Attraverso l’analisi dei bilanci delle società su fonti aperte, intervenire in anticipo con l’IA per individuare le aziende con comportamenti sospetti che sono a rischio di commettere reati oppure scovare quelle che già li commettono. Una startup italiana ha raggiunto il suo obiettivo di ‘intelligence predittiva’ che ora incuriosisce anche le istituzioni: per il 30 settembre gli autori di questo sistema sono stati convocati dalla commissione parlamentare di inchiesta sul caporalato, affinché possa raccontare alle istituzioni gli ‘indicatori’ che ha sviluppato.
‘Rozes’, nata nel 2020, si è sviluppata fino ad evolversi e ad ottenere lo status di spin-off universitario oltre all’ingaggio da diverse aziende attente sul fronte della prevenzione, comprese le cosiddette ‘partecipate’ che puntano a garantire trasparenza. Il progetto, elaborato sulla base di ricerche dell’ateneo di Padova, si è avvalso del supporto di esperti di economia criminale come il docente universitario Antonio Parbonetti, è stato pubblicato scientificamente e brevettato. “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 ad della startup, Jacopo Berti, chiarendo che i risultati dei modelli di IA sono un’indicazione statistica, non un accertamento, ricordando che la decisione finale resta all’uomo.
L’algoritmo estrae informazioni dai database pubblici e lavorano sui dati Anac o di vari bilanci depositati alle Camere di Commercio, da cui è possibile ricavare voci contabili grezze e indici finanziari. Una volta macinate le informazioni, queste vengono confrontate con il grado di similarità a quelli di un campione di riferimento di imprese per le quali sono stati già definitivamente accertati dalla legge determinati reati. Con questo sistema – secondo quanto riferiscono gli autori della startup – sarebbe possibile individuare aziende esposte al rischio di collusioni mafiose, turbative d’asta, caporalato, ma anche sulla probabilità di scioglimento di un Comune per infiltrazioni mafiose o anomalie contabili associate a frodi, riciclaggio, falsa fatturazione e bancarotta fraudolenta, truffe sul debito o sul credito, attività di prestanome e attività di cartello: in tutto 15 macrocategorie di reato.
“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”, dice Berti, che incrociando milioni di dati sta provando ricostruire il mondo economico in maniera digitale, secondo uno schema che esiste già in medicina e riguarda la valutazione dei rischi. “Quando l’IA è applicata in termini seri e concreti – aggiunge – 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 della pubblica amministrazione, lo Stato avrebbe potuto recuperare tra i 10 e i 15 miliardi di euro all’anno”. Dunque uno dei futuri compiti potrebbe essere quello di estrarre informazioni per facilitare le indagini: “il nostro è uno strumento che, se concesso, potrà supportare gli inquirenti, perché il metodo utilizzato è scientifico”. Secondo le statistiche della startup, la precisione dell’algoritmo è del 90%: cioè su dieci soggetti giuridici indicati come rischiosi, per nove di questi l’analisi d’allarme ipotizzata dalla macchina viene confermata. Ma ci sono ancora margini per implementare il sistema: analizzando 10 soggetti giuridici rischiosi, 4 ancora sfuggono a Rozes.
Riproduzione riservata © Copyright ANSA
