Deledda (CRIF): AI fondamentale per la stima dei rischi climatici

In un contesto di incertezza strutturale e di tensioni a livello internazionale, le banche sono chiamate a gestire uno scenario economico di interconnessione tra i fenomeni in gioco, in cui le variazioni di un settore o di una geografia si riflettono su tutti gli altri. Con questa premessa Antonio Deledda, Executive Director di CRIF, ha iniziato il suo intervento alla tavola rotonda plenaria di Supervision, Risks & Profitability 2024.

Deledda ha delineato lo scenario di un’economia italiana in crescita e presentato le analisi degli osservatori CRIF, con particolare riferimento al credito alle imprese, per poi approfondire con un focus il modo in cui l’Intelligenza Artificiale può supportare il sistema bancario nell’ambito della sostenibilità ESG.

Nel 2023 il PIL dell’Italia è aumentato dello 0,9%, rispetto a una crescita del 0,4% dell’area Euro, e ha continuato su base congiunturale nei primi mesi del 2024. L’inflazione si è mantenuta su valori bassi, scendendo allo 0,9%in aprile e risultando, nel complesso dell’anno, poco superiore all’1%. Questo è stato possibile grazie al deciso rallentamento dei prezzi energetici e all’aumento del reddito disponibile alle famiglie, sostenuto dall’aumentodell’occupazione. Il reddito disponibile dei nuclei familiari è cresciuto del 4,7% a prezzi correnti, ma a causa dell’ulteriore aumento dei prezzi, in particolare di quelli dei beni alimentari, il potere d’acquisto è diminuito dello 0,5%. Questo non ha però fatto rallentare i consumi, per i quali gli italiani hanno attinto al risparmio e al credito al consumo. “In un contestoancora caratterizzato da incertezza economica a livello nazionale e globale, le PMI italiane si sono dimostrate resilienti. Il PIL del nostro Paese ha fatto registrare 14 trimestri (fatta eccezione per il secondo trimestre 2023) in continua crescita e, per quanto riguarda le imprese, questo lo abbiamo riscontrato in un andamento migliore sia per quanto riguarda ipagamenti commerciali che i tassi di default creditizi, seppure con differenze tra i vari settori”, ha spiegato Deledda.

Le analisi dell’Osservatorio CRIF sulle Imprese, illustrate da Deledda, mostrano una risalita molto lenta ma costante dei tassi di default, dopo un lungo periodo di discesa influenzato dalle misure di sostegno governative. A partire dal 2022 si nota una leggera inversione di tendenza, che si protrae nel corso del 2023, arrivando a chiudere l’anno con un tasso didefault medio del 2,6%. L’intensità della risalita dei tassi non è stata tuttavia omogenea a livello settoriale: mentre i settori più resilienti hanno mostrato una certa stabilità, altri hanno evidenziato un trend in rialzo con incrementi comunque limitati, sotto i 100 basis point in 12 mesi.

Transizione energetica e crisi climatica sono due ambiti in cui emerge con forza e attualità lo stretto rapporto tra Intelligenza Artificiale e criteri ESG. Deledda ha presentato un interessante use case di utilizzo dell’AI per stimare gli impatti e le potenziali perdite dovute ai rischi climatici, prendendo in esame la disastrosa alluvione avvenuta in Emilia-Romagna a maggio 2023. A differenza dei dati a bassa risoluzione, che portano a valutazioni incompatibili con la necessità di definire policy ESG, l’uso di dati ad alta granularità (25m x 25m) permette di costruire una previsione del rischio più puntuale e coerente con la percentuale di immobili effettivamente colpiti in caso di evento estremo.

Ad esempio, nello use case illustrato, tramite i modelli sviluppati da CRIF sono stati identificati come “ad alto rischio” solo il 2% degli immobili dell’intera area presa in esame (comune di Faenza), di questi il 52% è stato effettivamente alluvionato. Del restante 98%, definito da CRIF-RED come a “rischio basso”, solo il 3% si è alluvionato.

“I rischi del cambiamento climatico - ha affermato Deledda - sono purtroppo sempre più rilevanti per le aziende e il loro business. In quest’ambito, servono stime e misurazioni dei rischi basati sull’integrazione di innumerevoli fonti dati granulari e ad alta risoluzione. Per innovare e affiancare al meglio le imprese, i player finanziari devono dotarsi di strumenti avanzati per la valutazione degli impatti e delle potenziali perdite economiche dovute ai fenomeni naturali, che valorizzino tutte le possibilità date dall’Intelligenza Artificiale di sviluppare modelli complessi su dataset estesi ed eterogenei. I risultati del nostro case study mostrano come un’analisi preventiva del rischio condotta tramite adeguati modelli matematici rappresenta un ausilio informativo chiave, laddove disponibile, nella fase di costruzione o acquisto dell’immobile o nella fase di finanziamento dello stesso, per generare consapevolezza sul livello di rischio e incentivare l’adozione di misure di adattamento al rischio, sia di tipo assicurativo che di tipo fisico”.