Revisione SFDR: perché è importante considerare il ruolo dell’AI?
La revisione SFDR da parte della Commissione UE arriva come segnale importante nella direzione della semplificazione informativa. Sulle proposte si è acceso un dibattito che – in estrema sintesi – tende a leggere queste semplificazioni come una perdita di identità dello spirito della normativa e chi invece non le ritiene sufficienti per “parlare” effettivamente il linguaggio del mondo retail. Al di là della difficoltà di trovare una sintesi tra queste due posizioni e della necessità da parte dell’industria finanziaria di tenere in considerazione i cambiamenti che hanno caratterizzato questa fase del clima politico e sociale c’è una variabile che merita di essere considerata con maggiore attenzione in questa fase e rigiarda il ruolo dell’Intelligenza artificiale.
Revisione SFDR: perché occorre tenere conto dell’Intelligenza artificiale
Se l’obiettivo primario della revisione SFDR è da identificare nel concetto di semplificazione informativa non si può non considerare che questa arrivi in una fase del mercato in cui la SFDR ha cercato di trasformare la sostenibilità da concetto che si concretizza primariamente in una forma narrativa a un fenomeno che esprime e può essere “controllato” attraverso una serie di dati standardizzati. Una prospettiva che impone agli operatori finanziari una serie di obblighi stringenti in termini di raccolta, di gestione e di rendicontazione delle informazioni ESG. Per rispettare questi requisiti, che vanno dai Principal Adverse Impacts (PAI) ai template standardizzati il mondo delle banche, degli asset manager e delle SGR si trovano oggi a gestire un volume di dati decisamente molto importante e soprattutto eterogeneo. Un volume di dati che è poi in continua evoluzione, proveniente da più fornitori e da fonti non strutturate. In questo contesto l’utilizzo strutturato dell’intelligenza artificiale diventa una risposta indispensabile per affrontare la complessità del quadro SFDR anche a prescindere dalle prospettive legate alla revisione SFDR.
Cosa può fare l’AI per la gestione dei requirement SFDR?
Gli algoritmi di AI possono, per esempio, automatizzare la raccolta e normalizzazione dei dati ESG, estraendo informazioni rilevanti da bilanci, report di sostenibilità, notizie e database esterni. Modelli di Natural Language Processing consentono di leggere e classificare testi lunghi, individuando indicatori chiave legati alle emissioni, alle controversie sociali o alla governance. Allo stesso tempo, tecniche di machine learning possono migliorare la stima dei dati mancanti e l’aggiornamento periodico degli indicatori richiesti per gli obblighi SFDR, riducendo tempi e costi di compliance e aumentando l’accuratezza delle analisi.
L’Intelligenza artificiale come strumento per ridurre i rischi di greenwashing
L’AI diventa centrale anche nella lotta al greenwashing, uno degli obiettivi dichiarati della revisione SFDR in termini di semplificazione informativa può essere affrontato appunto con l’AI. Grazie a modelli di analisi semantica si possono confrontare le dichiarazioni di sostenibilità dei prodotti con i dati effettivi di portafoglio, individuando e segnalando eventuali incoerenze tra marketing e realtà.
Il ruolo degli strumenti di anomaly detection
Strumenti di anomaly detection aiutano a identificare prodotti che si definiscono “sostenibili” o “di transizione” ma investono in misura significativa in attività controverse, supportando funzioni di controllo interno e risk management. In prospettiva, la combinazione tra SFDR e AI può rendere più robuste le metriche di sostenibilità, migliorando la comparabilità tra prodotti e aumentando la fiducia degli investitori nelle informazioni comunicate.
Questo legame, però, non è privo di sfide. L’uso di AI nei processi SFDR solleva questioni di governance, trasparenza e responsabilità: i modelli che aggregano o stimano dati ESG devono essere tracciabili, spiegabili e soggetti a controlli indipendenti, altrimenti si rischia di sostituire un rischio di opacità che può arrivare dalla disposnibilità di dati non affidabili, con un’altra, quella degli algoritmi.
Inoltre, la qualità dell’output è limitata dalla qualità dell’input: se le informazioni di partenza sono incomplete o incoerenti, neppure il miglior modello di AI può garantire un reporting pienamente affidabile. Per questo, molte istituzioni stanno affiancando ai progetti tecnologici un rafforzamento dei processi di data governance ESG, con ruoli e responsabilità chiari tra funzioni IT, risk, compliance e investment.
L’Agentic AI come fattore di ulteriore semplificazione in chiave di informativa SFDR
L’arrivo degli agenti AI sta a ua volta aprendo una ulteriore fase per la finanza sostenibile, in particolare per tutto ciò che riguarda la compliance alla SFDR. La SFDR richiede alle istituzioni finanziarie un livello sempre crescente di trasparenza su metriche ESG, Principal Adverse Impacts (PAI), processi di due diligence e classificazione dei prodotti finanziari. Il volume dei dati da gestire è sempre più grande, eterogeneo e difficile da sfruttare e gestire.
Gli agenti AI possono monitorare automaticamente centinaia di fonti informative, possono raccolgiere dati ESG in tempo reale da report di sostenibilità, bilanci, database pubblici, normative emergenti, notizie e social media. Questi agenti possono valutare l’attendibilità delle fonti, integrare informazioni mancanti e segnalare incoerenze, riducendo il rischio di incompletezza o inaccuratezza dei dataset utilizzati per la rendicontazione SFDR.
Agentic AI e gestione dei Principal Adverse Impacts
Un impatto particolarmente rilevante riguarda la gestione dei PAI: gli agenti possono eseguire analisi continue sugli indicatori chiave, aggiornando automaticamente le metriche quando cambiano le condizioni operative delle aziende presenti nei portafogli. Questo permette una maggiore prontezza nell’individuare rischi ESG materiali e nel classificare correttamente prodotti Articolo 8 e Articolo 9, evitando errori interpretativi o “greenwashing involontario”.
Scenario analysis più veloci e precisi con l’Intelligenza artificiale agentica
Gli agenti AI possono anche essere programmati per eseguire attività di scenario analysis e stress test climatico, simulando l’impatto di normative, eventi fisici o cambiamenti di mercato sui portafogli, fornendo insight immediati ai risk manager. Inoltre, grazie alla loro capacità conversazionale, possono generare in modo automatico report SFDR coerenti, auditabili e personalizzabili, riducendo il tempo dedicato al reporting e aumentando la qualità delle analisi.
In prospettiva, l’integrazione degli agenti AI potrebbe permettere la creazione di una sorta di SFDR dinamica, non più basata su rendicontazioni annuali, ma su informazioni ESG continuamente aggiornate. Questo approccio potrebbe cambiare il modo in cui gli investitori valutano il rischio e le performance sostenibili, creando un ecosistema informativo più trasparente, tempestivo e affidabile.
La revisione SFDR spinge a sua volta verso l’adozione dell’AI
Nello stesso tempo, lo spirito verso la semplificazione e verso una maggiore padronanza degli obblighi SFDR stanno agendo da catalizzatore per l’adozione dell’AI nella finanza: senza automazione intelligente, la gestione manuale di indicatori, PAI e template di disclosure rischia di diventare insostenibile. Nello stesso tempo, affinché questa convergenza produca reali benefici, per gli operatori e per gli investitori, l’intelligenza artificiale dvee essere integrata in modo responsabile, all’interno di un quadro di controlli, competenze e regole che ne garantiscano l’affidabilità. Solo con questa modalità la combinazione tra SFDR e AI è in grado di tradursi in una finanza più trasparente, comparabile e orientata alla sostenibilità, anziché in un nuovo livello di complessità difficilmente governabile.
