Lavoce.info

Lotta alla corruzione al tempo dei big data

Problema cronico del nostro paese, la corruzione frutterebbe un giro d’affari di circa 230 miliardi all’anno, secondo alcune stime. L’intelligenza artificiale permette di predire le località più a rischio, rendendo più efficace il contrasto al fenomeno.

Predire i comuni a rischio corruzione: si può?

Stando alla graduatoria più recente di Transparency International, che ordina inversamente 180 paesi del mondo in base a un indice di percezione della corruzione nel settore pubblico e nella politica, l’Italia – seppur rimanendo ben al di sotto della media dei paesi Ue – ha risalito negli ultimi anni molte posizioni, passando dalla 72ma posizione del 2012 alla 42ma del 2021.

Nonostante il balzo, quello della corruzione rimane un problema cronico del nostro paese che, secondo alcune stime, frutta un giro d’affari di circa 230 miliardi di euro all’anno, una cifra molto simile all’importo complessivo dell’intero Piano nazionale di ripresa e resilienza. Proprio riguardo al Pnrr, preoccupano i recenti allarmi sul rischio che la sua attuazione possa essere compromessa da fenomeni di corruzione e malaffare. Come scongiurare i pericoli che la pioggia di risorse sul territorio porta con sé?

Partiamo dai dati. La figura 1 riporta una mappa dei cambiamenti dei tassi di corruzione nei comuni italiani, “fotografati” nell’anno 2012. Già nello scorso decennio, i comuni in cui si registravano incrementi nel numero di “crimini dei colletti bianchi” erano ormai sparsi in tutto il territorio nazionale, anche a causa dello spostamento a Nord delle attività illecite della criminalità organizzata – quella “linea della palma” che Leonardo Sciascia raccontava già ne Il giorno della civetta.

Figura 1 – Cambiamenti dei tassi di corruzione nei comuni italiani (2012)

Nota: La figura riporta in rosso i comuni nei quali il tasso di corruzione annuale (cioè il numero di episodi di corruzione diviso per la popolazione residente) è aumentato rispetto all’anno precedente, e in verde quelli in cui è rimasto invariato o è diminuito. I dati sono riferiti all’anno 2012 e provengono dagli archivi del Ministero dell’Interno (Sistema d’Indagine).

Alla luce dell’impossibilità di tracciare precisi confini geografici all’interno dei quali concentrare gli sforzi investigativi e legislativi, avere a disposizione una mappa delle aree ad alto rischio (hotspot) costituirebbe uno strumento fondamentale per la prevenzione sul territorio.

In un recente lavoro con Guido de Blasio e Alessio d’Ignazio, ci siamo chiesti se è possibile realizzare tale mappa ricorrendo all’uso dell’intelligenza artificiale. Lo studio utilizza algoritmi predittivi ad apprendimento automatico (machine learning) per suggerire in quali comuni italiani è più probabile che avvengano delitti contro la pubblica amministrazione (in particolare, ex articoli 314-323 codice penale) e la fede pubblica (articoli 479-481 codice penale). Vista la loro capacità di produrre previsioni accurate estraendo informazione rilevante dai dati amministrativi, queste tecniche sono ormai impiegate per i fini più disparati, dalla stima degli impatti occupazionali della pandemia, alla previsione dei comuni in dissesto fino all’identificazione delle aree a maggiore esitazione vaccinale.

Leggi anche:  Quando la geografia istituzionale frena lo sviluppo dei territori

Utilizzando il dataset Sistema d’indagine del Ministero dell’Interno e un’ampia serie di caratteristiche socio-economiche, demografiche e territoriali, sviluppiamo modelli previsivi in grado di identificare ex-ante le aree ad alto rischio. L’algoritmo che applichiamo nello studio (Albero di classificazione) prevede correttamente l’insorgenza o meno di fenomeni di corruzione per circa l’85 per cento dei comuni italiani. L’accuratezza è di soli 10 punti percentuali più bassa nel predire l’incremento o il decremento annuale dei reati di corruzione.

Il criterio adottato dall’albero decisionale per classificare un comune è riportato nella figura 2. Il modello sfrutta soglie critiche nei valori di poche variabili dall’elevato potere predittivo – alcune delle quali difficili da ipotizzare a priori come rilevanti per il problema. Ad esempio, se la popolazione del comune (p1) è inferiore a 7.361 abitanti ma uguale o superiore a 2.674, la mobilità fuori comune per studio o lavoro (m2) è inferiore al 39 per cento e l’incidenza di famiglie con potenziale disagio economico (v6) è pari o superiore all’1,5 per cento, l’algoritmo prevede che in quel comune la corruzione aumenterà nell’anno successivo.

Figura 2 – Albero di classificazione per la previsione dei comuni a rischio incremento dei reati di corruzione

Nota: Le variabili nell’albero provengono dal database 8milaCensus dell’Istat riferito all’anno 2011. Raggruppando i comuni all’interno del nodo terminale di appartenenza sulla base dei valori soglia identificati, il modello classifica i comuni nei quali l’anno successivo il tasso di corruzione aumenterà (valore nodo terminale uguale a 1) oppure no (valore nodo terminale uguale a 0).

Intelligenza artificiale e lotta alla corruzione

Come utilizzare queste previsioni? Sfruttandole per migliorare il targeting, ovvero l’identificazione dei destinatari “ottimali”, delle politiche anticorruzione. Ad esempio, abbiamo confrontato le previsioni dei nostri modelli con un criterio adottato nell’ambito dell’attuazione della legge Severino del 2012. Oltre alle disposizioni generali, il decreto legislativo n.39 del 2013 prevedeva infatti l’applicazione di ulteriori norme specifiche solamente per i comuni con una popolazione superiore ai 15 mila abitanti. Quale che sia la ratio della scelta, sottintende il giudizio che le aree più popolate siano quelle a maggior rischio.

I risultati del confronto sono mostrati nella tabella 1. La soglia identifica meno della metà dei comuni in cui la corruzione aumenta; l’algoritmo ne predice correttamente l’80 per cento. Chiaramente, l’utilità dell’esercizio dipende dalla possibilità di fotografare il quadro attuale – non passato – del fenomeno a livello locale. Sebbene, a causa di vincoli di disponibilità, il nostro studio sia stato condotto su dati dello scorso decennio e con un numero di variabili esplicative inferiore a quello potenzialmente accessibile ai governanti, replicare l’esercizio con dati più recenti e abbondanti sarebbe immediato.

L’uso di algoritmi per importanti scelte legislative e politiche si accompagna a delicati problemi di trasparenza, riservatezza, interpretabilità e accountability del decisore pubblico. Ne abbiamo avuto un esempio con le polemiche che hanno segnato l’utilizzo dei 21 indicatori scelti durante la pandemia per stabilire i cambi di zona e i livelli di restrizione delle regioni italiane. Proprio per questo abbiamo optato per un algoritmo che è fra i più trasparenti in assoluto, in quanto consente intuitivamente di comprendere la regola decisionale alla base del modello.

Leggi anche:  Finanza comunale in subbuglio

In conclusione, le politiche anticorruzione potrebbero giovarsi di una mappa granulare delle località a rischio realizzata attraverso accurati – ma non eccessivamente complessi – modelli statistici. Sfruttare tutte le informazioni e tecnologie disponibili per individuare i territori in cui è più probabile che vengano commessi reati di corruzione potrebbe rappresentare un deciso miglioramento per le attività investigative e repressive. Entrando pienamente nell’era dei big data e dell’intelligenza artificiale, la lotta alla corruzione può diventare più efficace ed efficiente.

Lavoce è di tutti: sostienila!

Lavoce.info non ospita pubblicità e, a differenza di molti altri siti di informazione, l’accesso ai nostri articoli è completamente gratuito. L’impegno dei redattori è volontario, ma le donazioni sono fondamentali per sostenere i costi del nostro sito. Il tuo contributo rafforzerebbe la nostra indipendenza e ci aiuterebbe a migliorare la nostra offerta di informazione libera, professionale e gratuita. Grazie del tuo aiuto!

Leggi anche:  Mandati dei sindaci: non c'è due senza tre?

Precedente

Il Punto

Successivo

Carriera e retribuzioni degli insegnanti in Italia in cinque grafici

  1. Savino

    Occorre cambiare la classe dirigente, i dirigenti e i funzionari. Aria nuova negli uffici con i giovani. Non c’è bisogno di intelligenze artificiali o algoritmi: In certe posizioni ci vogliono le nostre giovani eccellenze, anzichè farle andare all’estero o farle penare per elemosinare un lavoretto. Punto e basta, non sono oggetto di discussione le capacità dei giovani talenti sono discutibilissimi alcuni posti da dirigenti e funzionari regalati i quali, sia detto per inciso, non possono insegnare niente a nessuno sapendo prendere solo mazzette dalla mattina alla sera.

  2. Pietro

    Servono scelte coraggiose ed etica più che software atti a “prevedere” il rischio corruzione.
    Una volta previsto il rischio, tra l’altro, come agiamo per prevenirlo davvero?
    Più che un algoritmo per “prevedere” il rischio corruzione, forse servirebbe più una cultura della legalità e dell’etica da svolgersi OBBLIGATORIAMENTE nelle PA, al posto, ad esempio, degli inutili corsi sulla sicurezza sul lavoro “teorici” – facciamoli pratici, piuttosto.

    • paolo

      guardi che i corsi obbligatori contro la corruzione ci sono già, e ogni ente pubblico per legge ha un responsabile anticorruzione.

      • Savino

        Tutto sulla carta il piano anticorruzione quando sei circondato dalla gente che prende le mazzette. Non prendiamoci in giro e soprattutto non prendiamo in giro le giovani generazioni.

    • DD

      “Una volta previsto il rischio, tra l’altro, come agiamo per prevenirlo davvero?”

      Agente provocatore e arresto in flagranza.

  3. B&B

    Per debellare la corruzione basterebbe approvare leggi con sanzione punitive. Per esempio prevedendo il licenziamento a vita, per i dipendenti pubblici che hanno approfittato e rubato, come avverrebbe nel privato, oltre al risarcimento pari a 15 volte il danno procurato.
    Cioè se un politico , un dirigente, un impiegato pubblico, come un sindcalista percepiscono somme o regali in cambio di favori ; 1000,00 euro ne dovranno restituire e.1000×15= euro 15.000,00 con licenziamento a vita da tutti gli uffici pubblici.

  4. Michela Gnaldi

    Dal mio punto di vista il lavoro pubblicato in questo articolo è importante, non solo sotto il profilo scientifico ma anche di policy making. Non c’è dubbio infatti che l’azione politica, in particolare quella diretta a prevenire la corruzione, contrastare l’illegalità e promuovere la trasparenza, debba essere supportata da informazioni ricavate dall’analisi di dati.

    La comunità accademica e istituzionale è impegnata da tempo nello studio del rischio di corruzione a livello territoriale, attraverso la valorizzazione di fonti di dati pubblici e l’impiego congiunto di tecniche statistiche, artificial intelligence e machine learning. Si veda a questo riguardo il progetto ANAC “Misurazione del rischio di corruzione a livello territoriale e promozione della trasparenza”

    http://www.pongovernance1420.gov.it/it/progetto/misurazione-del-rischio-di-corruzione-a-livello-territoriale-e-promozione-della-trasparenza/

    e il sito del relativo portale

    https://www.anticorruzione.it/-/misurazione-territoriale-del-rischio-corruzione-e-promozione-della-trasparenza-progettopon-1

    Michela Gnaldi

  5. B&B

    Non ci viene spiegato il meccanismo psicologico che induce una parte a farsi espropriare il reddito o parte di esso pagando somme di denaro “a nero” e come si attua il crimine.
    (Sanità -Giustizia-Urbanistica-Permessi-Licenze-Assegnazioni-Finanziamenti ecc.)
    Come avviene che una parte è disposta a pagare e, perchè è disposta a farlo, autopunendosi con una tassa aggiuntiva o esproprio di parte del reddito per darlo ad un’altra parte che usa il potere pubblico-

  6. Francesco Gombia

    La grande quantità di informazioni oggi disponibili, derivanti sia da fonti statistiche nella disponibilità delle PA che da strumenti “gestionali” (pensiamo ad es. al sistema Regis del PNRR), ove integrate, consentirebbe di fare un decisivo passo avanti a supporto delle attività di decision making e per la prevenzione di fenomeni di corruzione, frodi, conflitti di interesse e duplicazione dei finanziamenti.
    Attesa la disponibilità di tecnologie sempre più consolidate per la gestione e l’analisi dei big data, occorre quindi lavorare per incrementare dialogo e interoperabilità delle basi dati, diffondere maggiormente l’uso degli open data e più in generale per integrare l’approccio tradizionale di misurazione della corruzione (basato sulla percezione) con metodologie basate sull’uso delle tanti fonti statistiche/amministrative già disponibili.
    Confermo in questo senso la rilevanza del Progetto ANAC (https://www.anticorruzione.it/il-progetto) che fornisce alcune prime risposte alle problematiche sollevate dall’articolo.

Lascia un commento

Non vengono pubblicati i commenti che contengono volgarità, termini offensivi, espressioni diffamatorie, espressioni razziste, sessiste, omofobiche o violente. Non vengono pubblicati gli indirizzi web inseriti a scopo promozionale. Invitiamo inoltre i lettori a firmare i propri commenti con nome e cognome.

Powered by WordPress & Theme by Anders Norén