Intelligenza artificiale, scoring comportamentale e asimmetria informativa: perché l’imprenditore che non conosce la propria fotografia creditizia è sistematicamente svantaggiato
Il punto di partenza: una decisione presa prima della conversazione
Quando un imprenditore chiede un fido, un’integrazione di linea o una ristrutturazione del debito, tende a pensare che il processo valutativo inizi nel momento in cui si siede davanti al direttore di filiale. Non è così. Nel sistema bancario italiano attuale, una parte rilevante del giudizio è già stata formulata — in modo silenzioso, continuo e automatizzato — da modelli di intelligenza artificiale che analizzano il comportamento finanziario dell’azienda settimana dopo settimana.
Questo non è un fenomeno di nicchia né una tendenza emergente. È la realtà operativa del credito alle imprese nel 2026.
Cosa ha certificato il legislatore
Il D.Lgs. 47/2026, entrato in vigore il 29 aprile 2026 come attuativo della cosiddetta “Legge Capitali”, ridisegna la governance delle società di capitali modificando organicamente il Testo Unico della Finanza e il Codice Civile. Tra le novità, viene integrato il contenuto della relazione sul governo societario, inserendo l’obbligo di riferire sulle politiche della società in materia di utilizzo e monitoraggio delle nuove tecnologie — in specie dei sistemi di intelligenza artificiale — negli assetti amministrativi, organizzativi e contabili, e sui rischi informatici che derivano dall’utilizzo di sistemi automatizzati.
La portata di questa norma va letta nel senso corretto: il legislatore non sta immaginando un futuro prossimo. Sta codificando una realtà già presente, imponendo alle società quotate di rendere conto di sistemi che già usano. L’AI nei processi decisionali finanziari è un fatto istituzionalmente riconosciuto, non un esperimento.
Come funziona lo scoring comportamentale
I modelli predittivi di nuova generazione non si limitano a leggere il bilancio depositato in Camera di Commercio. Vanno molto più in profondità.
L’utilizzo di modelli di intelligenza artificiale e machine learning permette di sfruttare fonti di dati alternative rispetto a quelle tradizionali: dati sulle movimentazioni del conto corrente, dati di fonti interne o acquistati da fornitori di analytics e persino dati provenienti dal web e dai social media.
I dati transazionali PSD2 multi-banca vengono acquisiti tramite API, categorizzati e arricchiti tramite algoritmi di intelligenza artificiale prima di essere gestiti da motori di machine learning. Modelli predittivi effettuano un’analisi automatizzata dei comportamenti di spesa e restituiscono uno scoring istantaneo.
In modo particolarmente rilevante per il mercato italiano, i modelli AI permettono di valutare il merito creditizio anche di soggetti con storico creditizio limitato — come lavoratori autonomi, partite IVA, startup — usando variabili alternative come dati di pagamento delle utenze, comportamento sul conto corrente, dati di open banking. Tommaso Maria Ricci
In termini concreti, le variabili tipicamente monitorate includono: la stagionalità degli incassi e la sua varianza anno su anno; la concentrazione del fatturato su un numero ristretto di clienti; il tasso di utilizzo degli affidamenti a breve nel corso del mese; la frequenza e l’entità degli scoperti tecnici; i tempi di rotazione dei crediti commerciali; la presenza di addebiti ricorrenti anomali o di movimenti che segnalano tensione di cassa. Nessuna di queste variabili compare in un bilancio. Tutte sono visibili alla banca in tempo quasi reale.
Le variabili che lo scoring comportamentale può leggere prima ancora della richiesta di credito
| Variabile osservata | Segnale letto dalla banca | Rischio interpretativo | Priorità |
|---|---|---|---|
| Utilizzo costante degli affidamenti | Dipendenza strutturale dal credito a breve | Peggioramento del profilo comportamentale | Alta |
| Scoperti tecnici ricorrenti | Tensione di cassa non governata | Segnale negativo anche per importi ridotti | Molto alta |
| Incassi stagionali non documentati | Volatilità dei flussi finanziari | Anomalie apparenti nei mesi di minore liquidità | Media |
| Fatturato concentrato su pochi clienti | Dipendenza commerciale da controparti limitate | Rischio cliente amplificato dal modello | Alta |
| Addebiti rifiutati o rate scadute | Fragilità nella gestione ordinaria del passivo | Penalizzazione sproporzionata rispetto all’importo | Molto alta |
La posizione della Banca d’Italia
La Banca d’Italia ha analizzato il tema dell’utilizzo di tecniche di intelligenza artificiale e machine learning a supporto della valutazione del rischio di credito da parte degli intermediari italiani, con l’obiettivo di verificare le modalità con le quali questi fanno uso di tali tecniche nella selezione e gestione della clientela nei processi creditizi.
Un aggiornamento più recente dello stesso filone di ricerca ha mostrato risultati significativi: confrontando le prestazioni dei modelli tradizionali con quelle dei modelli di intelligenza artificiale — in particolare modelli di machine learning e di deep learning — i risultati suggeriscono che il deep learning migliora la capacità discriminante; gli insiemi di alberi decisionali apportano un ulteriore miglioramento, così come un meta-modello che combina random forests, extreme gradient boosting e reti neurali.
La traduzione pratica: la banca dispone oggi di strumenti capaci di discriminare il rischio con una granularità che i modelli tradizionali non consentivano. L’imprenditore che non sa di essere osservato con questo livello di dettaglio è in posizione di svantaggio strutturale.
Il quadro normativo che protegge (in teoria) l’impresa
L’applicazione dell’AI al credit scoring genera obblighi precisi in capo alle banche. L’AI Act prevede specificamente che un sistema di intelligenza artificiale debba essere sempre considerato ad alto rischio se effettua profilazione delle persone fisiche — e questo requisito non viene meno nemmeno quando il sistema è usato in supporto a una valutazione umana. Analisiaziendale
In linea con quanto previsto dal GDPR in merito al diritto a non essere sottoposti a decisioni basate unicamente su trattamenti automatizzati che producono effetti giuridici o che incidono significativamente sulle persone, l’AI Act prevede meccanismi di supervisione umana sui sistemi di AI, commisurati ai rischi, al livello di autonomia e al contesto di utilizzo.
I sistemi ad alto rischio come quelli impiegati per la verifica della solvibilità sono sottoposti a obblighi di trasparenza, documentazione e controllo molto rigidi: il sistema deve disporre di una documentazione tecnica precisa, registrare tutte le funzioni e prevedere la possibilità di un controllo umano.
Le persone hanno il diritto di contestare decisioni automatizzate e richiedere l’intervento umano
Il problema non è l’assenza di tutele normative. È che il 95% delle PMI italiane non sa di poterle invocare — e non le invoca.
L’asimmetria che nessuno risolve da solo
Il punto critico non è tecnico: è informativo. La banca costruisce un profilo dinamico dell’impresa in modo continuo e sistematico. L’imprenditore costruisce un’immagine di sé solo nel momento in cui ha bisogno di credito, e la costruisce con gli strumenti sbagliati — il bilancio storico, le dichiarazioni verbali, la relazione con il direttore.
Questa asimmetria produce effetti misurabili:
- Un’impresa con EBITDA in crescita ma con utilizzo degli affidamenti stabilmente al 90% del massimale riceve segnali negativi dallo scoring comportamentale, indipendentemente dal risultato economico.
- Un’impresa con fatturato concentrato su tre clienti è penalizzata dalla variabile “concentrazione del rischio clienti”, anche se quei tre clienti sono solidissimi.
- Un’impresa con incassi stagionali che utilizza il conto corrente come strumento di gestione della liquidità — quindi con saldi negativi in certi mesi — accumula segnali di tensione che il modello interpreta come fragilità strutturale.
Nessuno di questi elementi è necessariamente un problema reale. Tutti diventano problemi se non vengono governati attivamente.
Come si governa il profilo
La gestione attiva del profilo creditizio non è un’attività straordinaria: è una componente ordinaria della gestione finanziaria d’impresa che la maggior parte delle PMI italiane non esercita.
Le leve sono identificabili con precisione:
- Utilizzo degli affidamenti. Mantenere l’utilizzo medio del fido a breve stabilmente al di sotto del 70-75% del massimale è un segnale positivo per i modelli comportamentali. Utilizzi sistematicamente superiori all’80-85% sono letti come segnale di dipendenza dal credito a breve, indipendentemente dalla redditività.
- Stagionalità documentata. Se l’impresa ha un profilo stagionale riconoscibile, questo va comunicato esplicitamente alla banca e documentato — non lasciato alla lettura automatica del modello. Un modello che non conosce la stagionalità interpreta i picchi negativi come anomalie.
- Concentrazione del portafoglio clienti. Ridurre la concentrazione su singoli clienti al di sotto del 30-35% del fatturato totale migliora il profilo di rischio. Quando non è possibile, è necessario documentare la qualità del singolo cliente — rating, dimensione, storia pagamenti — per compensare il dato grezzo.
- Regolarità dei flussi. La coerenza tra ricavi dichiarati e flussi sul conto corrente è una delle variabili più monitorate. Imprese con ricavi che “non transitano” sul conto corrente principale creano incoerenze che i modelli segnalano come anomalie.
- Pulizia del passivo a breve. La presenza di rate scadute, anche di importo marginale, di addebiti rifiutati o di utilizzi ripetuti di scoperti tecnici non autorizzati deteriora il profilo con un peso sproporzionato rispetto al valore assoluto degli importi.
Le leve operative per migliorare il profilo bancario prima della richiesta di credito
| Area di intervento | Azione consigliata | Effetto sul profilo | Urgenza |
|---|---|---|---|
| Affidamenti a breve | Mantenere l’utilizzo medio sotto il 70-75% del massimale | Riduce la percezione di dipendenza dal credito corrente | Alta |
| Flussi di cassa | Allineare ricavi dichiarati e movimenti sul conto principale | Rende più coerente la fotografia finanziaria dell’impresa | Alta |
| Stagionalità | Documentare in anticipo i cicli ricorrenti di incasso e pagamento | Evita che i picchi negativi vengano letti come anomalie | Media |
| Clienti principali | Ridurre la concentrazione o documentare la solidità delle controparti | Compensa il rischio apparente di dipendenza commerciale | Media |
| Passivo corrente | Eliminare rate scadute, insoluti tecnici e addebiti rifiutati | Evita penalizzazioni automatiche sullo scoring comportamentale | Molto alta |
Il diritto che nessuno esercita
L’AI Act — pienamente applicabile ai sistemi di credit scoring bancario — attribuisce all’impresa il diritto di ricevere una spiegazione delle decisioni automatizzate che la riguardano, di conoscere le variabili utilizzate e di contestare valutazioni basate su dati scorretti o su profili costruiti erroneamente.
L’ampiezza della base di dati personali necessari al funzionamento degli algoritmi decisionali, oltre che i criteri adottati da tali sistemi, hanno inevitabilmente posto dottrina e giurisprudenza innanzi a delicate questioni inerenti all’effettivo rispetto delle cautele e garanzie contenute nella disciplina generale e in quella bancaria.
Nella pratica, questo si traduce in uno strumento operativo: prima di qualsiasi richiesta di credito rilevante, è possibile — e opportuno — richiedere alla propria banca la base informativa utilizzata nella valutazione, verificarne la correttezza e correggere eventuali errori. È un diritto codificato. Non è quasi mai esercitato.
Cosa cambia nell’approccio
La logica tradizionale dell’imprenditore italiano nel rapporto con la banca è reattiva: si prepara il dossier quando serve il credito. La logica corretta è quella opposta: il dossier bancario si costruisce ogni giorno, attraverso il comportamento ordinario sui conti, la gestione dei flussi, la struttura del passivo.
GrifoFinance opera esattamente su questa interfaccia: leggere il profilo creditizio dell’impresa prima che lo legga la banca, identificare le variabili che penalizzano lo scoring, intervenire sulle leve modificabili e presentare il dossier nella condizione ottimale. Non si tratta di window dressing: si tratta di eliminare l’asimmetria informativa che oggi avvantaggia sistematicamente la controparte bancaria rispetto all’imprenditore.
La banca sa già tutto. La domanda è se l’imprenditore vuole saperlo anche lui.
Rating bancario · Scoring comportamentale · Profilo creditizio PMI
La banca sta già leggendo la tua impresa.
Sai che fotografia creditizia vede?
Prima di chiedere un fido, un finanziamento o una rinegoziazione, è utile capire come la banca interpreta il comportamento finanziario dell’azienda: utilizzo degli affidamenti, flussi di cassa, concentrazione clienti, stagionalità degli incassi, Centrale Rischi e segnali di tensione. Una richiesta di credito non si prepara il giorno dell’incontro: si costruisce prima.
GrifoFinance, mediatore creditizio iscritto OAM al n. M538, affianca imprese e professionisti nella lettura del profilo creditizio, nell’individuazione delle variabili che possono influenzare il rating bancario e nella costruzione di un dossier finanziario più solido prima del confronto con gli istituti.
