La startup che scova le mafie con l’intelligenza artificiale

Può un bilancio aziendale contenere le tracce di una possibile infiltrazione mafiosa? Un algoritmo sviluppato a partire dalla ricerca dell’Università di Padova prova a individuarle. Non stabilisce chi è mafioso e non prevede chi commetterà un reato: confronta i dati delle aziende con quelli di oltre duemila imprese collegate alla criminalità organizzata e segnala le anomalie che meritano ulteriori controlli. Una tecnologia già sperimentata anche sugli appalti del PNRR.

A raccontare il funzionamento del sistema è Repubblica. L'algoritmo è alla base di Rozes, startup costituita nel 2019 e successivamente riconosciuta come spin-off dell'Università di Padova. L'obiettivo è utilizzare il machine learning per individuare nei bilanci combinazioni di elementi statisticamente simili a quelle riscontrate in società interessate da frodi, riciclaggio, false fatturazioni, bancarotte fraudolente e collegamenti con la criminalità organizzata.

Come l'IA cerca le anomalie nei bilanci

Il principio è quello del confronto. Il sistema prende i dati economici e finanziari di un'impresa e li mette in relazione con quelli di società che, sulla base di evidenze giudiziarie, sono state collegate alla criminalità organizzata.

Non viene cercato un singolo dato sospetto. L'algoritmo analizza combinazioni di caratteristiche contabili, alla ricerca di schemi ricorrenti. Il risultato serve quindi come filtro: tra migliaia di fornitori, clienti o partecipanti a una gara pubblica può indicare quali posizioni presentano maggiori anomalie e meritano di essere approfondite da un analista.

Ed è proprio questo il limite da tenere presente: un punteggio elevato non significa che un'impresa sia mafiosa o abbia commesso reati. L'algoritmo misura una somiglianza statistica e non può sostituire controlli amministrativi, investigazioni o accertamenti giudiziari.

Il confronto con oltre duemila imprese

La base scientifica del progetto è uno studio realizzato da Francesco Ambrosini, Michele Fabrizi e Antonio Parbonetti, ricercatori dell'Università di Padova e figure legate alla nascita di Rozes.

Il modello è stato sviluppato utilizzando un archivio di 2.082 imprese collegate alla criminalità organizzata attraverso evidenze giudiziarie.

Il Ceo e cofondatore di Rozes Jacopo Berti spiega a Repubblica che il campione comprende società sottoposte a confisca o sequestro perché collegate a organizzazioni mafiose e imprese nelle quali un amministratore o un socio con almeno il 10% del capitale sia stato condannato, anche non definitivamente, per associazione mafiosa o concorso esterno.

Il sistema lavora esclusivamente su dati pubblici, come bilanci e informazioni depositate alle Camere di Commercio. Da questi vengono elaborate oltre 200 variabili. L'output finale è un valore compreso tra zero e uno, trasformato in sei classi di rischio, dalla A alla F.

Quanto è preciso

Nei test scientifici riportati da Repubblica, il modello ha ottenuto una precisione del 90,4% e un indice AUC del 75,8%.

Secondo Berti, il sistema è stato deliberatamente impostato in maniera prudente: meglio produrre meno segnalazioni, cercando però di limitare il numero dei falsi positivi. I risultati, inoltre, sarebbero stati verificati su imprese emerse successivamente rispetto al periodo utilizzato per addestrare il modello.

Anche questi numeri, tuttavia, vanno interpretati correttamente: descrivono le prestazioni statistiche del modello nei test e non la capacità di certificare che un'azienda sia infiltrata dalla mafia.

L'algoritmo è arrivato anche negli appalti del PNRR

La sperimentazione non è rimasta confinata all'università. Il 18 aprile 2025 il Ministero delle Infrastrutture e dei Trasporti ha annunciato un accordo con Rozes per sperimentare questa tecnologia nei controlli relativi agli appalti del PNRR.

Anche Cassa Depositi e Prestiti, secondo quanto riportato nell'articolo, utilizza Rozes nei processi di Know Your Customer, cioè nelle verifiche necessarie alla valutazione della clientela.

Nel febbraio 2026 è partita inoltre una collaborazione tra l'Assemblea legislativa dell'Umbria e l'Università di Padova per utilizzare un cosiddetto “algoritmo predittivo antimafia” nell'analisi del tessuto economico regionale e nella costruzione di una mappa del rischio di infiltrazioni.

Il rischio di trasformare un indice in una sentenza

È proprio nell'utilizzo concreto che emergono le questioni più delicate. Le organizzazioni criminali cambiano strategie, le strutture societarie si modificano e i dati disponibili possono essere incompleti. Soprattutto, un'anomalia individuata dall'intelligenza artificiale può richiedere mesi o anni di verifiche prima di essere confermata o smentita.

La stessa Rozes specifica che il proprio indice è un'indicazione statistica, potenzialmente incompleta, e che l'attribuzione di un determinato valore non comporta responsabilità penali, civili o amministrative per l'impresa analizzata. La società definisce inoltre il proprio servizio come uno strumento di supporto alle decisioni.

L'intelligenza artificiale, insomma, può restringere il campo: se una pubblica amministrazione deve controllare migliaia di aziende, può indicare dove guardare prima. Ma non può dire chi è mafioso. L'ultima parola resta alle verifiche degli uomini, ai documenti e, quando necessario, alle autorità competenti.