Il credito bancario nell'era dell'AI

L'elaborato indaga, con un approccio multidisciplinare, l'impatto dell'intelligenza artificiale sulla concessione del credito bancario, chiedendosi quali benefici e quali rischi comporti l'impiego dell'AI nella valutazione del merito creditizio e quali misure, normative e tecniche, appaiano più appropriate per mitigarne le criticità. Muovendo dalla constatazione che il mercato del credito è strutturalmente segnato da asimmetrie informative (che generano selezione avversa, azzardo morale e razionamento del credito), viene evidenziato come il machine learning, analizzando fonti di dati alternative e catturando le relazioni non lineari tra le variabili, sia in grado di operare come un nuovo "collaterale informativo" e di favorire l'inclusione finanziaria. A tali benefici si contrappongono nuovi rischi, quali la discriminazione algoritmica e l'opacità decisionale (c.d. black box), verso cui l'ordinamento europeo ha risposto su tre piani, oggetto di analisi nel secondo capitolo: giurisprudenziale (sentenze Schufa e D&B), consumeristico (CCD2), regolamentare-orizzontale (AI Act). Il terzo capitolo esamina infine la possibilità di integrare il machine learning nei modelli interni delle banche (IRB) per il calcolo del rischio di credito e la capacità di tali tecniche di migliorare le stime del rischio, liberando capitale regolamentare reimmettibile nell'economia reale. Nel verificare come anche in tale ambito si riproponga il trade-off fra performance e interpretabilità, si propone come soluzione il ricorso alle tecniche di eXplainable AI, ripensando al contempo il principio di neutralità tecnologica a favore di una co-regolazione fondata su soft law e sulla cooperazione tra autorità e industria, attraverso sandbox regolamentari e innovation hub, al fine di indirizzare il mercato verso l'adozione di soluzioni efficienti.