Ogni istituto finanziario, ma anche molte aziende non bancarie soggette alle normative antiriciclaggio, deve verificare che i propri clienti non compaiano in notizie negative: procedimenti penali, sanzioni internazionali, articoli su frodi o corruzione. Questo processo, chiamato adverse media screening, è obbligatorio per legge nell’ambito delle procedure KYC e AML. Il problema è che farlo bene richiede tempo, personale qualificato e genera un numero enorme di falsi positivi che qualcuno deve esaminare manualmente. Un paper pubblicato su arXiv descrive un sistema basato su modelli linguistici di grandi dimensioni che affronta esattamente questo collo di bottiglia.
Il sistema presentato dai ricercatori combina due tecnologie: i Large Language Models, capaci di leggere e interpretare testi complessi, e il Retrieval-Augmented Generation, che permette al modello di cercare e recuperare informazioni rilevanti da fonti esterne prima di formulare una risposta. In pratica, il sistema non si limita a cercare parole chiave in articoli di giornale, ma legge il contenuto, capisce il contesto e valuta se la notizia è effettivamente rilevante per il profilo di rischio del soggetto analizzato. L’approccio agentivo significa che il sistema può eseguire più passaggi in autonomia: cercare, filtrare, valutare, classificare, senza intervento umano a ogni step.
Il confronto con i metodi tradizionali è significativo. I sistemi basati su keyword generano molti falsi positivi: se cercate “Mario Rossi frode” e trovate un articolo su un omonimo in un altro paese, il sistema tradizionale lo segnala comunque e qualcuno deve leggerlo per escluderlo. Moltiplicato per centinaia di clienti al giorno, il carico diventa insostenibile. Un sistema che capisce il contesto riduce drasticamente questi casi, liberando i compliance officer per le situazioni davvero ambigue.
Per una fiduciaria con cinquanta clienti corporate da monitorare periodicamente, o per un intermediario finanziario che onboarda nuovi clienti ogni settimana, questo tipo di automazione può significare la differenza tra un processo gestibile internamente e uno che richiede l’esternalizzazione a società specializzate. Anche uno studio legale che assiste clienti in operazioni straordinarie e deve fare due diligence reputazionale potrebbe beneficiare di strumenti simili, oggi accessibili non solo alle grandi banche ma anche attraverso piattaforme di compliance di fascia media.
Vale la pena notare che il paper non pubblica dati quantitativi definitivi sulle performance del sistema nei contesti reali, quindi la promessa di riduzione dei falsi positivi va verificata caso per caso. La ricerca stabilisce però un’architettura di riferimento che i fornitori di software compliance stanno già iniziando ad adottare.
Perche conta. Se la vostra azienda è soggetta a obblighi AML o KYC, aprite il contratto con il vostro fornitore di software compliance e verificate se prevede funzionalità di adverse media screening automatizzato. Se il sistema usa ancora solo ricerca per parole chiave, chiedete esplicitamente se è prevista un’integrazione con tecnologie di analisi del testo basate su AI. I fornitori più aggiornati stanno già rilasciando queste funzionalità, spesso senza costi aggiuntivi rispetto ai piani esistenti.