Credit scoring via machine learning e prestito responsabile
1. Premessa: merito creditizio e diligenza del finanziatore. – 2. Nuove prospettive: il credit scoring machine learning. – 3. L'utilizzo di intelligenza artificiale nel credit scoring: vantaggi e rischi. – 4. Trasparenza e spiegabilità come obiettivi della regolazione. – 5. Il nodo critico dell’enforcement. - 6. Il credit scoring nella Proposta di Regolamento sull’intelligenza artificiale e nella normativa settoriale: un difficile coordinamento. – 7. Credit scoring algoritmico e principio di prestito responsabile. Considerazioni finali su un problema aperto
Nella valutazione del merito creditizio, si assiste al passaggio da un processo standardizzato di credit scoring basato su dati essenzialmente finanziari (Hard Data), a un processo personalizzato di credit scoring algoritmico, che può far uso di sistemi di intelligenza artificiale e che utilizza le nostre impronte digitali per acquisire anche informazioni non di carattere finanziario (i c.d. Soft Data). In questa transizione digitale, il principio del prestito responsabile può essere il driver per garantire che la valutazione del merito creditizio sia effettuata diligentemente, dando linfa concreta agli obblighi del finanziatore e ai diritti del finanziato, in linea con gli obiettivi del legislatore europeo e italiano in materia e con un uso etico dell’intelligenza artificiale.
In the assessment of creditworthiness, the lender's activity is moving from a standardized process of credit scoring based on “Hard Data”, to a personalized process of credit scoring machine learning based on digital footprints, which uses so-called “Soft Data”. In this perspective, the principle of responsible lending can be the driver to ensure that creditworthiness assessment will be diligently carried out