Startup-ul Rozes folosește machine learning pentru a identifica anomalii contabile legate de mafia, protejând licitațiile publice și fondurile europene.

Analiza unui bilanț contabil este, în mod tradițional, o activitate de verificare a profiturilor, a datoriilor și a stabilității financiare. Însă, dincolo de cifrele brute, documentele financiare pot ascunde amprente statistice specifice, urme lăsate de moduri de gestionare compatibles cu structurile utilizate de criminalitatea organizată. Aceasta este premisa din spatele Rozes, un startup fondat în 2019 și recunoscut ulterior ca spin-off al Universității din Padova, care transformă datele contabile în indicatori de risc prin inteligență artificială.

Mecanismul de detecție a anomaliilor financiare

Sistemul dezvoltat de Rozes nu funcționează prin căutarea unei singure voci suspecte în bilanț, deoarece criminalitatea organizată modernă evită erorile evidente. În schimb, algoritmul de machine learning analizează combinații recurente de indicatori contabili. Este vorba despre un set articulat de semnale care, privite în ansamblu, fac ca o companie să devină statistic similară cu un eșantion de referință format din entități criminale.

Platforma a fost concepută pentru a sprijini activitățile de due diligence, verificarea contrapartilor și investigațiile antifraudă. Prin procesarea volumelor masive de date, software-ul poate identifica tipare de spălare de bani, facturare falsă sau bancrută frauduloasă, oferind utilizatorului un punct de plecare concret pentru investigații aprofundate.

Antrenarea algoritmului pe date judiciare reale

Eficiența unei inteligențe artificiale depinde critic de datele pe care a fost antrenată. În cazul Rozes, modelul a fost dezvoltat pe baza cercetărilor realizate de Francesco Ambrosini, Michele Fabrizi și Antonio Parbonetti, cercetători de la Universitatea din Padova. Baza de date utilizată pentru antrenarea modelului cuprinde 2.082 de companii care au fost legate de criminalitatea organizată prin dovezi judiciare concrete.

Prin compararea datelor companiilor analizate cu acest set de date istorice, algoritmul atribuie fiecărei societăți de capital un scor de risc. Cu cât similitudinea cu modelele de business ale firmelor condamnate este mai mare, cu atât scorul de risc crește, alertând administratorii sau autoritățile asupra necesității unui control riguros.

Limitările sistemului și rolul analistului uman

Un aspect fundamental al acestei tehnologii este delimitarea clară între detecție și condamnare. Rozes nu a construit o mașinărie capabilă să stabilească dacă o firmă aparține mafiei, ci un instrument de risk intelligence. Algoritmul nu emită sentințe, ci indică unde ar trebui direcționate resursele de control.

Sistemul nu stabilește cine este mafios, ci caută anomalii și indică unde ar putea fi necesară o analiză mai atentă.

Această abordare este esențială pentru a evita erorile judiciare și pentru a menține un flux de lucru în care decizia finală aparține întotdeauna unui expert uman, fie el un auditor, un detectiv financiar sau un funcționar public.

Protecția fondurilor publice și licitațiilor

Implementarea practică a acestei tehnologii a început deja în sectorul public italian. Algoritmul este utilizat pentru a monitoriza licitațiile legate de PNRR (Planul Național de Redresare și Reziliență), unde volumul de fonduri este imens și riscul de infiltrare a capitalului ilegal este ridicat. Ministerul Infrastructurilor a început experimentarea sistemului pentru a filtra furnizorii și a proteja contractele publice de riscul spălării banilor.

Pentru administrațiile publice care gestionează liste imense de furnizori și clienți, capacitatea de a restrânge câmpul de vizibilitate de la sute de mii de companii la un grup restrâns de entități cu risc ridicat reprezintă un salt de eficiență major. Sistemul Rozes permite astfel o alocare mai inteligentă a resurselor de supraveghere.

Impactul asupra sectorului bancar și privat

Dincolo de sectorul public, platforma are o utilitate strategică pentru instituțiile financiare. Băncile sunt obligate prin reglementările AML (Anti-Money Laundering) să verifice riguros originea fondurilor și natura partenerilor de afaceri. Utilizarea unui instrument de machine learning reduce timpul de analiză și crește precizia detectării schemelor complexe de fraudă care ar putea scăpa unei analize manuale.

Companiile private, de asemenea, pot folosi acest tip de tehnologie pentru a se proteja de riscurile de reputație. Colaborarea cu un partener care ulterior se dovedește a fi legat de crime organizate poate aduce sancțiuni severe și pierderi de imagine iremediabile. Astfel, riscul este gestionat proactiv, înainte ca contractele să fie semnate.

Ce înseamnă acest avans pentru ecosistemul din România

Deși Rozes este o inițiativă italiană, modelul său de business și tehnologia implementată oferă lecții relevante pentru antreprenorii și administratorii din România. În contextul digitalizării accelerate a administrației publice și a implementării fondurilor PNRR și la nivel național, nevoia de instrumente automate de monitorizare a riscului devine critică.

România se află într-un moment de tranziție legislativă și tehnologică. Adoptarea AI Act la nivel european impune ramă și reguli stricte privind utilizarea inteligenței artificiale, în special în sistemele de evaluare a riscului sau în cele utilizate de autoritățile judiciare. Un sistem precum cel al Rozes, care nu automatizează decizia ci sprijină analiza umană, se aliniază cu principiile de transparență și control cerute de reglementările UE.

Pentru firmele române, acest trend subliniază importanța unei contabilități transparente și a unei guvernanțe corporate solide. Pe măsură ce instrumentele de analiză devin mai sofisticate, anomaliile financiare vor fi detectate mult mai rapid. Antreprenorii care investesc în digitalizarea proceselor financiare și în conformitate vor fi mai bine poziționați pentru a accesa contracte publice și finanțări bancare, deoarece vor putea demonstra mai ușor absența riscurilor asociate cu frauda sau spălarea banilor.

Întrebări frecvente

---

Surse: Libero, Repubblica, Venetoup ·