L'intelligenza artificiale sta arrivando per la conformità nel settore delle criptovalute, ma non nel modo in cui la maggior parte delle persone pensa

A cura di Pierre Gérard, CEO e co-fondatore di Scorechain

Quando abbiamo fondato Scorechain in Lussemburgo nel 2015, "l'analisi blockchain" non era ancora una categoria riconosciuta. Abbiamo trascorso i primi anni a spiegare a banche e autorità di regolamentazione perché la trasparenza di un registro pubblico rappresentasse un'opportunità piuttosto che una minaccia. Un decennio dopo, vedo che lo stesso malinteso si sta diffondendo anche nell'ambito dell'intelligenza artificiale (IA), e questo sta costando al settore tempo che non può permettersi.

Due narrazioni dominano il dibattito. La prima sostiene che l'intelligenza artificiale sostituirà presto del tutto i team addetti alla conformità. La seconda afferma che l'IA è troppo imprevedibile per essere applicata ad attività finanziarie regolamentate. Non credo a nessuna delle due, e lo dico da persona la cui azienda ha valutato il rischio di oltre 2.800 fornitori di servizi di asset virtuali (VASP) dal 2015 e che negli ultimi due anni si è concentrata sull'integrazione dell'IA laddove risulta realmente utile, come livello separato piuttosto che come componente intrinseca degli strumenti di conformità su cui fanno affidamento i nostri clienti.

Partiamo dal problema che ogni responsabile della conformità con cui parlo solleva entro i primi cinque minuti: il rumore. Un sistema di screening delle sanzioni, configurato come lo configura una banca nervosa, può generare falsi positivi nell'ordine del 95%. Il monitoraggio delle transazioni non è da meno. Quindi un analista qualificato, qualcuno che comprende le tipologie e sa leggere un flusso di fondi, passa la maggior parte della giornata lavorativa a risolvere avvisi che non rappresentavano alcun rischio: scartando corrispondenze di nomi basate su cognomi comuni, leggendo cinque articoli di stampa negativi che si rivelano descrivere una persona completamente diversa. Ciascuno di questi controlli richiede a un analista dai 10 ai 20 minuti. Questa è la realtà del lavoro di conformità oggigiorno, ed è il motivo per cui le persone valide abbandonano la professione per burnout.

È qui che l'automazione trova la sua collocazione, e si tratta di un ruolo più circoscritto di quanto si pensi. Non sono neutrale al riguardo. Scorechain AI esiste per fornire a un analista un unico report: il punteggio di rischio di un portafoglio, le tipologie di entità con cui ha interagito e i servizi e le controparti a cui è stato esposto. Questo è un lavoro che in passato richiedeva ore di tracsu un registro. Ma notate cosa fa e cosa non fa il report. Non prende alcuna decisione. Comprime le prove in modo che il responsabile della conformità, la persona che deve approvare quella decisione e difenderla in seguito di fronte a un'autorità di regolamentazione, possa leggerlo in pochi minuti e poi prendere la decisione. Questo è il punto cruciale. Una buona automazione non riduce la funzione di conformità; la sposta dal ciclo di triage al giudizio.

La distinzione è importante, perché l'alternativa è pericolosa. In un contesto regolamentato, un modello non può rispondere a un'autorità di controllo. La Sesta Direttiva Antiriciclaggio (AMLD6) e il Regolamento sui Mercati delle Criptovalute (MiCA) impongono a un'istituzione di spiegare e giustificare le proprie decisioni. "L'algoritmo l'ha segnalato" non è una giustificazione valida in caso di ispezione, e "l'algoritmo l'ha approvato" è ancora peggio. Pertanto, l'unica progettazione responsabile prevede che l'IA agisca come livello di supporto sovrapposto a dati affidabili, con un responsabile della conformità designato che mantenga la decisione e la relativa responsabilità. La supervisione umana non è una rotella di supporto che si rimuove una volta che il modello è maturo. È l'architettura stessa.

Un modello è valido solo quanto ciò che sta alla base di esso. Questo è l'aspetto che sfugge agli osservatori esterni. Da sola, un'intelligenza artificiale che legge una blockchain vede solo stringhe anonime di caratteri che trasferiscono valore ad altre stringhe anonime. Non può capire che il portafoglio tre passaggi più a monte è un exchange autorizzato, o che la controparte che riceve i fondi è un mixer anziché un fornitore di servizi di pagamento. Fornire questo contesto mancante è il compito principale dell'analisi blockchain: associare identitàdentrischio all'attività grezza on-chain, tracl'esposizione indiretta attraverso più passaggi anziché limitarsi a controllare l'indirizzo visualizzato, e valutarla rispetto agli oltre un miliardo di punti dati e agli oltre un milione di entità crittografiche che abbiamo etichettato dal 2015. Prendiamo un caso concreto: un portafoglio sembra pulito a prima vista, ma traci flussi si scopre che la maggior parte del suo saldo proviene, due passaggi più indietro, da un indirizzo collegato a un operatore di ransomware. Questa è una scoperta che un modello non potrebbe mai fare basandosi solo sui dati grezzi della blockchain, ed è quella su cui un responsabile della conformità deve intervenire. Fornisci a un modello il contesto necessario e potrà ragionare su basi solide. Forniscigli dati insufficienti e produrrà risultati privi di sensodent che in termini di conformità sono più pericolosi di una lacuna onesta, perché giustificano errori che non dovrebbero essere corretti.

Ecco cosa trovo davvero nuovo. L'intelligenza artificiale non è più solo uno strumento utilizzato dai team di conformità; sta diventando un partecipante attivo nel mercato che monitorano. Gli agenti autonomi che avviano pagamenti entro limiti preimpostati sono passati dalla fase dimostrativa a quella operativa, spinti da infrastrutture reali: lo standard x402 di Coinbase per i pagamenti machine-to-machine, il Trusted Agent Protocol di Visa, l'integrazione con PayPal e OpenAI Checkout. Il software sta iniziando a interagire con altri software, gestendo transazioni in criptovalute a un volume che nessun team di tesoreria potrebbe eguagliare manualmente.

Si pone un quesito a cui il settore non ha ancora dato una risposta chiara: come si applicano del Know Your Transaction (KYC) a una controparte che è un software? La direzione, almeno, è chiara. Quando gli agenti effettuano transazioni in autonomia, i controlli non possono limitarsi alla fase di onboarding. Devono estendersi al livello della transazione stessa: monitoraggio in tempo reale, limiti di velocità, tracciabilità e la possibilità di intervenire mentre il denaro è ancora in transito. La trasparenza che abbiamo difeso per anni dagli scettici si rivela essere l'elemento fondamentale che rende verificabile l'attività on-chain autonoma.

Questo è il futuro che abbiamo deciso di costruire, anziché aspettare. Abbiamo recentemente lanciato Scorechain MCP, che espone il nostro sistema di valutazione del rischio e l'intelligence sulle entità tramite il Model Context Protocol (MCP), lo standard emergente che consente agli agenti di intelligenza artificiale di richiamare direttamente strumenti esterni. L'intelligence risiede nella nostra piattaforma, mentre l'IA rimane esterna, richiedendo risposte anziché essere integrata nello strumento di conformità stesso. Il principio è semplice: un agente non dovrebbe mai effettuare transazioni alla cieca. Prima di trasferire fondi o approvare una controparte, può chiedere a Scorechain, nello stesso istante, se quell'indirizzo appartiene a un'entità sanzionata, a un mixer, a una truffa nota o a un portafoglio privato sicuro, e ricevere in cambio un punteggio di rischio. Non si tratta di un throughput ipotetico. Eseguiamo già oltre 1,5 milioni di controlli AML al giorno e una chiamata di screening viene elaborata in circa 235 millisecondi, un tempo sufficientemente rapido da poter essere integrata in una transazione in corso anziché rallentarla. L'abbiamo resa disponibile dove gli agenti e i flussi di lavoro risiedono effettivamente, come app all'interno di ChatGPT e Claude, e come integrazione su piattaforme di automazione come n8n e Zapier. Un controllo di conformità integrato nel flusso, nel momento stesso in cui viene presa la decisione, vale molto di più di un controllo aggiunto dopo che il denaro è già stato trasferito. Il controllo più elementare di tutti, ovvero la presenza di un indirizzo in una lista di sanzioni, non dovrebbe essere a pagamento per nessuno. Per questo motivo offriamo un'API gratuita per lo screening delle sanzioni, accessibile a qualsiasi sviluppatore, agente o flusso di lavoro. Lo screening dell'esposizione alle sanzioni non è l'aspetto in cui un fornitore di servizi di conformità dovrebbe trarretrac; è il livello minimo su cui l'intero mercato dovrebbe basarsi.

Si sta verificando un cambiamento di secondo ordine che gli emittenti di token e i gestori patrimoniali stanno solo ora iniziando a comprendere. Quando il valore si sposta verso stablecoin e asset tokenizzati alla velocità della macchina, il rischio rilevante non è più solo la singola transazione, ma l'asset stesso: chi lo detiene, quanto è concentrata la proprietà e quanta parte dell'offerta è in mano a entità sanzionate o comunque ad alto rischio. Questa è una questione diversa dal monitoraggio delle transazioni, ed è quella a cui la nostra Digital Asset Intelligence è progettata per rispondere, fornendo a un emittente o a un gestore patrimoniale una visione a livello di singolo asset dei detentori e dell'esposizione prima della coniazione, della quotazione o dell'assegnazione.

L'Europa è più pronta di quanto si creda. MiCA e AMLD6 presuppongono già un monitoraggio continuo e una chiara responsabilità, anziché un controllo una tantum, e un regime che presuppone che l'attività debba essere spiegabile è esattamente ciò che serve quando il software inizia a movimentare denaro. Quindi sì, l'intelligenza artificiale arriverà anche per la conformità nel settore delle criptovalute. Eliminerà una grande quantità di lavoro noioso, e questo è un aspetto che accolgo con favore. Ciò che non eliminerà è la necessità di giudizio, responsabilità e dati verificabili. Alzerà l'asticella per tutti e tre. I team che tratteranno l'IA come un analista più veloce, basato su informazioni on-chain affidabili e mantenuto saldamente sotto controllo umano, saranno quelli che saranno ancora in piedi quando le macchine inizieranno a effettuare transazioni. E questo è più vicino di quanto la maggior parte delle persone pensi.