Valutazione del rischio di credito e intelligenza artificiale nella valutazione dei finanziamenti
Le notizie sulle imprese possono aggiungere informazioni utili alla valutazione del rischio di credito.
Uno studio pubblicato dalla Banca d’Italia mostra come l’intelligenza artificiale possa leggerle e trasformarle in indicatori da affiancare ai dati di bilancio e della Centrale dei Rischi. Per un imprenditore, il tema riguarda la capacità di rendere comprensibile la propria situazione aziendale a chi deve valutare una richiesta di finanziamento.
Il lavoro è “Sentiment analysis with large language models for credit risk assessment”, di Manuel Cugliari e Giulio Gariano, pubblicato nel settembre 2026 nella collana Mercati, infrastrutture, sistemi di pagamento, n. 91. È una ricerca, non una nuova disposizione obbligatoria per le banche. Le opinioni espresse appartengono agli autori e non rappresentano necessariamente quelle della Banca d’Italia.
Che cosa misura lo studio della Banca d’Italia
La ricerca si colloca nel sistema interno di valutazione del merito di credito della Banca d’Italia, l’ICAS. Questo sistema contribuisce a valutare i prestiti alle imprese utilizzabili come garanzia nelle operazioni di politica monetaria dell’Eurosistema. Il suo ambito va quindi distinto dalla normale istruttoria con cui una banca decide se concedere un finanziamento a una PMI.
L’ICAS combina un modello statistico, alimentato da bilanci e Centrale dei Rischi, con il giudizio di analisti finanziari. Il modello stima la probabilità di default nei dodici mesi successivi; gli analisti considerano anche informazioni qualitative. Lo studio verifica se gli indicatori ricavati dalle notizie possano aggiungere capacità informativa alla componente statistica.
L’analisi riguarda 6.006 imprese italiane nel periodo 2016–2020. Da un archivio di oltre quattro milioni di articoli sono state individuate 211.435 notizie riferite alle aziende del campione. La data di pubblicazione, dunque, non coincide con il periodo dei dati analizzati. [1, pp. 7 e 10–12]
Come una notizia diventa un segnale di per la valutazione del rischio di credito
Gli autori utilizzano modelli linguistici, ossia strumenti di intelligenza artificiale capaci di elaborare testi, per classificare le notizie su una scala che va da molto positive a molto negative. Gli indicatori ottenuti vengono poi aggregati considerando gli articoli dei sei mesi precedenti.
Il procedimento considera sia il sentiment medio sia la presenza di segnali estremi. Questa seconda misura serve a evitare che una notizia particolarmente rilevante venga diluita fra molte informazioni neutre. La ricerca include anche la ricerca di notizie riferite agli amministratori, richiamando la rilevanza delle vicende giudiziarie nell’analisi creditizia. [1, pp. 11 e 20–23]
Per chi deve valutare un finanziamento, la questione è l’effetto economico del fatto riportato. Una vicenda sfavorevole può incidere sulla continuità operativa, sui contratti o sulla liquidità, ma va verificata e contestualizzata. Il tono negativo di un articolo non equivale automaticamente a un’incapacità di rimborso. Gli stessi autori riconoscono che i modelli possono giudicare negativi anche testi poco rilevanti rispetto al possibile default. [1, p. 31]
Il miglioramento misurato e il suo significato
Nel confronto che combina gli indicatori dei diversi modelli linguistici, l’AUROC passa dall’86,2% all’87,1%, con un incremento di 0,9 punti percentuali rispetto al modello statistico ICAS. [1, pp. 30–31]
L’AUROC misura quanto un modello riesce a ordinare correttamente le imprese in base al rischio, distinguendo quelle che andranno in default da quelle che non vi andranno. Non indica la percentuale di finanziamenti deliberati correttamente e non misura una riduzione delle insolvenze dello 0,9%.
Il risultato sostiene l’utilità di integrare fonti diverse. Nello stesso esercizio, gli indicatori ricavati soltanto dalle notizie raggiungono un’AUROC del 65,1%, sensibilmente inferiore a quella del modello integrato. I dati economici e creditizi conservano quindi un ruolo determinante. La ricerca si concentra sul miglioramento della capacità di distinguere i rischi, senza dimostrare un analogo miglioramento nella calibrazione delle probabilità di default. [1, pp. 23 e 31]
I limiti da considerare soprattutto per le PMI
Il primo limite è la disponibilità delle notizie. Gli autori trovano articoli per 2.772 imprese su 6.006: circa il 54% del campione non risulta citato nell’archivio esaminato. Le osservazioni senza notizie vengono escluse dall’esercizio di stima; l’assenza di informazioni non viene assimilata a un sentiment neutro. Per lo stesso motivo, non sarebbe corretto interpretarla come un giudizio negativo. [1, pp. 12 e 23]
Inoltre, l’80% delle imprese analizzate è di dimensione media o grande e circa il 75% si trova nel Nord Italia. I risultati non possono essere trasferiti automaticamente a tutte le microimprese o alle PMI con scarsa presenza sui media. [1, p. 11]
Esiste poi il problema dell’affidabilità delle interpretazioni. I modelli possono produrre classificazioni errate e risentono dei dati su cui sono stati addestrati. Lo studio prevede verifiche di coerenza, ma non dimostra che gli errori siano eliminati. La lettura delle fonti e il giudizio professionale restano necessari. [1, pp. 8 e 21–22]
Che cosa conta quando si chiede un finanziamento
La lettura operativa per l’impresa è preparare informazioni aggiornate, verificabili e coerenti. Le indicazioni che seguono sono una nostra applicazione professionale al rapporto banca–impresa, non prescrizioni introdotte dallo studio.
La capacità di rimborso resta centrale. Le linee guida EBA sulla concessione e sul monitoraggio dei prestiti indicano i flussi dell’attività ordinaria come fonte primaria di rimborso, tenendo conto delle caratteristiche dell’operazione; le garanzie rappresentano normalmente una tutela ulteriore. L’informazione qualitativa aiuta a valutare quanto siano credibili e sostenibili le prospettive economiche. [2] Valutazione del rischio di credito
Per preparare la richiesta, suggeriamo di presidiare questi aspetti:
Aggiornare i numeri. Affiancare ai bilanci una situazione contabile recente, il dettaglio dei debiti e un quadro attendibile di crediti da incassare e scadenze da pagare.
Spiegare l’andamento bancario. Leggere la Centrale dei Rischi e documentare le cause di eventuali anomalie, distinguendo gli episodi risolti dalle tensioni ancora presenti.
Dimostrare la sostenibilità delle rate. Collegare l’importo richiesto a un piano finanziario con ipotesi esplicite su incassi, pagamenti e servizio del debito. Il DSCR, calcolato sui flussi disponibili per pagare capitale e interessi, è utile se le ipotesi sottostanti sono realistiche.
Documentare gli eventi rilevanti. Accompagnare cambi di amministratori, perdita di clienti, contenziosi o nuovi investimenti con una spiegazione dei possibili effetti economici e delle azioni adottate.
Verificare gli scenari sfavorevoli. Valutare che cosa accade alla liquidità se gli incassi rallentano, i margini scendono o un investimento entra a regime più tardi del previsto.
Un esempio concreto per l’imprenditore
Immaginiamo un’azienda che chieda un finanziamento dopo aver perso un cliente importante. L’ultimo bilancio potrebbe ancora mostrare risultati soddisfacenti, mentre una notizia recente segnala il cambiamento. È un esempio illustrativo, non un caso analizzato nello studio.
La valutazione richiede di capire quanto fatturato e margine dipendessero da quel cliente, se esistano contratti sostitutivi e come cambino i flussi disponibili per pagare le rate. Un articolo favorevole sull’azienda non risolverebbe queste domande. Una situazione aggiornata e un piano finanziario documentato permetterebbero invece di misurare il problema e valutarne la gestione.
Preparare informazioni che rendano valutabile l’impresa
La ricerca mostra che le notizie possono aggiungere elementi utili a un modello di rischio già basato su dati solidi. Non dimostra che pubblicare contenuti positivi faccia ottenere credito, né che tutte le banche adottino già questi strumenti.
Per l’imprenditore, il lavoro utile consiste nel rendere leggibili le relazioni tra risultati, eventi aziendali e capacità di rimborso. La qualità delle informazioni riduce l’incertezza di chi valuta; non sostituisce l’equilibrio finanziario dell’impresa.
Stai preparando una richiesta di finanziamento?
Con Rodemar Business Advice puoi approfondire la tua bancabilità attraverso l’analisi dei bilanci, della Centrale dei Rischi e dei flussi prospettici, per presentare alla banca una richiesta coerente con le esigenze e la capacità di rimborso aziendali.
Fonti
[1] Manuel Cugliari e Giulio Gariano, Sentiment analysis with large language models for credit risk assessment, Banca d’Italia, Mercati, infrastrutture, sistemi di pagamento, n. 91, settembre 2026. I richiami alle pagine seguono la numerazione stampata nel documento.
[2] European Banking Authority, Guidelines on loan origination and monitoring, EBA/GL/2020/06, sezione 5.2, valutazione del merito creditizio. Fonte di inquadramento distinta dallo studio ICAS.
Commenti