analisi del rischio

Il progetto ELDA prepara le dogane UE all’era dei dati e dell’AI


Indirizzo copiato

L’Unione europea ridisegna il sistema doganale attorno a dati condivisi, controlli mirati e analisi del rischio. Il progetto ELDA unirà statistica, diritto e intelligenza artificiale per accompagnare il Data Hub, con l’e-commerce come primo banco di prova e ADM tra i partner operativi

Pubblicato il 12 nov 2026

Paolo Lo Surdo

Direttore operativo di ADM – Agenzia delle Dogane e dei Monopoli



AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
ChatGPT Image 12 nov 2026, 10_33_44




La riforma dell’Unione doganale europea, avviata formalmente con l’entrata in vigore del nuovo Codice doganale dell’Unione il 21 settembre 2026, introduce un nuovo modello di funzionamento, maggiormente fondato sulla condivisione dei dati e sul coordinamento tra le amministrazioni.

L’obiettivo è migliorare l’analisi dei rischi e rendere i controlli più mirati, salvaguardando al contempo la regolarità degli scambi commerciali.

In questo quadro si colloca ELDA: effective and law compliant, data driven solution for addressing custom risks, progetto finanziato per quasi 3 milioni di euro dall’Unione europea, nell’ambito del programma Horizon Europe, che si pone l’obiettivo di integrare competenze statistiche, giuridiche e operative per sviluppare metodi e soluzioni a supporto dell’evoluzione del sistema doganale europeo.

Dati e intelligenza artificiale nelle dogane europee

I numeri spiegano la ragione per cui il modello attuale non sia più sufficiente: nel 2025, nell’Unione europea, sono stati dichiarati 630,9 milioni di articoli in importazione e 580 milioni in esportazione, mentre il transito ha interessato circa 340 milioni di articoli. Ogni secondo vengono dichiarati 212 articoli, per un valore superiore a 181 mila euro.

Particolarmente significativo il comparto dell’e-commerce: lo scorso anno sono transitati 5,9 miliardi di articoli in pacchi di basso valore, oltre 16 milioni al giorno, pari a circa il 97% del volume totale degli articoli importati, ma corrispondenti soltanto al 2% del valore economico complessivo di tutte le importazioni.

EUCA e Customs Data Hub, i due pilastri della riforma

In questo scenario, controllare tutto è impossibile e aumentare le risorse nella stessa proporzione dei volumi non è realistico; la riforma doganale europea risponde a questa pressione con l’introduzione di due pilastri: l’Autorità doganale dell’Unione europea, EUCA, e l’EU Customs Data Hub.

Ad oggi, i 27 Stati membri operano con 111 differenti sistemi informatici; in futuro, invece, il Data Hub avrà l’obiettivo di operare come un ambiente digitale comune, scalabile e sicuro, nel quale informazioni provenienti da operatori, vettori e autorità potranno essere fornite una sola volta, nell’ottica del principio once only, e successivamente riutilizzate e collegate.

Il nuovo modello supera progressivamente l’approccio centrato sulla singola dichiarazione, consentendo una lettura integrata dei dati su merci, soggetti, rotte e catene logistiche. L’EUCA, che avrà sede a Lille e sarà operativa dal 2027, svilupperà e gestirà il Data Hub. Inoltre, la nuova Autorità sosterrà la gestione del rischio a livello europeo, mentre le Dogane nazionali manterranno le competenze in materia di controlli, analisi dei rischi, riscossione dei dazi e autorizzazioni.

Il progetto ELDA porta l’AI nell’analisi del rischio doganale

È in questa fase che si colloca ELDA, progetto coordinato dall’Università di Parma che riunisce università, partner tecnologici, autorità doganali europee, Agenzia delle Dogane e dei Monopoli e Guardia di Finanza con l’obiettivo di sviluppare e validare metodi e soluzioni che possano accompagnare la realizzazione del Customs Data Hub.

La caratteristica distintiva di questa iniziativa, e decisivo punto di forza, è l’interdisciplinarità: statistica, machine learning, diritto doganale, analisi economica, tecnologia dell’informazione ed esperienza amministrativa devono procedere insieme.

La complessità dei dati doganali e il rischio di falsi segnali

La principale sfida del progetto risiede proprio nel contesto in cui le soluzioni dovranno essere sviluppate. I dati doganali presentano, infatti, caratteristiche peculiari: milioni di osservazioni, distribuzioni asimmetriche, valori estremi, cambiamenti strutturali e modalità di frode in continua evoluzione.

In uno scenario così complesso, un valore inconsueto non costituisce necessariamente un’anomalia significativa e, allo stesso tempo, un’anomalia non equivale automaticamente a una frode. A ciò si aggiunge il fatto che le informazioni possono essere incomplete, incoerenti o intenzionalmente false. La disponibilità di grandi quantità di dati, pertanto, non si traduce automaticamente in una conoscenza statistica solida e affidabile.

Come ELDA sviluppa i modelli per le dogane

Il lavoro di ELDA seguirà un percorso progressivo.

Dai casi d’uso ai requisiti operativi

La prima fase sarà dedicata alla definizione dei casi d’uso, selezionando problemi rilevanti per le autorità doganali e, al tempo stesso, affrontabili sul piano tecnico e giuridico. Su questa base saranno individuati i requisiti operativi, le fonti informative utilizzabili e i criteri con cui valutare l’efficacia delle soluzioni.

Particolare attenzione sarà riservata all’e-commerce, nel quale volumi elevati, qualità delle informazioni e responsabilità degli operatori rendono più urgente sperimentare nuovi approcci e, quindi, sarà il primo settore i cui dati saranno convogliati nel nuovo Data Hub.

Sperimentazione, validazione e strumenti per l’EUCA

La fase successiva riguarderà lo sviluppo e il confronto delle metodologie statistiche e di machine learning, di cui verranno verificate la robustezza, l’interpretabilità e la conformità al diritto.

I modelli saranno, quindi, sperimentati sui dati selezionati e sottoposti a validazione con il contributo delle amministrazioni coinvolte, così da misurarne l’utilità nei processi reali e correggere eventuali criticità. Nell’ultima fase, i risultati saranno tradotti in strumenti operativi, casi pilota e proposte utili alla Commissione europea e alla futura EUCA, al fine di agevolare, in concreto, la transizione verso la nuova architettura doganale.

Il ruolo di ADM nell’intelligenza artificiale per le dogane

ADM partecipa alla definizione dei requisiti operativi, alla selezione dei casi d’uso, alla valutazione dell’utilità dei modelli e alla verifica della loro compatibilità con i processi doganali.

Il contributo dell’Agenzia consiste, soprattutto, nel mettere a disposizione del progetto il know-how di un’autorità doganale operativa, maturato nella gestione operativa dei flussi, nell’analisi dei rischi e nello svolgimento dei controlli, affinché le soluzioni sviluppate rispondano a esigenze reali e risultino effettivamente applicabili nei processi doganali.

Le tappe della riforma doganale europea fino al 2034

ELDA si inserisce tempestivamente nella fase di attuazione della riforma doganale europea e può offrire un contributo concreto alla costruzione della nuova architettura comune. La prima applicazione del Data Hub è prevista nel settore dell’e-commerce a partire dal 1° luglio 2028; seguiranno l’estensione delle funzioni di gestione del rischio, il consolidamento dell’infrastruttura entro il 2030 e il progressivo ingresso degli operatori, fino alla piena transizione prevista nel 2034.

La durata del progetto coincide, dunque, con una fase decisiva della riforma: ciò consentirà di mettere progressivamente a disposizione delle istituzioni europee le evidenze emerse dalle sperimentazioni, contribuendo a individuare criticità, requisiti e soluzioni utili all’effettiva implementazione del nuovo sistema.

Nei prossimi anni, la sfida per ELDA sarà trasformare il confronto oggi avviato tra ricerca, diritto e amministrazioni in strumenti e metodi concretamente integrabili nei processi doganali. Solo così sarà possibile mettere a disposizione dell’Unione soluzioni affidabili e verificabili, capaci di elevare la qualità dell’analisi dei rischi e di accompagnare efficacemente l’attuazione della riforma.

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x