La presente tesi analizza le Segnalazioni di Operazioni Sospette (SOS), fulcro del sistema italiano di prevenzione del riciclaggio delineato dal D.Lgs. 231/2007 e dal pacchetto AML 2024, alla luce della progressiva introduzione di strumenti di intelligenza artificiale nel monitoraggio delle transazioni. Il lavoro muove dalle criticità strutturali del modello attuale — il sovraccarico informativo, il fenomeno del defensive reporting e l'elevato tasso di falsi positivi generato dai sistemi rule-based — per esaminare la transizione verso modelli predittivi basati sul machine learning, capaci di ridurre il rumore di fondo e di riconoscere schemi di riciclaggio complessi attraverso tecniche come l'analisi delle reti. La tesi sostenuta è che l'intelligenza artificiale non costituisca un sostituto del giudizio umano, bensì uno strumento di supporto: la decisione finale sulla segnalazione, e con essa la responsabilità giuridica, permane in capo al decisore umano (il delegato SOS) quale presidio insostituibile di valutazione qualitativa e di imputabilità. Tale impostazione trova conferma nelle nuove Istruzioni UIF del 18 dicembre 2025, che ammettono l'impiego di sistemi di IA subordinandolo al controllo e alla validazione umana. Il lavoro affronta infine i profili di governance connessi all'opacità dei modelli più avanzati, il requisito di spiegabilità delle decisioni algoritmiche e la responsabilità dell'intermediario.
Antiriciclaggio: l'impatto dell'intelligenza artificiale sul monitoraggio delle transazioni
TANCI, RICCARDO
2025/2026
Abstract
La presente tesi analizza le Segnalazioni di Operazioni Sospette (SOS), fulcro del sistema italiano di prevenzione del riciclaggio delineato dal D.Lgs. 231/2007 e dal pacchetto AML 2024, alla luce della progressiva introduzione di strumenti di intelligenza artificiale nel monitoraggio delle transazioni. Il lavoro muove dalle criticità strutturali del modello attuale — il sovraccarico informativo, il fenomeno del defensive reporting e l'elevato tasso di falsi positivi generato dai sistemi rule-based — per esaminare la transizione verso modelli predittivi basati sul machine learning, capaci di ridurre il rumore di fondo e di riconoscere schemi di riciclaggio complessi attraverso tecniche come l'analisi delle reti. La tesi sostenuta è che l'intelligenza artificiale non costituisca un sostituto del giudizio umano, bensì uno strumento di supporto: la decisione finale sulla segnalazione, e con essa la responsabilità giuridica, permane in capo al decisore umano (il delegato SOS) quale presidio insostituibile di valutazione qualitativa e di imputabilità. Tale impostazione trova conferma nelle nuove Istruzioni UIF del 18 dicembre 2025, che ammettono l'impiego di sistemi di IA subordinandolo al controllo e alla validazione umana. Il lavoro affronta infine i profili di governance connessi all'opacità dei modelli più avanzati, il requisito di spiegabilità delle decisioni algoritmiche e la responsabilità dell'intermediario.| File | Dimensione | Formato | |
|---|---|---|---|
|
TANCI_RICCARDO_889801.pdf
accesso aperto
Dimensione
1.2 MB
Formato
Adobe PDF
|
1.2 MB | Adobe PDF | Visualizza/Apri |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14247/31356