Introduzione
Negli ultimi anni, la lotta alla criminalità organizzata ha compiuto passi avanti grazie all’innovazione tecnologica. Oggi, un algoritmo predittivo di Bankitalia riesce a svelare anomalie nei bilanci comunali che potrebbero indicare infiltrazioni mafiose, anche in assenza di indagini formali. L’analisi sperimentale condotta dall’Unità di Informazione Finanziaria (UIF) apre scenari promettenti per nuove strategie di contrasto, basate su dati oggettivi e schemi ricorrenti di comportamento economico.
Il problema nascosto sotto la superficie
Sebbene alcuni Comuni possano apparire “puliti”, il loro bilancio racconta un’altra storia. Spese elevate in edilizia, riscossione fiscale rallentata e pressione fiscale in aumento sono campanelli d’allarme. Fino a ieri, simili anomalie potevano sfuggire ai controlli tradizionali. Oggi, l’algoritmo predittivo di Bankitalia traduce questi segnali in un indice di rischio.
È importante sottolineare che il modello non accusa, ma segnala una probabilità: non è un avvio d’indagine, bensì un supporto strategico. La sua affidabilità è già stata testata su 6.771 Comuni italiani, nel periodo 2016-2021, distinguendo correttamente i municipi infiltrati da quelli sani.
Pattern ricorrenti nei bilanci
I dati raccolti evidenziano schemi chiari. Nei Comuni a rischio infiltrazione, il fisco si blocca: la raccolta di IMU, Tari e altre entrate crolla. Le cause sono duplice: da una parte amministratori collusi che chiudono un occhio, dall’altra cittadini che evitano di pagare sapendo che il denaro finisce nelle mani sbagliate.
Il risultato? Meno entrate fiscali e maggiori aliquote. Chi paga di più? Le imprese e i cittadini onesti, esclusi dai circuiti criminali. Intanto, le amministrazioni infiltrate sopperiscono alla carenza di fondi incrementando le entrate extratributarie: multe, tariffe, vendite. Fondi più facili da manovrare e meno tracciabili.
Spese anomale: edilizia e rifiuti sotto la lente
Anche la gestione della spesa rivela schemi sospetti. Nei Comuni infiltrati, gli investimenti in istruzione, cultura e welfare sono bassi, mentre crescono in edilizia e rifiuti. Settori tradizionalmente appetibili per il riciclaggio di denaro sporco.
Il sistema di machine learning ha evidenziato pratiche come l’affidamento di appalti a imprese amiche a costi gonfiati e la stipula di contratti truffaldini. Inoltre, la gestione corrotta favorisce assunzioni clientelari e la creazione di rigidità strutturali nel bilancio, aggravando la situazione finanziaria degli enti locali.
Verso una politica antimafia più efficace
Nonostante sia ancora in fase sperimentale, il potenziale dell’algoritmo predittivo di Bankitalia è enorme. Utilizzandolo su larga scala, sarà possibile anticipare le infiltrazioni mafiose e intervenire prima che il danno diventi irreparabile.
Questa tecnologia non mira a sostituire il lavoro investigativo tradizionale, ma a potenziarlo. Permette di individuare zone grigie in cui concentrare risorse, migliorare la vigilanza e sviluppare politiche antimafia più mirate ed efficaci.
Conclusione
Il futuro della lotta alle mafie passa anche dai numeri. Con l’adozione di strumenti come l’algoritmo predittivo di Bankitalia, possiamo immaginare un’Italia più sicura, dove la trasparenza amministrativa diventi la regola, non l’eccezione. E dove ogni Comune, anche il più piccolo, possa essere protetto dal rischio di contaminazione criminale.