Progetto PRIN 2022
Artificial Intelligence-based Early Warning Tools
Progetto di ricerca ammesso a finanziamento PRIN 2022
Il progetto
Artificial Intelligence-based Early Warning Tools (AI-EWT)
Il progetto ha analizzato criticamente e in prospettiva le misure di allerta precoce previste dal Codice della crisi d’impresa e dell’insolvenza e dalla direttiva (UE) 2019/1023, con particolare attenzione alle esigenze e alle vulnerabilità delle PMI.
Le attività di ricerca si sono articolate attraverso due unità operative: l’Unità 1 presso l’Università degli Studi della Campania “Luigi Vanvitelli” (Dipartimento di Giurisprudenza) e l’Unità 2 presso l’Università degli Studi di Napoli Parthenope (Dipartimento di Studi Aziendali e Quantitativi).
Progetto di ricerca ammesso a finanziamento PRIN 2022
Obiettivi
Obiettivi della ricerca
Il progetto ha esaminato le carenze e i possibili limiti applicativi delle misure di allerta precoce previste dal Codice della crisi d'impresa e dell'insolvenza e dalla direttiva (UE) 2019/1023, con particolare riguardo alle PMI.
La ricerca ha integrato analisi giuridica e metodi economico-statistici per confrontare gli indicatori normativi con i segnali quantitativi e qualitativi della crisi e formulare una proposta normativa in forma di “Model Law”.
Metodologia
L'impiego dell'intelligenza artificiale
I modelli tradizionali di machine learning sono efficaci per il credit scoring; quando vengono utilizzati per prevedere l’insolvenza tendono però a generare molti falsi positivi. In altri termini, alcune imprese vengono classificate come a rischio di insolvenza anche se successivamente non falliscono.
I modelli attuali mostrano margini di errore rilevanti nella previsione dell'insolvenza.
Metodologia
Il Modello Predittivo Realizzato
Il flusso sperimentale confronta regressione logistica, rete feed-forward senza sequenze e rete LSTM multi-input. Quest'ultima combina la sequenza triennale, quattro variabili statiche e l'informazione regionale.
Il target è denominato allert nello script; la sua costruzione è esterna al file pubblicato. La pagina descrive quindi la pipeline e le valutazioni temporali senza attribuire al risultato probabilità o orizzonti non definiti nel codice.
time_features_lstm_2020 <- layer_input(shape = c(3, 51), dtype = 'float32', name = "time_features_lstm_2020")
bilancio_lstm_2020 <- time_features_lstm_2020 %>%
layer_lstm(units = 64) %>%
layer_dropout(0.2)Risultati del progetto
Proposta di legge
Come esito ultimo del percorso di ricerca del progetto, è stata formulata una proposta complessiva di intervento regolatorio in forma di “Model Law”, diretta ad introdurre criteri innovativi per l’individuazione precoce delle situazioni di crisi e procedure di attivazione dell’allerta più efficienti e proporzionate, modificando il d.lgs. 14/2019 con l'introduzione dell'Art. 5-ter e del test predittivo automatico trimestrale.
All’articolo 3, comma 4, del d.lgs. 14/2019, dopo la lettera d) è inserita la seguente: «e) la segnalazione di una probabilità di crisi risultante dal test predittivo...»
«Sulla piattaforma telematica nazionale di cui all’art. 13 è disponibile un test predittivo sulla probabilità di crisi dell’impresa basato su strumenti di intelligenza artificiale...»
Art. 1 Integrazioni al d.lgs. 14/2019
1. All’articolo 3, comma 4, del decreto legislativo 12 gennaio 2019, n. 14, dopo la lettera d) è inserita la seguente: «e) la segnalazione di una probabilità di crisi risultante dal test predittivo sulla probabilità di crisi dell’impresa di cui all’art. 5-ter».
2. Dopo l’articolo 5-bis è inserito il seguente: «Art. 5-ter — Test di intelligenza artificiale sulla solvibilità dell’impresa. Sulla piattaforma telematica nazionale di cui all’art. 13 è disponibile un test predittivo sulla probabilità di crisi dell’impresa basato su strumenti di intelligenza artificiale. Il test è eseguito automaticamente con periodicità trimestrale...»
Art. 2 — Disposizioni di attuazione e copertura. Con decreto del Ministero delle Imprese e del Made in Italy sono emanate le disposizioni di attuazione delle misure previste all’art. 1.
Pubblicazioni
Pubblicazioni del progetto
Volume e contributi scientifici pubblicati nell'ambito del progetto AI-EWT.
Tra le diverse pubblicazioni si segnala: La gestione iniziale della crisi. L’intelligenza artificiale nella rilevazione tempestiva della crisi e gli strumenti preconcorsuali di risanamento, a cura di Mario Campobasso e Maria Consiglia di Martino, Cacucci Editore.
Opera collettanea · 31 gennaio 2025
Convegni
Archivio convegni e iniziative
Eventi, workshop, pubblicazioni e attività di disseminazione del progetto AI-EWT.
L'impatto della ricerca
Impatto della Ricerca
L’introduzione di indicatori predittivi più sofisticati può consentire maggiore tempestività e accuratezza nell’emersione delle difficoltà, incrementare le possibilità di risanamento e favorire la diffusione di assetti organizzativi, amministrativi e contabili adeguati soprattutto presso le PMI.
Impatto quantitativo