La Valutazione del Credito Basata su AI: Un Mito da Sfatare?
L’Analisi Leanus Rivela l’Unicità delle PMI e conseguenti limiti degli Algoritmi
Leanus ha condotto per MF Milano Finanza un’analisi dettagliata della correlazione tra i principali dati contabili di oltre 6.220 imprese italiane operanti nel settore del trasporto di merci su strada (codice ATECO 4941). Nonostante la loro apparente omogeneità settoriale, lo studio sui bilanci 2023 delle imprese selezionate, mette in luce l’estrema eterogeneità delle realtà aziendali e la conseguente difficoltà di adottare criteri di valutazione che prescindono dalla profonda analisi dei singoli casi
Le Evidenze Principali
L’analisi della matrice di correlazione mostra una quasi totale assenza di correlazioni statistiche significative tra le variabili contabili esaminate. Questo suggerisce che le imprese, sebbene operino nello stesso settore, presentano una notevole unicità, legata a fattori specifici e non standardizzabili, come la storia aziendale, la gestione e le scelte strategiche. Questi risultati mettono in dubbio l’affidabilità dei processi automatici di valutazione del credito basati esclusivamente su algoritmi o Intelligenza Artificiale (AI)
La correlazione
La correlazione misura il grado di dipendenza tra due variabili: un valore di 1 indica una correlazione positiva perfetta (quando una variabile cresce, anche l’altra cresce proporzionalmente); al contrario, un valore di -1 indica una correlazione negativa perfetta (quando una variabile cresce, l’altra diminuisce). Valori pari o inferiori a 0,5 segnalano una correlazione debole o assente, almeno dal punto di vista statistico.
Il campione preso in esame
6.220 PMI italiane (con Ricavi 2023 compresi tra 500.000 Euro ed Euro 50 Milioni), classificate come operanti nel settore 4941 – Trasporto di merci su strada. Nel caso di presenza contemporanea sia del Bilancio Ordinario che del Consolidato, è stato selezionato il bilancio Ordinario (al fine di evitare i doppi conteggi). Il valore complessivo dei Ricavi sfiora i 27 Miliardi Euro (in crescita del 4,5%) con un EBITDA medio del 5%. Tempo medio di incasso dai Clienti o DSO pari a 100GG, tempo medio di pagamento dei fornitori o DPO pari a109. Dati questi ultimi molto utilizzati per le statistiche settoriali e per definire i criteri di accesso al credito ma che, come argomentato di seguito, sono spesso fuorvianti.
Il Conto Economico
L’analisi delle correlazione tra le sole voci del Conto Economico confermano il legale tra la dimensione, espressa dai Ricavi, e principali voci di costo (Servizi e Personale). E’ invece poco significativo il legame con le altre variabili rilevanti. E’ pari a poco meno di 0,6 la correlazione con i Consumi (Acquisti + Variazione Rimanenze), assente o debole la correlazione con l’EBITDA (0,4), gli Ammortamenti (0,5), l’EBIT (0,2) e l’utile (0,5). In sintesi, la crescita della spesa per i costi di funzionamento è proporzionale alla dimensione ma la maggior dimensione non necessariamente si traduce in migliori risultati economici e pertanto neanche in maggiori introiti per lo stato, dato che la correlazione con le imposte di esercizio non raggiunge il valore di 0,5. E’ invece significativa la correlazione tra il valore dell’EBITDA (e conseguentemente dell’EBIT) con il valore delle Imposte, aspetto quest’ultimo che conferma la propensione ad ottimizzare il profilo fiscale per la maggior parte delle imprese.
Lo Stato Patrimoniale
L’analisi delle voci di stato patrimoniale confermano la propensione all’indebitamento complessivo per la maggior parte delle imprese, la correlazione tra il Totale dei debiti e i Ricavi è pari infatti allo 0,8; inoltre mettono in evidenza le abitudini di pagamento del sistema Italia; la correlazione tra i Ricavi e i Crediti Clienti è infatti pari a 0,8 così come la correlazione tra i Ricavi e i Debiti Fornitori. Contrariamente a quanto sarebbe logico aspettarsi, considerando che si tratta di imprese operanti nello stesso settore, è pressoché inesistente la correlazione con le rimanenze (0,2)
Il Rendiconto Finanziario
La liquidità disponibile mostra una lieve correlazione con il valore del Patrimonio Netto (0,6), con il valore dell’EBITDA (0,5); assente o debole la correlazione con le altre variabili economiche e patrimoniali. Il Cash Flow operativo (la cassa generata nell’esercizio dalla gestione caratteristica) mostra un elemento di attenzione su cui vale la pena riflettere. Oltre ad essere correlato con le variabili da cui dipende direttamente (EBITDA, Utile), mostra un interessante legame, seppur debole (0,5), con l’attivo fisso netto (ovvero la somma delle immobilizzazioni materiali, immateriali e finanziarie al netto dei fondi di ammortamento) a parziale conferma dell’importanza degli investimenti ai fini della generazione di cassa.
In sintesi
Le evidenze emerse dall’analisi della matrice di correlazione consentono di confermare il valore dell’identità della singola impresa, non come appartenente ad un categoria, un settore o una regione, ma bensì come soggetto unico, diverso dagli altri, caratterizzato dalla sua storia, dalle persone che la gestiscono e che ci lavorano, dalle decisioni e da molti altri fattori.
Ogni impresa ha un suo DNA diverso da quello delle altre e difficilmente replicabile e solo parzialmente, ed in minima parte, confrontabile con quello di altre imprese, ancor meno se identificate attraverso la codifica settoriale che, per ovvie ragioni di praticità, non può tenere in considerazione i fattori unici delle singole realtà.
L’immediata conseguenza di tali evidenze è che i processi di valutazione delle imprese (siano essi finalizzati all’accesso al Credito, alle operazioni di M&A o altro) non possono prescindere dalla ricerca di tale unicità. L’utilizzo di metriche standard (Ebitda elevato, buon rapporto PFN/EBITDA o altri criteri) aprono il fronte ai rischi di selezione avversa, ovvero alla concreta possibilità di dedicare attenzione alle imprese non meritevoli e viceversa.
Essendo bassa la correlazione tra le variabili principali e in assenza della capacità di reperire altre informazioni di migliore o analoga qualità i modelli matematici, basati su algoritmi tradizionali o sistemi di AI, sono destinati ad offrire tentativi di valutazione distorti, rischio ben evidenziato dagli organi di controllo del sistema bancario (EBA, Bankit) che si sono espressi in favore di un approccio, seppur supportato dalla tecnologia, in cui il fattore umano deve continuare a giocare un ruolo di primo piano.
Benchè la tecnologia, in tutte le sue forme attuali e future, sia il miglior partner delle organizzazioni e dei Professionisti la sfida per decodificare le caratteristiche uniche delle imprese non potrà essere delegata alle sole macchine; le variabili sono innumerevoli e spesso non ripetitive e come tali difficilmente potranno essere oggetto di un processo interamente industrializzato o non assistito dalle competenze e dalle capacità valutative proprie dell’essere umano.
La medesima tesi è già stata infatti ben argomentata dagli organi di governo del sistema bancario che oltre a definire la normativa dell’Autorità Bancaria Europea (EBA) sulla valutazione del credito, sviluppata per garantire che le istituzioni finanziarie adottino processi solidi, trasparenti e coerenti nella valutazione del rischio di credito, hanno definito i principi guida per il crescente utilizzo di strumenti basati sull’intelligenza artificiale e algoritmi. La regolamentazione, infatti, mira a bilanciare l’innovazione tecnologica con la necessità di preservare la qualità del credito e la stabilità finanziaria.
Punti Chiave della Normativa EBA
1. Approccio Basato sul Rischio: La normativa richiede alle banche di valutare il rischio di credito considerando non solo i dati finanziari tradizionali ma anche le caratteristiche qualitative delle imprese, assicurando che l’analisi tenga conto della specificità di ciascun debitore.
2. Trasparenza e Documentazione: Gli istituti devono garantire che i modelli di valutazione siano trasparenti, documentati e sottoposti a verifiche regolari. Ciò include l’obbligo di comprendere e poter spiegare i risultati prodotti dai modelli basati su AI.
3. Supervisione dell’Intelligenza Artificiale: L’EBA richiede un controllo rigoroso sui modelli di AI, assicurando che siano utilizzati in modo responsabile. Le banche devono essere in grado di giustificare le decisioni di credito prese da algoritmi, evitando bias o errori sistematici.
4. Valutazione Prudenziale: La normativa impone che l’uso di modelli automatizzati sia integrato con il giudizio umano, soprattutto nei casi di deroghe o di valutazioni che esulano dalle situazioni standardizzate.
5. Capacità di Stress Test: Le banche devono effettuare stress test sui propri modelli di credito, inclusi quelli basati su AI, per verificare la resilienza in condizioni di mercato avverse.
Implicazioni per le Banche
6. Rafforzamento dei Controlli Interni: Le banche devono potenziare i controlli interni e la governance sui modelli di credito, garantendo che i rischi emergenti dall’uso dell’AI siano adeguatamente gestiti.
7. Necessità di Competenze Multidisciplinari: È richiesta una combinazione di competenze tecniche e giudizio esperto per interpretare correttamente i risultati dei modelli.
8. Focus sull’Unicità dei Debitori: La normativa incoraggia un approccio che riconosca l’unicità delle singole imprese, superando i limiti della classificazione settoriale standard.
In sintesi, anche la normativa EBA promuove un uso prudente e responsabile dell’intelligenza artificiale nella valutazione del credito, integrando l’innovazione tecnologica con il rigore del giudizio umano per mantenere l’integrità del processo di credito
Pubblica il tuo feedback su questo topic.