Rozes utilizza dati pubblici e informazioni di bilancio per individuare anomalie finanziarie e possibili segnali di illegalità

L’intelligenza artificiale entra nel campo della prevenzione dei reati economici con un sistema capace di analizzare i bilanci societari e individuare aziende che presentano caratteristiche simili a quelle già coinvolte in attività illecite. Il progetto è stato sviluppato da Rozes, startup italiana nata nel 2020 e diventata successivamente uno spin off universitario.

L’obiettivo non è stabilire automaticamente la responsabilità di un’impresa, ma fornire un indicatore statistico utile per orientare controlli e approfondimenti. Il modello può segnalare possibili anomalie collegate a infiltrazioni mafiose, caporalato, frodi, riciclaggio e altri reati finanziari.

Il progetto Rozes arriva all’attenzione del Parlamento

Il sistema ha suscitato l’interesse delle istituzioni. Gli ideatori sono stati convocati per il 30 settembre dalla commissione parlamentare d’inchiesta sul caporalato, con l’obiettivo di illustrare gli indicatori elaborati e le possibili applicazioni dello strumento.

La tecnologia nasce da attività di ricerca condotte nell’ambito dell’Università di Padova e si è sviluppata con il contributo di studiosi ed esperti di economia criminale, tra i quali il docente universitario Antonio Parbonetti. Il progetto è stato inoltre oggetto di pubblicazioni scientifiche e di brevetto.

Rozes collabora con aziende e società partecipate interessate a rafforzare i sistemi di controllo, trasparenza e prevenzione dei rischi.

Come funziona l’intelligence predittiva applicata alle imprese

Il modello utilizza l’intelligence predittiva per confrontare le caratteristiche economiche e finanziarie delle società. L’algoritmo raccoglie informazioni provenienti da fonti aperte, tra cui i dati dell’Anac e i bilanci depositati presso le Camere di Commercio.

Dai documenti vengono estratte voci contabili, indicatori finanziari e altre informazioni utili a ricostruire il profilo economico dell’impresa. Questi elementi sono poi confrontati con quelli appartenenti a un campione di aziende per le quali determinati illeciti sono stati accertati definitivamente.

Il risultato indica il livello di somiglianza tra l’impresa esaminata e i soggetti già coinvolti in fenomeni criminali. Una maggiore corrispondenza non rappresenta però una prova di colpevolezza, ma un possibile segnale di rischio da verificare attraverso controlli e indagini.

Quali reati può contribuire a individuare l’algoritmo

Il sistema sarebbe in grado di analizzare indicatori riconducibili a 15 macrocategorie di illecito. Tra i fenomeni presi in considerazione rientrano:

• collusioni mafiose
• caporalato
• turbative d’asta
• frodi fiscali
• riciclaggio di denaro
• falsa fatturazione
• bancarotta fraudolenta
• truffe sul debito o sul credito
• attività svolte attraverso prestanome
• accordi di cartello tra imprese

L’analisi potrebbe essere impiegata anche per valutare anomalie riconducibili al rischio di infiltrazioni mafiose negli enti locali o alla possibile compromissione delle procedure pubbliche.

Un possibile strumento per proteggere appalti e fondi Pnrr

Uno degli ambiti più delicati riguarda gli appalti pubblici e le ingenti risorse immesse nell’economia attraverso il Pnrr. Quando grandi quantità di denaro vengono distribuite in tempi relativamente brevi, aumenta la necessità di sistemi capaci di intercettare tempestivamente operazioni sospette.

Secondo Jacopo Berti, cofondatore e amministratore delegato della startup, l’applicazione sistematica di questi modelli al settore degli appalti pubblici avrebbe potuto consentire allo Stato di recuperare ogni anno una somma compresa tra 10 e 15 miliardi di euro.

Si tratta di una stima formulata dagli sviluppatori del sistema e non di un importo già accertato. Il dato evidenzia comunque il potenziale economico degli strumenti di prevenzione delle frodi, soprattutto quando vengono utilizzati per selezionare le situazioni sulle quali concentrare verifiche più approfondite.

La precisione dichiarata e i limiti ancora presenti

In base alle statistiche comunicate dalla startup, l’algoritmo raggiungerebbe una precisione del 90 per cento: tra dieci soggetti giuridici classificati come rischiosi, nove presenterebbero effettivamente le condizioni che hanno generato la segnalazione.

Il modello mostra però anche un limite significativo. Su dieci soggetti realmente rischiosi, quattro non verrebbero ancora individuati. Ciò significa che lo strumento può produrre dei falsi negativi e non deve essere considerato infallibile.

La distinzione è fondamentale. Una percentuale elevata di conferme tra le aziende segnalate non garantisce che il sistema riesca a riconoscere tutti i casi esistenti. Per questo motivo l’algoritmo può rappresentare un supporto, ma non può sostituire le verifiche documentali, l’attività investigativa e la valutazione delle autorità competenti.

L’intelligenza artificiale supporta le indagini ma non decide

Gli stessi sviluppatori sottolineano che i risultati prodotti dall’algoritmo predittivo hanno natura statistica. La macchina individua corrispondenze, anomalie e livelli di rischio, mentre l’accertamento di un reato resta affidato agli investigatori e alla magistratura.

In prospettiva, Rozes potrebbe essere utilizzato per estrarre informazioni da grandi quantità di dati e agevolare il lavoro degli inquirenti. Il vantaggio principale consisterebbe nella possibilità di restringere il campo delle verifiche e riconoscere più rapidamente schemi finanziari difficili da rilevare con un controllo esclusivamente manuale.

L’utilizzo di una tecnologia così delicata richiede però criteri trasparenti, dati affidabili e controlli costanti. Occorre inoltre evitare che una semplice segnalazione algoritmica venga interpretata come una prova, tutelando le imprese da valutazioni automatiche prive di un successivo riscontro umano.

Una nuova frontiera nella prevenzione dei reati finanziari

L’esperienza di Rozes mostra come l’IA applicata ai bilanci aziendali possa diventare uno strumento utile per la pubblica amministrazione, le società partecipate e le imprese impegnate nella verifica dei propri partner commerciali.

La sfida sarà trasformare le segnalazioni statistiche in un sistema realmente affidabile, rispettoso dei diritti e integrato con le procedure tradizionali di controllo. Se utilizzata con prudenza, l’intelligenza artificiale può aiutare a riconoscere prima le anomalie e a proteggere le risorse pubbliche, senza confondere la previsione di un rischio con l’accertamento di un illecito.