La criminalità finanziaria è sempre più ramificata e sempre più sofisticata ed è impossibile contrastarla senza usare i suoi stessi mezzi. Partendo da questo presupposto, la start up italiana Rozes e l’Università di Padova, hanno brevettato il primo algoritmo di intelligenza artificiale al mondo capace di leggere i bilanci e segnalare le imprese con caratteristiche simili a quelle già coinvolte in illeciti. L’algoritmo naturalmente non accerta reati: calcola un indice di rischio. Ma questo è bastato già ad incuriosire le istituzioni.
Il prossimo 30 settembre, infatti, gli ideatori di Rozes incontreranno in Parlamento la commissione parlamentare di inchiesta sul caporalato. L’audizione sarà importante non solo per capire quanto sia sofisticato l’algoritmo, ma anche per chiarirne l’utilizzo. La commissione sul caporalato potrebbe infatti chiedere quali dati siano impiegati, come siano stati selezionati i casi di riferimento, quale sia il margine di errore e come vengano trattati i falsi positivi e negativi.
Un’analisi che non è verdetto
Un bilancio non racconta soltanto quanto guadagna un’azienda, quanto è indebitata o quali investimenti ha realizzato. Può contenere anche tracce più difficili da vedere: passaggi anomali di denaro, rapporti societari opachi, variazioni contabili inattese, intrecci tra imprese e amministratori. Impiegando l’intelligenza artificiale Rozes ha sviluppato un sistema capace di individuare le aziende che presentano caratteristiche simili a quelle già coinvolte in illeciti.
Attenzione: la piattaforma non assegna una patente di legalità alle imprese e non stabilisce se una società abbia commesso un reato. Il suo sistema calcola un grado di somiglianza. Confronta cioè il profilo economico-finanziario di un’azienda con quello di società per le quali sono stati accertati illeciti o che sono state raggiunte da provvedimenti giudiziari.
Sequestri, confische e condanne a confronto
Il sistema di Rozes utilizza dati provenienti da fonti pubbliche: bilanci depositati presso le Camere di Commercio, informazioni sulla proprietà e sui vertici aziendali, banche dati e dati relativi agli appalti pubblici, compresi quelli dell’Anac. Da queste fonti vengono estratte voci contabili e indicatori finanziari che, considerati insieme, permettono di costruire un profilo dell’impresa.
Il modello può analizzare, per esempio, l’indebitamento, la liquidità, la composizione dei ricavi, le immobilizzazioni e alcune variazioni anomale nei bilanci. Nessuno di questi elementi, preso singolarmente, dimostra l’esistenza di un illecito. L’ipotesi di rischio emerge dalla combinazione di più segnali e dal confronto con un campione di aziende già associate a frodi, riciclaggio, bancarotta fraudolenta, turbative d’asta, infiltrazioni mafiose o altri reati.
Nel tempo l’attività di Rozes si è estesa a quindici macro-categorie di rischio. Tra queste figurano le collusioni mafiose, il caporalato, la falsa fatturazione, le frodi, il riciclaggio, le turbative d’asta, le attività di prestanome, le intese restrittive e le truffe sul debito o sul credito. Il sistema può inoltre essere utilizzato per studiare i legami tra imprese e persone, ricostruire reti societarie e analizzare anomalie riferibili anche agli enti locali.
Il punto, tuttavia, resta quello della corretta interpretazione. Un punteggio elevato, di per sè, non significa che l’impresa sia mafiosa, che sfrutti lavoratori o che abbia falsificato i conti. Significa che, sulla base dei dati disponibili, presenta caratteristiche che meritano un controllo più approfondito.
L’occhio sugli appalti
L’utilità maggiore dello spin-off dell’università di Padova potrebbe riguardare gli appalti pubblici e le grandi quantità di denaro immesse nell’economia. Un primo fattore di rischio riguarda, come spiegano i suoi fondatori, i fondi Pnrr e, in generale, le grandi immissioni di capitali sul territorio italiano.
Nella valutazione della società, l’applicazione sistematica di modelli analoghi agli appalti pubblici avrebbe potuto consentire allo Stato di recuperare tra i 10 e i 15 miliardi di euro all’anno. È corretto precisare che si tratta di una stima interna della startup, non di una somma già accertata o validata da un’autorità indipendente.
La promessa è quella di fornire agli investigatori una prima mappa delle situazioni più esposte. In un sistema economico composto da milioni di imprese, l’intelligenza artificiale potrebbe aiutare a rispondere a una domanda molto concreta: dove conviene guardare prima? Evitando così inutili perdite di tempo e soprattutto che qualcuno scappi dalle maglie della giustizia.
Un modello preciso ma non infallibile
Per i suoi fondatori, Rozes arriva ad una precisione del 90%. Il dato, però, deve essere spiegato bene. Secondo le informazioni fornite dalla startup, tra dieci soggetti giuridici classificati come rischiosi, nove presenterebbero effettivamente condizioni coerenti con l’allarme prodotto dal modello.
Questo valore riguarda la capacità di confermare le segnalazioni effettuate, ma non dice da solo quanti siano tutti i casi rischiosi effettivamente presenti. Lo stesso materiale indica infatti che, su dieci soggetti realmente a rischio, quattro possono ancora sfuggire al sistema. In termini tecnici, si tratta di falsi negativi: imprese problematiche che l’algoritmo non individua.
La distinzione è decisiva. Un sistema può essere molto preciso quando segnala un’azienda e, nello stesso tempo, non essere in grado di intercettare tutti i casi esistenti. Per questo la piattaforma Rozes non si può considerare una macchina infallibile, ma uno strumento di selezione e supporto alle verifiche.
Il nodo dei diritti
Tra i vari rischi di impiego, la tecnologia di IA apre anche un problema di garanzie. Se un’impresa viene classificata come rischiosa, chi potrà vedere il punteggio? Potrà restare fuori da un appalto? L’interessato potrà contestare il risultato? Quali dati hanno prodotto quella valutazione? E quanto pesa la qualità del campione utilizzato per addestrare l’algoritmo?
Sono domande importanti perché i dati storici possono contenere distorsioni. Se in passato i controlli si sono concentrati maggiormente su determinati settori, territori o categorie di imprese, il modello potrebbe finire per riprodurre quelle stesse disuguaglianze. Anche un indice costruito su dati pubblici può quindi produrre effetti molto concreti sulla reputazione e sull’accesso alle opportunità economiche.
Il regolamento europeo sull’intelligenza artificiale vieta, in particolare, di giudicare le persone fisiche sulla base di comportamenti criminali previsti dall’IA e fondati soltanto sul profiling o su caratteristiche personali. Il testo europeo distingue dunque tra la valutazione delle persone e l’analisi dei rischi riferita alle attività economiche, ma l’utilizzo concreto dello strumento deve comunque rispettare supervisione umana, protezione dei dati, trasparenza e diritto di contestazione.
Nel caso di Rozes, la garanzia principale indicata dagli sviluppatori è che lo score non costituisce una prova. Serve a suggerire un approfondimento, non a sostituire l’indagine. L’algoritmo può indicare dove guardare. A decidere che cosa si è davvero verificato devono restare gli investigatori, gli organi di controllo e la magistratura.
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
