In questo articolo Indice dei contenuti 2 sezioni
Ci sono aziende che, guardando i numeri dei loro bilanci, somigliano parecchio a quelle già condannate per reati economici. Da questa intuizione nasce il lavoro di una startup IA italiana che ha messo a punto un sistema di intelligence predittiva capace di segnalare in anticipo i soggetti a rischio, e che ora ha attirato l’attenzione delle istituzioni: per il 30 settembre i suoi fondatori sono attesi in audizione davanti alla commissione parlamentare di inchiesta sul caporalato, chiamati a spiegare come funzionano gli indicatori sviluppati in questi anni.
La società si chiama Rozes, è nata nel 2020 e nel tempo è cresciuta fino a ottenere lo status di società nata dalla ricerca universitaria. Il progetto poggia su studi dell’ateneo di Padova e sul contributo di specialisti di economia criminale, tra cui il docente Antonio Parbonetti. Il modello è stato pubblicato scientificamente e brevettato, e oggi viene usato da diverse imprese attente alla prevenzione, comprese alcune partecipate pubbliche che hanno interesse a mostrare trasparenza.
Come funziona l’algoritmo che legge i bilanci
Il meccanismo, spiegato senza troppi giri di parole, parte dalle fonti aperte. L’algoritmo pesca dai database pubblici, lavora sui dati Anac e sui bilanci depositati alle Camere di Commercio, da cui ricava voci contabili grezze e indici finanziari. Una volta macinati quei numeri, li confronta con un campione di riferimento fatto di imprese per le quali determinati reati sono stati accertati in via definitiva. Il risultato è un grado di similarità: quanto quella società assomiglia, contabilmente parlando, a chi ha già violato la legge.
“Si tratta del primo modello di intelligenza artificiale che è in grado attraverso l’algoritmo, sulla base dell’analisi dei bilanci delle varie aziende, di identificare il grado di similarità rispetto a quelle che commettono illeciti”, spiega il cofondatore e amministratore delegato Jacopo Berti, che però mette subito un paletto: i risultati sono un’indicazione statistica, non un accertamento. La decisione finale resta all’uomo. Il ventaglio di situazioni intercettabili è ampio. Collusioni mafiose, turbative d’asta, caporalato, ma anche la probabilità che un Comune venga sciolto per infiltrazioni mafiose, oltre alle anomalie contabili legate a frodi, riciclaggio, falsa fatturazione, bancarotta fraudolenta, truffe sul debito o sul credito, attività di prestanome e cartelli. In tutto quindici macrocategorie di reato.
Il nodo dei fondi pubblici e la precisione del sistema
Quello che interessa davvero, a chi lavora su questi temi, è il momento in cui arrivano grandi quantità di denaro pubblico. “Lavoriamo da dieci anni su questi temi e studiando il fenomeno abbiamo verificato quanto siano a rischio i fondi Pnrr e in generale le grandi immissioni di capitali”, racconta Berti. L’idea è ricostruire il tessuto economico in versione digitale incrociando milioni di dati, seguendo uno schema che in medicina è già prassi consolidata quando si parla di valutazione del rischio.
Le cifre messe sul tavolo dalla startup sono consistenti. “Quando l’IA è applicata in termini seri e concreti può avere un impatto positivo sui cittadini e impedire che decine di miliardi finiscano nelle mafie o riciclati per attività di terrorismo o criminali. Abbiamo calcolato che se avessimo applicato questi modelli ogni anno al mondo degli appalti pubblici della pubblica amministrazione, lo Stato avrebbe potuto recuperare tra i 10 e i 15 miliardi di euro all’anno”. Uno degli sbocchi possibili è il supporto alle indagini. “Il nostro è uno strumento che, se concesso, potrà supportare gli inquirenti, perché il metodo utilizzato è scientifico”, osserva Berti. Sul fronte dell’affidabilità, le statistiche interne parlano di una precisione del 90%: su dieci soggetti giuridici segnalati come rischiosi, per nove l’allarme trova conferma. Resta però uno spazio di miglioramento, visto che analizzando dieci soggetti giuridici a rischio, quattro riescono ancora a sfuggire alle maglie di Rozes.
Fonte: TecnoAndroid
