Verso una finanza più sostenibile con l’intelligenza artificiale. Una nuova prospettiva per il credito alle imprese virtuose.
L’intelligenza artificiale sta plasmando i processi del credito bancario e si candida a svolgere un ruolo fondamentale nel processo di integrazione degli indicatori ESG nella valutazione del merito di credito.
Le istituzioni finanziarie stanno ampliando i modelli di analisi, non limitandosi più ai dati tradizionali, ma includendo anche gli impatti ambientali, sociali e di governance (ESG) delle aziende. Tuttavia, l’adozione dei criteri ESG comporta delle sfide significative: la difficoltà di misurare in modo preciso gli impatti, la frammentazione degli standard di valutazione e la necessità di conciliare sostenibilità e redditività sono ostacoli concreti che il settore finanziario deve affrontare.
L’attività di ricerca e sviluppo che da diversi anni ci vede impegnati sulla creazione di soluzioni di machine learning e AI applicate al processo di credito ci restituisce prospettive promettenti per la promozione di formule di credito alle imprese innovative, come il green lending, che premino la gestione virtuosa dei rischi ESG. Grazie alla capacità delle applicazioni AI di analizzare enormi volumi di dati e integrare informazioni provenienti da diverse fonti, le nuove tecnologie di intelligenza artificiale migliorano la qualità delle decisioni creditizie e trasformano il concetto di credito sostenibile, rendendolo sempre più accessibile e concreto per le imprese.
Indice degli argomenti
Il merito creditizio tradizionale e le sfide nel green lending
Fino ad oggi, la valutazione del merito creditizio si è basata principalmente su dati finanziari strutturati, come bilanci e storici di pagamento. Tuttavia, questo approccio risulta inadeguato in un contesto dove i criteri ESG devono assumere un ruolo altrettanto centrale. Nonostante la crescente consapevolezza della loro importanza, integrarli efficacemente nei processi di prestito rimane una sfida complessa. Prendiamo per esempio il caso del green lending.
Un recente rapporto della European Banking Authority (EBA – Report on Green Loans and Mortages, December 2023) attesta le difficoltà che le istituzioni finanziarie incontrano nel valutare e classificare correttamente i clienti in base ai rischi ESG, un passaggio cruciale per l’erogazione dei prestiti verdi. Non a caso, lo stesso rapporto evidenzia che, ad oggi, i green loans rappresentano solo il 4,5% del totale dei finanziamenti erogati dagli istituti di credito, con criteri di identificazione spesso disomogenei e non sempre allineati alla tassonomia ufficiale dell’UE. La natura ancora qualitativa e soggettiva della valutazione ESG complica ulteriormente la costruzione di modelli affidabili per previsioni a lungo termine.
Un ulteriore problema riguarda la classificazione dei prestiti verdi: molte istituzioni li considerano tali quando vengono concessi a imprese operanti in settori sostenibili, anche in assenza di garanzie sull’effettivo utilizzo dei fondi per finalità ecocompatibili. Questa mancanza di uniformità e trasparenza nei criteri di classificazione rischia di frenare lo sviluppo del mercato del green lending e di aumentare il pericolo di greenwashing.
Il ruolo dell’AI nella trasformazione del green lending
Nel processo di valutazione del merito creditizio in relazione ai criteri ESG, molte banche si affidano a questionari specifici per raccogliere informazioni sulle pratiche ambientali, sociali e di governance delle imprese. Questi strumenti, pur essendo essenziali, presentano alcune criticità. I questionari possono risultare imprecisi, essere influenzati da dichiarazioni non verificate o risentire della mancanza di obiettività e di standard uniformi. Spesso, inoltre, si basano esclusivamente sull’autodichiarazione delle aziende, senza un’adeguata verifica, complicando così una valutazione accurata e comparabile.
L’introduzione dell’AI offre soluzioni promettenti per superare queste limitazioni. Grazie alla sua capacità di automatizzare il processo decisionale, l’AI è in grado di analizzare grandi volumi di dati provenienti da fonti diversificate: dai bilanci aziendali agli indicatori ambientali, dalle recensioni online ai social media. Questa capacità di integrare dati, strutturati e non, consente di creare profili creditizi più completi e accurati, che non solo riflettono la solidità finanziaria delle imprese, ma anche i loro impatti ambientali e sociali. In questo modo, l’AI migliora la valutazione dei rischi ESG, garantendo una visione più obiettiva delle performance aziendali.
Un esempio riguarda l’analisi dei dati salariali aziendali, con l’obiettivo di individuare pattern che possano indicare l’applicazione dei criteri di parità di genere. Sebbene questi dati possano essere utili, è importante notare che un’azienda potrebbe garantire la parità salariale, ma continuare a discriminare le donne nelle opportunità di carriera. In questo contesto, la combinazione dei dati e delle informazioni da fonti disomogenee, come ad esempio i conti correnti o la reputazione sui social media, consente di ottenere una valutazione più completa e precisa delle politiche ESG delle aziende. Sebbene questa ricerca non abbia ancora prodotto risultati definitivi, ha sicuramente il potenziale di rivoluzionare il modo in cui viene valutato il merito di credito.
Tecnologia e sostenibilità nella nuova era del credito
L’adozione dell’AI porta indubbi vantaggi in termini di efficienza operativa e accelerazione dei tempi di approvazione dei prestiti. Per le istituzioni finanziarie, ciò si traduce in una gestione più precisa dei portafogli e in una riduzione del rischio di insolvenza. Per le imprese, soprattutto per le PMI, l’adozione di soluzioni basate sull’AI rende l’accesso al credito più semplice, trasparente e soprattutto sostenibile.
Tuttavia, l’uso dell’AI non è esente da problematiche. Gli algoritmi complessi possono infatti essere influenzati da bias, compromettendo l’accuratezza delle valutazioni. Inoltre, la mancanza di trasparenza nei processi decisionali automatizzati solleva preoccupazioni legate all’equità e alla giustizia delle decisioni, rendendo necessaria una costante verifica e regolazione dei sistemi per evitare distorsioni.
In ultima analisi, siamo però convinti che l’integrazione dell’AI nella valutazione del merito creditizio rappresenta non solo un miglioramento dell’efficienza, ma una leva strategica per costruire un futuro in cui il credito sia al servizio della sostenibilità e dello sviluppo economico.
