Rozes usa una IA entrenada con 2.082 empresas para detectar el crimen organizado

La lucha contra la infiltración del crimen organizado en la economía legal ha encontrado un aliado inesperado en la ciencia de datos. No se trata de interceptaciones telefónicas ni de agentes encubiertos, sino de un análisis exhaustivo de los estados financieros. La startup italiana Rozes ha desarrollado un sistema de inteligencia artificial capaz de detectar huellas estadísticas que la criminalidad organizada deja en los balances de las empresas, transformando documentos contables en indicadores de riesgo.

El rastro invisible de la criminalidad en los números

Un balance empresarial suele interpretarse como una fotografía de ingresos, deudas y beneficios. Sin embargo, para los fundadores de Rozes, estos documentos cuentan una historia mucho más profunda. La premisa es que la gestión de una empresa vinculada a la mafia no es idéntica a la de una empresa legítima; existen anomalías compatibles con estructuras societarias diseñadas para el blanqueo de capitales, la facturación falsa o la bancarrota fraudulenta.

La tecnología desarrollada por esta compañía, constituida en 2019 y consolidada como spin-off de la Universidad de Padua, no busca una única partida sospechosa en la contabilidad. En su lugar, el algoritmo de machine learning analiza combinaciones recurrentes de indicadores contables. Es el conjunto articulado de señales lo que permite que una empresa analizada resulte superponible a un patrón criminal de referencia, permitiendo así identificar riesgos que pasarían desapercibidos para un auditor humano en una primera revisión rápida.

Cómo funciona la arquitectura de detección de Rozes

El corazón del sistema es un modelo de inteligencia artificial entrenado con datos reales y contrastados. Para lograr esta precisión, el equipo de investigación compuesto por Francesco Ambrosini, Michele Fabrizi y Antonio Parbonetti utilizó un archivo de 2.082 empresas que ya contaban con evidencias judiciales que las vinculaban con la criminalidad organizada. Esta base de datos sirve como el estándar de comparación para cualquier nueva entidad sometida a análisis.

La plataforma opera como una herramienta de risk intelligence diseñada para tres funciones principales:

La plataforma está destinada a la due diligence, a la verificación de las contrapartes, a las actividades antiriciclaje y a las investigaciones.

Al procesar los datos económicos y financieros, el software asigna a la sociedad bajo examen una puntuación de riesgo. Cuanto más se asemejen los patrones contables de la empresa a los de las sociedades fraudulentas del archivo de entrenamiento, mayor será la alerta. Este enfoque permite a las organizaciones gestionar listas masivas de proveedores o clientes, reduciendo drásticamente el campo de acción para centrar los controles donde la probabilidad de irregularidad es más alta.

La IA como filtro y no como juez

Uno de los puntos críticos en la implementación de la IA en el ámbito legal es la posibilidad de falsos positivos o la sustitución del criterio humano por el algorítmico. En este sentido, Rozes ha sido clara sobre los límites de su tecnología. El sistema no tiene la capacidad de determinar si una empresa es mafiosa o no, ya que esa es una atribución exclusiva de la autoridad judicial.

Lo que la herramienta ofrece es una optimización de los recursos de control. En lugar de analizar miles de empresas al azar o basándose en intuiciones, las administraciones pueden utilizar el punteggio de riesgo para decidir dónde es necesario mirar con más atención. Es, en esencia, un filtro de alta precisión que indica dónde podrían esconderse las anomalías, pero deja la investigación final y la prueba jurídica en manos de los expertos humanos.

Aplicaciones reales en la gestión de fondos públicos

La utilidad práctica de este algoritmo ya ha trascendido el entorno académico de la Universidad de Padua. Actualmente, la tecnología se está implementando en la administración pública italiana, específicamente en el Ministerio de Infraestructuras. El objetivo es blindar las licitaciones públicas relacionadas con el PNRR (Plan Nacional de Recuperación y Resiliencia) frente a posibles fraudes y filtraciones criminales.

La capacidad de analizar rápidamente la solvencia y la transparencia de los adjudicatarios es vital cuando se gestionan presupuestos públicos masivos. Al integrar esta solución de machine learning, el Estado puede aumentar la transparencia y proteger los fondos destinados a la recuperación económica, asegurando que los contratos no terminen en manos de organizaciones dedicadas al blanqueo de capitales.

Un modelo de transferencia tecnológica exitoso

El caso de Rozes es también un ejemplo de cómo la investigación universitaria puede convertirse en un producto comercial viable y con impacto social. En mayo de 2026, la Universidad de Padua renovó formalmente el estatus de spin-off de la startup, basándose en criterios de solidez económica, patentes y proyectos de investigación activos.

Este respaldo académico garantiza que el algoritmo no sea una caja negra, sino el resultado de años de estudio sobre la contabilidad forense y la ciencia de datos. La transición de la teoría académica a una plataforma comercial permite que bancos, empresas privadas y organismos gubernamentales accedan a una capacidad de análisis que antes estaba reservada a investigaciones judiciales profundas y prolongadas en el tiempo.

Impacto y perspectivas para el tejido empresarial español

Aunque el desarrollo de Rozes es italiano, su aplicación tiene implicaciones directas para el ecosistema empresarial y administrativo en España. El tejido productivo español, compuesto mayoritariamente por PYMES, se enfrenta a retos similares en términos de prevención del blanqueo de capitales y cumplimiento normativo (compliance).

La llegada de herramientas de este tipo se alinea con la Agenda Digital Española y el marco regulatorio del AI Act de la Unión Europea. Dado que el AI Act clasifica los sistemas de IA según su riesgo, una herramienta utilizada para la vigilancia financiera y la detección de delitos podría entrar en categorías de alta supervisión, exigiendo una transparencia total sobre los datos de entrenamiento y la mitigación de sesgos. Para las empresas españolas, la adopción de este tipo de risk intelligence podría simplificar los procesos de due diligence, reduciendo el riesgo reputacional al contratar proveedores.

Además, en un contexto donde España busca digitalizar la administración pública para hacerla más eficiente y transparente, la implementación de algoritmos de detección de anomalías en las licitaciones estatales podría reducir la corrupción y mejorar la asignación de fondos europeos. La capacidad de automatizar la detección de patrones sospechosos permitiría a los organismos de control españoles centrar sus esfuerzos en los casos de alto riesgo, optimizando la fiscalización de los contratos públicos y protegiendo la integridad del mercado.

Preguntas frecuentes

Fuentes: Libero, Repubblica, Venetoup ·