Futura AI
en
Tutti gli articoli
  • Finance
  • Compliance

KYC, AML e due diligence: dove la Generative AI riduce davvero i tempi

Nei processi di verifica il tempo si consuma nella lettura di documenti eterogenei, non nella decisione finale. Dove la generative AI riduce davvero i tempi nella due diligence, e perché la tracciabilità è un requisito, non un vantaggio.

di Daniele Grotti5 min di letturaAggiornato il
Futura AI — KYC, AML e due diligence: dove la Generative AI riduce davvero i tempi

Nei processi di verifica il tempo si consuma nella lettura di documenti eterogenei, non nella decisione finale.

È una constatazione che chiunque abbia lavorato in una funzione compliance riconosce. La valutazione di un caso, una volta che tutte le informazioni sono davanti, richiede minuti. Arrivare ad avere tutte le informazioni davanti richiede ore.

Da qui discende dove ha senso intervenire, e dove invece l’intervento sarebbe inopportuno prima ancora che inefficace.

Mappa del processo e punti di attrito

Un’istruttoria di adeguata verifica segue, con varianti, la stessa sequenza.

Raccolta della documentazione: visure, statuti, documenti di identità, bilanci, dichiarazioni, procure. Provengono da fonti diverse, in formati diversi, con qualità diversa.

Estrazione delle informazioni rilevanti: denominazione e forma giuridica, assetto proprietario, poteri di rappresentanza, titolari effettivi, sede operativa, attività esercitata.

Riconciliazione tra fonti: verificare che ciò che risulta dalla visura corrisponda a ciò che dichiara il cliente e a ciò che emerge dalle banche dati consultate.

Consultazione delle liste e valutazione delle notizie avverse.

Valutazione del rischio e decisione, con motivazione documentata.

I punti di attrito sono concentrati nelle prime tre fasi. La ricostruzione di una catena partecipativa articolata su più livelli societari, in particolare, comporta la lettura sequenziale di più documenti e la trascrizione manuale di dati che vanno poi confrontati tra loro.

Le fasi quattro e cinque sono già in larga misura supportate da strumenti dedicati, e la quinta resta comunque una valutazione professionale.

Estrazione strutturata e riconciliazione tra fonti

Qui si colloca il contributo più solido.

Un sistema di document intelligence legge documenti che non seguono uno standard comune e ne estrae le stesse informazioni. Una visura camerale italiana, un certificato di registro estero e uno statuto contengono le medesime entità rilevanti espresse in modo diverso: il sistema le riconduce a una struttura uniforme.

Da questo derivano tre operazioni che oggi si fanno a mano.

La ricostruzione della catena partecipativa. A partire dai documenti societari, il sistema costruisce la struttura delle partecipazioni e calcola le quote indirette, segnalando i punti in cui la documentazione è insufficiente a proseguire.

Il confronto tra fonti. Il sistema evidenzia le discrepanze: una sede che differisce tra due documenti, una carica scaduta, un dato dichiarato che non trova riscontro. Non le risolve. Le porta all’attenzione dell’analista con i riferimenti a fianco.

Il controllo di completezza rispetto alla tipologia di cliente e al livello di rischio, con l’elenco puntuale di ciò che manca.

Il tempo si riduce perché l’analista riceve un fascicolo già letto e strutturato, con le anomalie in evidenza, e applica la propria competenza alla valutazione invece che alla raccolta.

La tracciabilità è un requisito, non un vantaggio

Su questo punto conviene essere netti, perché è il criterio che distingue un sistema utilizzabile in una funzione di controllo da uno che non lo è.

Ogni informazione estratta deve riportare il documento di origine e la posizione al suo interno. Non come funzionalità aggiuntiva: come condizione perché l’estrazione possa essere usata.

Le ragioni sono tre.

L’istruttoria deve essere ricostruibile. Se in sede di verifica interna o ispettiva viene chiesto su quale base è stata determinata la titolarità effettiva, la risposta deve essere un documento e un punto preciso, non un output di sistema.

La verifica umana deve essere rapida. Un analista che deve controllare venti dati estratti apre venti riferimenti e conferma. Senza collegamento alla fonte dovrebbe rileggere l’intero fascicolo, e il beneficio si annulla.

Gli errori devono essere diagnosticabili. Con la fonte a fianco si distingue immediatamente un errore di lettura del sistema da un’informazione effettivamente ambigua nel documento originale. Sono due problemi diversi e richiedono risposte diverse.

A questo si aggiunge il registro delle interrogazioni e delle versioni: quale corpus normativo era in vigore, quale configurazione del sistema era attiva, chi ha consultato che cosa. In un contesto vigilato è parte della documentazione del processo.

Gli effetti da misurare

Gli indicatori vanno concordati prima e rilevati sullo stato di partenza.

Tempo medio di istruttoria per fascia di rischio. Distinto per fascia, perché l’effetto sui casi ordinari è diverso da quello sui casi complessi, dove tipicamente è maggiore.

Percentuale di fascicoli completi al primo passaggio, cioè senza necessità di tornare al cliente per documentazione mancante non intercettata all’inizio.

Numero di discrepanze rilevate in istruttoria rispetto a quelle rilevate a valle. Un aumento delle prime, a fronte di una riduzione delle seconde, è un miglioramento anche se il primo numero cresce.

Tempo di ricerca documentale della funzione compliance su normativa interna e policy, quando il progetto include anche la ricerca semantica sul corpus normativo.

Un avvertimento: la percentuale di automazione non è un indicatore di risultato. In un processo di controllo, un tasso di intervento umano elevato sui casi dubbi è un segno di corretta calibrazione, non di insuccesso.

Che cosa non va automatizzato

La valutazione del rischio e la decisione restano professionali e restano umane. Non è una cautela di stile: la responsabilità della funzione non è delegabile a un sistema, e un output automatico che proponesse una classificazione di rischio da confermare produrrebbe un ancoraggio difficile da correggere.

L’interpretazione delle notizie avverse richiede contesto e giudizio. Un sistema può raccogliere e sintetizzare; la rilevanza è una valutazione.

La gestione delle segnalazioni di operazioni sospette segue procedure proprie con responsabilità individuate, che non cambiano.

Va inoltre considerato il quadro dell’AI Act. Alcuni usi in ambito finanziario ricadono nelle categorie ad alto rischio dell’Allegato III, con obblighi la cui applicazione, dopo le modifiche introdotte nel luglio 2026, decorre dal 2 dicembre 2027. Un sistema di supporto documentale che non produce valutazioni di rischio si colloca diversamente, ma la qualificazione va fatta caso per caso, all’avvio del progetto e con la funzione compliance.

In chiusura

Il contributo più solido della generative AI in questi processi non è nella decisione. È nella preparazione della decisione: leggere, estrarre, riconciliare, segnalare le anomalie.

È un contributo meno appariscente di altri e con un ritorno più facile da dimostrare, perché il tempo speso nelle fasi documentali è misurabile e già oggi tracciato in molte organizzazioni.

Se avete in mente un processo specifico — adeguata verifica, istruttoria fidi, gestione documentale su posizioni deteriorate — siamo disponibili a un confronto su quel caso: quali documenti sono coinvolti, quali requisiti di tracciabilità si applicano e quali indicatori sarebbero misurabili.

Se questo tema riguarda un processo reale della tua organizzazione, parliamone con un Assessment AI mirato.

Richiedi un Assessment AI