Revolut lancia Revolut Research: così PRAGMA vuole diventare il cervello unico dell’AI bancaria

Che cosa ha annunciato Revolut

Revolut ha annunciato la nascita di Revolut Research, una divisione interna dedicata alla ricerca sull’intelligenza artificiale e al machine learning applicato ai servizi finanziari. L’obiettivo non è aggiungere singoli strumenti acquistati da fornitori esterni, ma trasformare la ricerca specifica sul settore bancario in funzionalità utilizzabili nei prodotti dell’azienda.

La divisione fungerà in particolare da motore di ricerca e sviluppo per PRAGMA, il programma di modelli fondativi bancari sviluppato da Revolut insieme a NVIDIA. 610

La strategia «build, don’t bolt on»

Il principio definito da Revolut «build, don’t bolt on» — costruire, invece di applicare soluzioni una alla volta — punta a superare l’architettura basata su molti modelli isolati, tabelle di caratteristiche create manualmente e sistemi addestrati separatamente per ogni attività.

L’idea è utilizzare un’unica base di intelligenza comportamentale, addestrata su un’ampia varietà di eventi finanziari, e adattarla poi a diversi compiti. Tra gli impieghi previsti rientrano:

• valutazione del merito creditizio e del rischio di insolvenza;
• individuazione delle frodi;
• segmentazione della clientela;
• previsione del coinvolgimento e del valore del cliente;
• raccomandazioni personalizzate di prodotti e servizi. 610

In pratica, Revolut vuole evitare di ricostruire uno stack di machine learning distinto per ogni prodotto. Un modello condiviso dovrebbe invece imparare schemi generali del comportamento finanziario e fornire rappresentazioni riutilizzabili per decisioni e servizi differenti. 610

Che cos’è PRAGMA

PRAGMA è l’acronimo di PRe-trained Banking Foundation Model, ovvero «modello fondativo bancario pre-addestrato». Non si tratta di un singolo modello conversazionale, ma di una famiglia di modelli basati su Transformer di tipo encoder, progettati per analizzare sequenze di eventi bancari provenienti da più fonti. 1

La famiglia pubblicata comprende modelli da 10 milioni a 1 miliardo di parametri. 1 L’architettura è pensata per gestire cronologie finanziarie lunghe, irregolari e composte da eventi discreti, come pagamenti, trasferimenti e interazioni con diversi prodotti.

Durante il pre-addestramento, il modello utilizza un obiettivo di modellazione mascherata con apprendimento auto-supervisionato: alcune informazioni nella sequenza vengono nascoste e il sistema deve ricostruirle usando il contesto disponibile. In questo modo può apprendere regolarità del comportamento finanziario senza dipendere da un’etichetta manuale per ogni evento. 1

Una volta pre-addestrato, il modello può essere adattato a compiti specifici con procedure più leggere, tra cui il fine-tuning LoRA descritto nelle analisi del progetto. 1

Dati, utenti e copertura geografica

Secondo le descrizioni disponibili, PRAGMA è stato addestrato su eventi bancari grezzi e accompagnati da un’indicazione temporale: pagamenti, trasferimenti e altri segnali legati ai prodotti e al comportamento degli utenti. Il corpus comprende circa 26 milioni di cronologie cliente, per un totale di 24 miliardi di eventi distribuiti in 111 Paesi. 110

Il riferimento a un modello «sviluppato da NVIDIA» va quindi interpretato con precisione: PRAGMA è stato sviluppato congiuntamente da Revolut e NVIDIA, non è un prodotto realizzato esclusivamente da NVIDIA. 1013

L’infrastruttura NVIDIA e il nodo degli H100

Il programma PRAGMA sfrutta infrastruttura di calcolo accelerato NVIDIA. Il caso di studio dell’azienda cita in particolare GPU NVIDIA H100 utilizzate sul cloud AI di Nebius, insieme a tecniche come il sequence packing e il dynamic batching per rendere più efficiente l’addestramento su larga scala. 10

Le fonti disponibili, tuttavia, non consentono di verificare in modo indipendente il numero esatto di H100 impiegate né la topologia completa del cluster. È quindi possibile confermare l’uso dell’infrastruttura accelerata NVIDIA e il riferimento alle H100, ma non attribuire al progetto una configurazione hardware precisa oltre quanto dichiarato nelle fonti. 110

I risultati dichiarati da Revolut e NVIDIA

Nel proprio caso di studio, NVIDIA riporta questi miglioramenti rispetto ai sistemi di produzione precedenti di Revolut: 10

• 2,3 volte maggiore precisione nell’identificazione del rischio di insolvenza creditizia;
• il 65% in più di casi di frode individuati;
• il 17% in più di precisione negli avvisi antifrode;
• il 41% in più di raccomandazioni di prodotto pertinenti. 10

Sono risultati dichiarati dall’azienda e da NVIDIA in confronti con baseline produttive interne. Non equivalgono a una verifica indipendente delle prestazioni sull’intero settore bancario e non indicano, da soli, quale sarà l’impatto per ogni singolo cliente o mercato. 10

Che cosa era già stato fatto prima del lancio

L’annuncio di Revolut Research formalizza un’attività di ricerca che aveva già prodotto alcuni risultati concreti. Tra le tappe precedenti figurano:

1. la pubblicazione della ricerca su PRAGMA e della relativa famiglia di modelli; 1
2. la presentazione da parte di NVIDIA di un caso di studio sull’addestramento e sull’impiego del modello; 10
3. il progetto di riunire sotto una base comune sistemi precedentemente separati per frodi, credito, coinvolgimento degli utenti e raccomandazioni. 10

La nuova divisione nasce quindi per istituzionalizzare un percorso di ricerca e sviluppo già avviato, collegandolo più direttamente alla costruzione dei prodotti e dei sistemi decisionali della fintech.

La posizione dei vertici e i progetti della divisione

Nelle dichiarazioni riportate da Silicon Republic, Pavel Nesterov, responsabile dell’AI di Revolut, ha collegato la nascita della divisione alla filosofia «build, don’t bolt on» e all’idea che il futuro dell’intelligent banking non possa basarsi soltanto su architetture progettate da terzi. 6

Revolut ha inoltre indicato per la nuova struttura un’agenda orientata alla comunità scientifica: pubblicazione di ricerche, apertura di alcuni framework in modalità open source, partecipazione a GTC Berlin e alla conferenza ICAIF dell’ACM — l’International Conference on AI in Finance — e organizzazione di incontri scientifici trimestrali.

I materiali disponibili non permettono però di verificare in modo indipendente tutti i nomi dei dirigenti coinvolti o la formulazione esatta delle loro citazioni. Questi dettagli andrebbero controllati nel comunicato originale di lancio di Revolut Research.

Il collegamento con la crescita europea di Revolut

Il progetto si inserisce in una fase di forte espansione della fintech britannica. Revolut punta a superare 80 milioni di clienti in oltre 40 mercati, un’estensione che aumenta la necessità di sistemi coerenti per la gestione del rischio, la prevenzione delle frodi e la personalizzazione dei servizi. 34

Ad agosto 2026, la controllata francese Revolut Bank S.A. ha inoltre ottenuto una licenza bancaria completa dopo la valutazione congiunta dell’autorità di vigilanza prudenziale francese, l’ACPR, e della Banca centrale europea. La Francia dovrebbe costituire il primo punto di partenza per un’espansione progressiva in altri Paesi dell’Europa occidentale, tra cui Germania, Irlanda, Italia, Portogallo e Spagna.

In questo contesto, un modello addestrato su comportamenti finanziari eterogenei potrebbe diventare un’infrastruttura centrale per accompagnare la crescita del gruppo. La promessa di PRAGMA non è semplicemente automatizzare una singola attività, ma fornire una base comune che Revolut possa adattare a più decisioni regolamentate e a diverse esperienze cliente. 610