Falsi positivi antiriciclaggio: come l'AI agentica aiuta

Lunedì, le otto e mezza. Apri la coda del monitoraggio e ci sono duecentottanta alert da lavorare. Non li hai ancora aperti, ma sai già più o meno come andrà la giornata: la stragrande maggioranza non porterà a niente. Lo stipendio accreditato un giorno prima del solito. Il bonifico «anomalo» che è la retta dell'università del figlio. La signora che ogni mese fa lo stesso versamento e ogni mese, puntuale, fa scattare la stessa regola.

Se lavori in un ufficio antiriciclaggio, in una banca o in un intermediario finanziario, questa scena non te la devo spiegare. La vivi ogni settimana. Ed è qui che si nasconde uno dei problemi più logoranti e meno raccontati della funzione AML: il lavoro vero, gran parte delle giornate, non è trovare i cattivi. È scartare i falsi positivi per arrivarci.

Il mestiere dell'analista somiglia sempre più a cercare un ago in un pagliaio fatto di altri aghi finti.

Il paradosso del pagliaio

C'è un dato che chi fa questo lavoro conosce sulla propria pelle: secondo le stime di settore, la grande maggioranza degli alert generati dai sistemi di transaction monitoring si rivela un falso positivo. In molti contesti si parla di oltre il novanta per cento.

Fermati un attimo a pensarci. Vuol dire che, per ogni segnalazione che ha davvero senso, un analista ne apre, legge e archivia molte altre che non ne avevano. Non è solo tempo perso. È un problema più sottile, e più pericoloso: si chiama alert fatigue. Quando il cervello si abitua a vedere «niente di anomalo» centinaia di volte, il rischio è che la volta in cui l'anomalia c'è davvero passi come tutte le altre. Il caso vero non si perde perché manca un controllo. Si perde perché è sepolto sotto il rumore.

Perché i falsi positivi sono così tanti

Non è colpa degli analisti, e quasi mai dei sistemi presi singolarmente. È il modo in cui sono costruiti. Gran parte del monitoraggio si basa su regole e soglie: supera un importo, ripeti un'operazione, movimenta verso un certo Paese, e scatta l'alert. Una rete a maglie larghe, pensata apposta per non lasciar passare nulla. Il prezzo di quella prudenza sono montagne di segnalazioni che, lette con un minimo di contesto, si sgonfiano in pochi minuti.

E il contesto è proprio il punto. Per capire se un alert è davvero qualcosa, l'analista deve ricostruire a mano una storia che è sparsa ovunque:

• l'anagrafica e la KYC del cliente, con il profilo di rischio dichiarato;
• lo storico dei rapporti e delle operazioni passate;
• le relazioni con altri soggetti, titolari effettivi, controparti;
• eventuali notizie negative o liste, da verificare su fonti affidabili.

Ogni volta, da capo. Apri cinque sistemi diversi, copi, incolli, confronti. E la parte più amara è che quella stessa storia magari l'avevi già ricostruita il mese prima, per lo stesso cliente, per lo stesso identico alert.

Il collo di bottiglia non è decidere. È raccogliere il contesto per poter decidere, e rifarlo daccapo a ogni alert.

Il costo nascosto

L'alert fatigue non è pigrizia. È quello che succede quando il lavoro ripetitivo soffoca quello che conta.

Questo lavoro ha un costo che raramente finisce in un report. È la stanchezza di chi passa le giornate su attività a basso valore. È il turnover di analisti bravi che se ne vanno. È il backlog che cresce e le code che si allungano sotto scadenza.

Ma c'è anche un costo che riguarda direttamente la compliance. L'UIF e Banca d'Italia non si aspettano un numero alto di segnalazioni: si aspettano segnalazioni tempestive e ben fondate. Conta la qualità, non la quantità. E la qualità è esattamente la prima vittima quando una squadra è schiacciata dal volume. Una segnalazione di operazione sospetta che parte tardi, o un caso reale che resta sepolto, valgono molto di più di mille falsi positivi archiviati in fretta.

Cosa cambia con l'AI agentica

Qui serve essere precisi, perché «usiamo l'AI» non vuol dire niente. Per l'antiriciclaggio non serve un chatbot. Serve un sistema agentico: agenti che lavorano per obiettivi, in più passaggi, come farebbe un collega esperto ma senza stancarsi.

In concreto, davanti a un alert un agente può fare il lavoro di raccolta che oggi ti porta via metà giornata: recupera la KYC del cliente, ricostruisce lo storico delle operazioni, mette in fila le relazioni rilevanti, controlla le fonti interne, e ti presenta una bozza di analisi ragionata. Non un punteggio misterioso, ma un riepilogo che spiega perché quell'alert somiglia ai casi che si chiudono in fretta, oppure perché invece merita un secondo sguardo. Con un dettaglio che fa la differenza: ogni elemento cita la fonte da cui arriva.

Tu non parti più dal foglio bianco. Parti da un caso già istruito, e fai la cosa per cui sei bravo davvero: decidere.

La regola che non si discute: verificabile e privato

Sui dati antiriciclaggio la diffidenza verso l'AI generativa è più che giustificata. Stiamo parlando di nomi, profili di rischio, persone politicamente esposte, sospetti. Un modello che «inventa» un collegamento plausibile non è un errore qualsiasi: è un danno. Per questo l'unica AI che ha senso qui è quella verificabile e privata.

Significa due cose molto concrete. La prima: ogni conclusione dev'essere calcolata dalle tue fonti e citarle, tracciabile fino al documento e al dato di origine. È l'idea dietro il RAG privato: la conoscenza resta nella tua knowledge base, e ogni risposta dice da dove viene.

La seconda riguarda il perimetro. La knowledge base resta isolata, con dati trattati in UE e nel rispetto del GDPR, accessi governati da SSO/MFA e log di audit, e nessun modello condiviso addestrato sui tuoi contenuti. Per dati così sensibili non è un optional: è la condizione di partenza.

E soprattutto: non è una scatola nera. La decisione resta tua. L'agente prepara e motiva, tu vagli, confermi o smonti, e la segnalazione di operazione sospetta, se serve, la valuti e la inoltri tu. La responsabilità verso l'autorità non si delega a un modello, e non deve.

Cosa cambia, davvero, per il tuo team

L'effetto non è «meno controlli». È controlli migliori, fatti dalle persone giuste sulle cose giuste.

Quando la raccolta del contesto smette di mangiarsi la giornata, l'analista torna a essere quello che dovrebbe essere: un investigatore, non un passacarte. Cambia anche il ritmo. I falsi positivi evidenti si chiudono più in fretta e con una motivazione tracciata. Il tempo recuperato va dove conta: sui casi grigi, quelli che richiedono esperienza e intuito. E quando arriva l'ispezione, la storia di ogni decisione è già lì, documentata, invece di essere ricostruita a memoria.

Come si traduce in pratica con SinergIA

È il modello che SinergIA porta dentro le istituzioni finanziarie: una piattaforma agentica e sicura dove gli agenti consultano i tuoi documenti e i tuoi dati, ricostruiscono il contesto e preparano analisi tracciabili fino alla fonte, mentre la decisione resta nelle mani del team. Il cuore è il RAG privato: conoscenza isolata, conforme al GDPR e con dati trattati in UE, e ogni risposta che cita il dato esatto.

Per i team AML, come per quelli ICT ed ESG, il punto non è sostituire le persone. È togliere loro il rumore, quei duecentottanta alert del lunedì mattina che si assomigliano tutti, e restituire tempo e lucidità a ciò che conta: riconoscere il caso vero quando arriva.

---

Questo articolo ha scopo informativo e non costituisce consulenza in materia di antiriciclaggio. Per gli obblighi applicabili alla tua organizzazione, fai riferimento alle disposizioni di Banca d'Italia, UIF e alla normativa vigente.