L’avvento dell’Intelligenza Artificiale è senza dubbio tra i fattori scatenanti di quella che molti esperti definiscono “Rivoluzione Industriale 4.0”. Una nuova tecnologia, dalle potenzialità illimitate e, soprattutto, accessibile a tutti, capace di velocizzare non solo i processi più complessi in ambito lavorativo e scientifico, ma anche quelli meramente routinari e semplici.
Un supporto tecnologico capace, come sappiamo, di sostituire l’uomo in tutte quelle attività a basso valore aggiunto lasciando così all’operatore umano il solo compito di analizzare i risultati ottenuti.
Un cambio di passo decisamente rilevante rispetto al passato, che si ripercuote considerevolmente in numerosi ambiti, come l’economia, la sanità e l’ambiente.
Tralasciando in questa fase i dettagli tecnici di questa tecnologia, di cui ho avuto già modo di trattare in altri scritti sull’argomento(1), è interessante notare come spesso l’Intelligenza Artificiale e, in particolare, il suo sviluppo, venga associata prevalentemente ad un utilizzo di tipo privatistico, come se fosse appannaggio delle sole aziende private nonché dallo stesso privato. Nella realtà, gli studi di settore hanno dimostrato come questa nuova tecnologia possa essere messa facilmente a disposizione dalle entità pubbliche per attività atte al benessere pubblico, come ad esempio:
- per il monitoraggio ambientale utilizzando i satelliti in orbita o anche,
- in ambito sanitario, per il monitoraggio di condizioni patologiche gravi (permettendo così di migliorare l’attività di prevenzione generando notevoli vantaggi sia per i pazienti interessati che per il Sistema Sanitario).
Spostando, quindi, il focus sul settore della Pubblica Amministrazione e tenendo conto del meccanismo con cui viene disegnato un sistema di Intelligenza Artificiale, approfondiremo in questa sede il criterio di analisi dell’Intelligenza Artificiale volto a monitorare, con i dovuti adattamenti, le situazioni contabili degli Enti Locali, partendo da meccanismi già in uso, ad esempio, per la redazione dei bilanci delle società private, e apportandone le dovute correzioni avendo il mondo “pubblico” delle regole contabili proprie.
In questo modo, infatti, è divenuto possibile prevedere con largo anticipo eventuali criticità finanziarie degli Enti, con ricadute positive quali la possibilità di evitare ulteriori costi per l’Erario, costretto di volta in volta ad intervenire con somme ingenti (pensiamo a scopo di esempio al potenziale intervento per dissesto di un Comune come Roma o Milano).
La sperimentazione in atto del modello di IA
Già da qualche mese è in via di sperimentazione un modello di intelligenza artificiale in grado di prevedere le crisi finanziarie degli Enti pubblici italiani ed in particolare le crisi degli Enti Locali. Un ampio lasso di tempo rispetto ad un eventuale dissesto. Un arco temporale utile per chi ha il compito di intervenire, potendo ridurre quindi i rischi economici per l’Erario e, soprattutto, i rischi sociali che, inevitabilmente, un dissesto finanziario comporterebbe. Non va assolutamente dimenticato, infatti, che una delle conseguenze del fallimento (termine improprio, ma utile in questo caso a comprendere il fenomeno di cui si vuole discutere) di un Ente Pubblico è la riduzione della possibilità di spesa (o per generare risparmi di cassa o per l’aumento dei costi da finanziamenti esterni) e che questo si riverserebbe inevitabilmente sui servizi a favore della cittadinanza, in particolare sulle fasce più deboli della popolazione che, differentemente dai soggetti a maggior reddito, non potrebbero compensare i minori servizi pubblici con un aumento della spesa privata.
Pertanto, entrando nel dettaglio, il progetto di cui vogliamo anticipare la trattazione è il “modello predittivo sulla crisi finanziaria nei comuni”. Un’attività rilevante che potrebbe essere di supporto alle Istituzioni incaricate di verificare e prevenire, ove possibile, situazioni di dissesto e successivo riequilibro. Concetti questi che, pur traendo origine nell’istituto del fallimento (e della tutela dei creditori), seguono direzioni diverse rispetto al mondo del privato, poiché il fallimento di un Ente, infatti, non può avvenire con le stesse modalità di una qualsiasi impresa privata. Inoltre, le crisi finanziarie dei Comuni, ad esempio, non sono eventi rari, se si considera che negli ultimi 30 anni quasi 700 Enti hanno subito un dissesto e per poco meno di 500 di essi sono state richieste procedure di riequilibro finanziario. Fatte queste premesse e considerando che la normativa vigente prevede che l’emersione delle situazioni di crisi finanziaria avvenga attraverso degli indicatori e relative soglie, è stato possibile testare nel corso del 2022 lo sviluppo di un modello predittivo su machine learning (sezione dell’intelligenza artificiale con lo scopo di predisporre sistemi capace di apprendere e migliorarsi sulla base ai dati utilizzati) in grado di individuare in anticipo eventi di deficit strutturale degli Enti. Tale modello si basa sia su dati generali (ad es. l’area geografica e la dimensione), sia su dati con maggiore specificità e tecnicismo, prendendo come base l’insieme dei Comuni italiani e una serie di banche dati al fine di addestrare il modello predittivo a riconoscere gli enti in crisi. A valle di tale attività iniziale, si è provveduto a fissare delle categorie di rischio e dei benchmark del modello creato.
Un fattore rilevante che ha permesso di rendere il nuovo modello di intelligenza artificiale particolarmente preciso nella rilevanza della situazione di stress economico e finanziario è stata sicuramente la possibilità di accedere a dati relativamente attendibili come lo sono quelli della pubblica amministrazione. La qualità del dato è infatti un fattore determinante per la buona riuscita dei modelli, al fine di ridurre di importare dei pregiudizi (c.d. bias) che vadano a vanificare l’analisi finale.
Infine, trattandosi di una tecnologia la cui utilità è diretta ad uso pubblico o, più in generale, diretta ad essere utilizzata elaborando dati degli Enti Locali, sarà interessante valutare le implicazioni che potrebbe la normativa europea sull’intelligenza artificiale attualmente evoluzione (c.d. AI Act). Giova ricordare che tra i principali elementi dell’accordo provvisorio tra Consiglio e Parlamento europeo è emerso che la nuova normativa è volta a regolare soprattutto i modelli di IA che hanno finalità generali ad alto impatto che possono comportare rischi sistemici in futuro.
Conclusioni
In conclusione, è stato possibile predisporre un sistema operativo sin da subito capace di predire annualmente quali Comuni necessitano di attenzioni, aumentando l’efficienza d’intervento da parte di chi è chiamato a svolgere attività di controllo. Trattandosi di un sistema di machine learning, le predizioni annuali dovranno:
- da un lato servire a migliorare il processo di apprendimento,
- dall’altro andranno valutate con attenzione al fine di individuare i falsi positivi, cioè situazioni di crisi non relative all’anno di analisi (ad esempio un potenziale dissesto nell’anno successivo).
Infine, questo sistema operativo potrebbe essere a sua volta dato in gestione sia ad altre funzioni nella Pubblica Amministrazione (ad esempio funzioni di controllo interno direttamente negli Enti Locali), sia ad Enti che potrebbe utilizzare nelle valutazioni relative ad erogazioni di finanziamenti verso Comuni e altri Enti Pubblici.
Con la consulenza tecnica di Dario Piermarini (data scientist).
Le opinioni espresse e le conclusioni sono attribuibili esclusivamente all’Autore e non impegnano in alcun modo la responsabilità di Fintecna S.p.A.-Gruppo CDP
Per approfondimenti, consultare i seguenti link e/o riferimenti:
(1) A. MICOCCI (2023), “Intelligenza Artificiale e Rischi per l’Azienda”, Risk & Compliance Platform Europe; www.riskcompliance.it
