Attraverso il c.d. credit scoring le banche e gli altri intermediari finanziari effettuano, in modo statistico ed automatizzato, valutazioni funzionali all’assegnazione del merito creditizio dei soggetti che richiedono finanziamenti.
A tal fine, vengono utilizzati diverse tipologie di dati del cliente, anzitutto economici e finanziari: da qui, la centralità della qualità dei dati analizzati, tramite credit scoring, per giungere alla decisione finale di affidabilità creditizia.
Rispetto alla decisione finale di concedere il finanziamento, il credit scoring può inoltre assumere un valore più o meno decisivo; inoltre, a fronte del continuo sviluppo tecnologico, tali sistemi acquisiscono complessità sempre maggiori, acuite dall’uso di sistemi di intelligenza artificiale, anche di tipo generativo, che definiscono il processo di valutazione.
La valutazione del merito creditizio tramite credit scoring appare quindi una tematica trasversale, diversamente disciplinata da più corpus normativi, tra cui il TUB, il GDPR, la Direttiva in materia di credito ai consumatori (CCD II), la normativa di vigilanza in materia di gestione e concessione del credito e, da ultimo, laddove svolta con l’utilizzo di sistemi di intelligenza artificiale, dal nuovo regime dell’AI Act.
Lo scopo del corso è pertanto quello di analizzare gli obblighi e limiti normativi per l’utilizzo di tecniche di credit scoring nella valutazione del merito creditizio, anche tramite intelligenza artificiale, approfondendo non solo il corretto processo per giungere ad una valutazione di affidabilità creditizia del cliente, ma altresì i necessari presidi in termini di controlli dei processi, e di tutela dei diritti dei clienti, così come disciplinati dalla normativa applicabile.
Tematiche oggetto di attenzione e discussione
- Il sistema del credit scoring nell’ambito della valutazione del merito creditizio
- Il problema della qualità dei dati, fra indicatori patrimoniali (hard data) e tecniche di profilazione non convenzionali (soft data)
- La ricognizione delle fonti di produzione dei dati: il problema dei servizi in outsourcing
- I dati da utilizzare anche alla luce delle Linee guida EBA sulla concessione e monitoraggio del credito (LOM)
- Credit scoring algoritmico e machine learning applicato alla valutazione del merito creditizio
- Il problema delle distorsioni (bias) e della black box
- Il credit scoring tra GDPR e CCD II
- La decisione basata esclusivamente su un trattamento automatizzato ex art. 22 GDPR
- La tutela del diritto all’autodeterminazione informativa del cliente
- Il diritto alla spiegazione della decisione finale
- Il concetto di “decisione finale” nella sentenza SCHUFA
- Il diritto alla supervisione umana: le specificità del credito al consumo
- La classificazione nell’AI Act dei sistemi di credit scoring
- Obblighi e requisiti per l’uso dei sistemi di IA ad alto rischio ed applicabilità a tutta la catena di valore
- L’obbligo per i deployer della valutazione d’impatto per i diritti fondamentali
- I presidi di governance e controllo fra AI Act e Linee guida EBA LOM