi nei quali l'Intelligenza Artificiale sta iniziando a diventare economia.

Ed è sempre meglio studiare un'infrastruttura mentre viene costruita che scoprirla quando tutti hanno già iniziato a usarla.