L’AI potrebbe aiutare la UIF nella ricerca di aziende potenzialmente legate alla criminalità organizzata (CO): nel Quaderno di analisi e studi pubblicato dalla UIF al n. 22/2024, viene indicato lo sviluppo di un algoritmo di ML i cui dati base si potrebbero trarre dai bilanci pubblicati ai Registri delle Imprese e altre informazioni a disposizione dell’Autorità (per es. i dati sull’occupazione forniti dall’INPS).
Il Machine Learning (ML) costituisce una parte delle prestazioni che è possibile ottenere attraverso l’uso dell’intelligenza artificiale (AI).
Quindi si può dire che, mentre il ML è una branca dell’AI, quest’ultima non include solo il ML.
Per funzionare, il ML utilizza algoritmi che trattano dati in modo iterativo; gli algoritmi, a loro volta, consistono in una serie di istruzioni che formano una procedura per arrivare a un risultato. Tra le applicazioni più diffuse di machine learning possiamo citare per es. le ricerche di mercato.
Se trasportiamo le potenzialità di tali applicazioni a una banca di dati aziendali, con le appropriate procedure, si potrà rilevare una serie di dati che propongono dei risultati da analizzare.
In concreto, ciò viene illustrato nello studio eseguito dal Quaderno n. 22 pubblicato a giugno 2024 dall’Unità di Informazione Finanziaria per l’Italia (è disponibile qui il documento completo in lingua inglese).
La UIF è l’Autorità incaricata di acquisire i flussi finanziari e le informazioni riguardanti ipotesi di riciclaggio e/o di finanziamento del terrorismo principalmente attraverso le segnalazioni di operazioni sospette (cd. S.O.S.) trasmesse da intermediari finanziari, professionisti e altri operatori economici obbligati, effettuandone l’analisi finanziaria utilizzando le fonti e i poteri di cui dispone. Inoltre, valuta la rilevanza dei risultati ai fini della trasmissione agli Organi investigativi e della collaborazione con l’Autorità giudiziaria, per l’eventuale sviluppo dell’azione di repressione.
Nel citato Quaderno 22 di UIF si illustra che, allo scopo di rilevare aziende potenzialmente collegate alla CO, viene sviluppato un algoritmo di machine learning.
A questo fine, si utilizza un campione di oltre 28.000 aziende italiane, caratterizzate da una elevata probabilità di essere collegate alla CO, che vengono confrontate con sottoinsiemi di aziende presumibilmente ”sane” selezionati casualmente.
I risultati ottenuti mostrano che, in fase di test, l’algoritmo identifica con successo circa il 76% delle aziende collegate alla CO e il 74% delle aziende presumibilmente “sane”.
Come si evince dalla pubblicazione della UIF in merito all’algoritmo di machine learning, le imprese che possono considerarsi legate alla CO non sono soltanto quelle da essa direttamente controllate, ma anche quelle possedute / gestite da soggetti che ritengono redditizio tessere relazioni con esse.
Affinando opportunamente gli algoritmi che regolano tutto il processo, l’auspicato risultato è l’indicazione di un ”punteggio di rischio” che potrebbe supportare l’azione delle Autorità antiriciclaggio e delle Forze dell’Ordine nell’azione preventiva di contrasto al riciclaggio e al finanziamento del terrorismo.
Giuseppina Spanò – Centro Studi CGN
