CRIF: dati, AI e scenari di rischio al centro della trasformazione bancaria

Una visione integrata sull'evoluzione del sistema finanziario europeo, le dinamiche del rischio di credito e l'innovazione nei modelli di controllo. Segue questo approccio di visione il contributo portato da CRIF alla platea di Supervision, Risks & Profitability 2026, l'evento annuale promosso da ABI, in collaborazione con DIPO, dedicato ai temi della Vigilanza Europea e della gestione dei rischi.

In un contesto caratterizzato da crescente instabilità geopolitica e complessità regolamentare, i diversi interventi degli esperti CRIF hanno evidenziato in maniera coerente come dati, analytics avanzati e intelligenza artificiale rappresentino leve essenziali per rafforzare i processi decisionali, migliorare la gestione del rischio e sostenere la competitività del sistema.

Antonio Deledda, Executive Director di CRIF, ha approfondito in particolare il ruolo della Savings & Investments Union (SIU) nel sostenere crescita, innovazione e competitività del sistema europeo. Il punto centrale emerso è che la SIU non può essere letta solo come una riforma finanziaria, ma come una trasformazione infrastrutturale del modo in cui il risparmio europeo viene orientato verso l'economia reale.

Il contesto evidenzia un disallineamento strutturale tra disponibilità di risparmio e capacità di finanziamento delle imprese: a settembre 2025 la ricchezza finanziaria delle famiglie italiane ha raggiunto circa 6.271 miliardi di euro, in aumento di circa 258 miliardi rispetto a dicembre 2024, mentre lo stock dei prestiti bancari alle imprese si è progressivamente ridotto rispetto ai livelli del 2010, con una perdita stimata di circa 300 miliardi di liquidità bancaria destinata al sistema produttivo. "Questo squilibrio mostra come la sfida principale sia di natura informativa prima ancora che finanziaria. Per mobilitare capitali oggi non pienamente utilizzati occorre superare la frammentazione dei mercati, l'asimmetria informativa delle PMI, la difficoltà di tradurre il rischio in indicatori comprensibili per il retail e la disomogeneità dei dati tra Paesi, registri e standard informativi" - ha spiegato Antonio Deledda. "In questa prospettiva, la SIU diventa anche un progetto di fiducia: non basta creare strumenti di investimento, occorre rendere leggibili le imprese, comparabili i profili di rischio e accessibili le informazioni anche a investitori non istituzionali. Indicatori sintetici, modelli di risk assessment e infrastrutture dati cross-border diventano quindi condizioni abilitanti per collegare risparmio, crescita e innovazione".

Le banche, secondo Deledda, possono svolgere un ruolo decisivo perché combinano relazione fiduciaria con il risparmiatore, prossimità alle imprese e capacità distributiva. Per farlo, dovranno però evolvere da un modello centrato sulla promozione di prodotti a un modello di advisory integrato con dati, segmentazione del risparmio e strumenti di valutazione del rischio coerenti con nuovi perimetri di investimento, inclusi quelli legati alle PMI non quotate.

Nel suo intervento Luca D'Amico, CEO di CRIF Ratings, ha fornito una fotografia aggiornata dell'andamento del rischio di credito sulle imprese italiane, evidenziando l'avvio di una fase di progressivo aumento degli indicatori. A fine 2025, infatti, il tasso di default delle società di capitali si è attestato al 3,3%, in crescita di circa 30 punti base rispetto al secondo trimestre 2025, mentre il tasso medio complessivo delle imprese ha raggiunto il 3,0% (vs 2,8% del semestre precedente).

Il quadro, secondo le ultime analisi dell'Osservatorio CRIF sulle imprese (vedi qui), è influenzato da un insieme di fattori esogeni che stanno modificando le prospettive di rischio: tensioni geopolitiche, volatilità dei prezzi energetici, rischio di approvvigionamento delle materie prime, possibili interruzioni delle rotte commerciali e indebolimento del clima di fiducia. "Questi elementi incidono sulla solidità finanziaria delle imprese e possono tradursi in pressioni sui margini, aumento dei fabbisogni di circolante, maggiore selettività nell'accesso al credito e riduzione della capacità di assorbire shock. Le metriche creditizie mostrano infatti un equilibrio più fragile, con una rischiosità che tende a risalire dopo la fase di normalizzazione post-pandemica. Approfondendo l'analisi a livello di settori, Tessile, chimica, meccanica, energia e trasporti risultano quelli più esposti nell'attuale contesto" - ha dichiarato Luca D'Amico.

Le prospettive indicano inoltre un ulteriore incremento dei tassi di default corporate nel 2026 e nel 2027. Nello scenario base, il tasso di default è atteso al 3,7% nel 2026 e al 4,0% nel 2027; nello scenario avverso - caratterizzato da maggiore pressione inflattiva, rialzo dei tassi e credit tightening più accentuato - le stime salgono al 4,4% nel 2026 e al 4,9% nel 2027. Diventa sempre più fondamentale quindi che i player finanziari rafforzino gli strumenti previsionali con indicatori forward-looking e analisi di scenario capaci di intercettare tempestivamente i segnali di deterioramento. La combinazione tra dati proprietari, informazioni macro-settoriali e scenari geopolitici consente infatti di supportare decisioni più tempestive, politiche creditizie più mirate e una gestione del rischio maggiormente proattiva.

Lo speech di Valeria Nale, Principal di CRIF, si è interamente focalizzato sul ruolo della Generative AI nell'evoluzione dei controlli di secondo livello, evidenziando il passaggio da approcci prevalentemente manuali e campionari a modelli nativamente data-driven, in grado di aumentare profondità, copertura e tempestività dell'attività di controllo.

La GenAI consente di integrare fonti informative eterogenee e valorizzare dati non strutturati, superando uno dei principali limiti dei processi tradizionali. Bilanci, business plan, PEF, note testuali, Centrale Rischi, eventi negativi, rating interni, notizie di stampa e informazioni esterne possono essere analizzati congiuntamente per costruire una lettura più completa e dinamica della posizione. Il valore operativo, secondo CRIF, si manifesta in tre ambiti principali: lettura documentale intelligente, generazione di indicatori di rischio e prioritizzazione assistita. L'analisi delle informazioni testuali permette di intercettare segnali di deterioramento che non emergerebbero dai soli dati strutturati, come tensioni sui flussi di cassa, peggioramento della struttura dei costi, elementi legali o criticità gestionali riportate nelle note di pratica.

"L'adozione di questi modelli consente di superare i limiti dei controlli basati su campionamenti ridotti, ampliando la copertura del portafoglio e orientando il workload delle strutture di controllo verso le pratiche a maggiore priorità. L'obiettivo" - ha dichiarato Valeria Nale - "non è sostituire l'analista ma rafforzarne la capacità valutativa attraverso pre-screening dinamico, sintesi automatiche e suggerimenti di mitigazione coerenti con la severità delle anomalie rilevate. Le evidenze sul campo mostrano benefici rilevanti: l'integrazione delle anomalie identificate tramite GenAI può ridurre il numero di pratiche da analizzare del 22% e aumentare del 25% la capacità di selezionare posizioni effettivamente più rischiose. In ottica industriale, il framework abilita una copertura potenzialmente estesa all'intero portafoglio, con maggiore accuratezza, time saving e incremento dell'efficacia dei controlli".