Il Segnale che Arriva Prima del Default. Sei Mesi Prima.

Come il Cassetto Fiscale e l’intelligenza artificiale stanno ridefinendo la valutazione del merito creditizio e del rischio assicurativo sulle PMI italiane

Paolo Messina | CEO, Mentally Digital LLC — San Jose, California
PhD Physics (EPFL), MBA (Michigan Ross)

---

Era il secondo trimestre del 2023. Un’azienda manifatturiera del comparto alimentare — chiamiamola Alfa Forniture Srl — aveva un rating creditizio nella fascia B positivo. Bilancio depositato al 30 aprile, chiuso con margini stabili, debiti sotto controllo. Il credit analyst della banca che ne gestiva le linee di factoring aveva rinnovato le garanzie senza rilievi significativi.

Quello che il rating non mostrava era visibile altrove, a chi avesse saputo dove guardare.

Da gennaio 2023, Alfa Forniture stava emettendo fatture verso il suo cliente principale — un gruppo della GDO che rappresentava il 41% del suo fatturato — con frequenza decrescente. Nel primo trimestre erano stati emessi undici documenti. Nel secondo, cinque. Nel terzo, due. Le scadenze concordate si allungavano. Nessuna nota di credito, ma la relazione commerciale si stava contraendo in modo sistematico. Contemporaneamente, i versamenti F24 di luglio e ottobre arrivavano con tre settimane di ritardo rispetto al pattern storico dei diciotto mesi precedenti.

La Centrale Rischi avrebbe segnalato il primo alert in gennaio 2024. Il bilancio successivo sarebbe stato depositato in aprile. Nel frattempo, l’esposizione era rimasta invariata.

Il segnale fiscale era lì, leggibile, sei mesi prima.

---

Il problema strutturale del credit scoring sulle PMI italiane

Il tasso di deterioramento del credito delle società non finanziarie, secondo Banca d’Italia, è salito al 2,33% nel 2023 dal 2,16% del 2022 e ha raggiunto il 2,55% nel 2024. Un’accelerazione silenziosa che si manifesta nella Centrale Rischi quando il deterioramento è già avanzato — spesso da sei a dodici mesi dopo i primi segnali operativi.

Il problema non è la qualità dei modelli di scoring. I modelli sono raffinati. Il problema è la qualità dei dati su cui si basano: i modelli tradizionali valorizzano le informazioni microeconomiche disponibili — come i dati di bilancio e le segnalazioni della Centrale dei Rischi — anche quando tali dati si riferiscono a un momento distante nel tempo rispetto alla data della previsione.

Per una PMI italiana, il bilancio più recente disponibile al momento della valutazione ha mediamente dodici-diciotto mesi di età. I dati di Centrale Rischi segnalano lo stato del credito bancario, non la dinamica operativa dell’azienda. Le visure camerali fotografano l’assetto societario, non il flusso commerciale. Ogni fonte di dati oggi disponibile ai valutatori del rischio è, per definizione, storica.

Dal 2019, però, esiste in Italia una fonte che non è storica. È continua.

---

Cosa contiene davvero una fattura elettronica SDI

Ogni fattura B2B italiana transita obbligatoriamente per il Sistema di Interscambio dell’Agenzia delle Entrate prima di essere legalmente valida. Il formato FatturaPA è un documento XML strutturato che contiene molto più di quanto la maggior parte degli operatori del credito abbia finora considerato.

Per ogni documento: l’identità completa dell’emittente e del ricevente (Partita IVA, Codice Fiscale, REA), il dettaglio delle voci fatturate con descrizione e importo unitario, la data di emissione, il tipo di documento (fattura ordinaria TD01, nota di credito TD04, autofattura TD27, integrazione reverse charge TD17, e altri ventidue tipi codificati), e — nel blocco DatiPagamento — la modalità e la scadenza concordata del pagamento.

Il codice ATECO non è un campo della fattura elettronica italiana. È un’informazione che il motore AI ricostruisce combinando fonti esterne — Registro delle Imprese, dati camerali, anagrafe tributaria — con i segnali interni alle fatture stesse: le descrizioni delle voci, il pattern dei fornitori ricorrenti, la stagionalità delle transazioni, il profilo dei clienti. Questa ricostruzione automatica del settore di attività economica è una delle capacità proprietarie del sistema — e consente di attivare i benchmark settoriali anche in assenza di un’autodichiarazione esplicita da parte dell’azienda analizzata.

Questo flusso documentale, aggregato su un orizzonte di ventiquattro o trentasei mesi per una singola azienda, produce qualcosa che nessun bilancio può fornire: una serie storica continua della salute commerciale dell’impresa, aggiornata con ogni transazione.

Va detto con onestà quello che il dato SDI non contiene: la conferma dell’avvenuto pagamento. La data di incasso effettivo non è un campo della fattura elettronica italiana. Questo è un limite reale del dato grezzo.

Ma è un limite che l’intelligenza artificiale può parzialmente superare attraverso quattro segnali proxy.

---

Cosa si può inferire — e con quale confidenza

Primo segnale: la continuità della relazione commerciale. Se un’azienda continua a emettere fatture verso lo stesso cliente nei mesi successivi alla scadenza concordata, è un segnale indiretto che il pagamento è avvenuto — o che la relazione è comunque attiva e non in contenzioso formale. La frequenza e la regolarità delle emissioni verso lo stesso soggetto, su un arco di dodici-ventiquattro mesi, costruisce un pattern comportamentale di affidabilità implicita. Confidenza: 60-70%.

Secondo segnale: le note di credito. Il tipo documento TD04 — nota di credito — compare nelle fatture attive quando si verifica uno storno o una rettifica verso un cliente. La presenza sistematica di note di credito verso uno specifico cliente, in particolare se crescente nel tempo, è un proxy di problemi nel rapporto commerciale: dispute, merce resa, servizi non accettati, o negoziazioni a ribasso che segnalano fragilità nella relazione. Nell’analisi condotta su un campione reale di dati — una PMI del settore agroalimentare del Centro Italia — ogni TD04 identificato nel corpus era correttamente abbinato alla fattura originale con totale negativo e riferimento esplicito al documento stornato: segnale di relazione commerciale in tensione, rilevabile settimane prima che emerga qualsiasi effetto sul bilancio.

Terzo segnale: i pagamenti F24. Il Cassetto Fiscale — il repository governativo accessibile tramite delega dall’Agenzia delle Entrate — contiene i pagamenti F24 disaggregati per codice tributo, periodo di riferimento e importo effettivamente versato. I ritardi nei versamenti F24 — IRES, IRAP, IVA, contributi INPS — sono storicamente uno dei segnali precoci più affidabili di stress finanziario nelle PMI italiane. Un’azienda che storicamente versa entro il 16 del mese di scadenza e inizia a versare con quindici-venti giorni di ritardo sta segnalando una pressione sulla liquidità operativa che il bilancio successivo confermerà.

Quarto segnale: il benchmark ATECO. Con un corpus classificato su decine di migliaia di aziende italiane, è possibile costruire per ogni codice ATECO una distribuzione statistica del Days Sales Outstanding implicito, della frequenza di emissione, della concentrazione tipica della clientela, e del pattern stagionale atteso. Un’azienda che si discosta significativamente dalla distribuzione del suo settore — DSO implicito superiore del 40% alla mediana del comparto, concentrazione su un unico cliente superiore al 35% del fatturato in un settore dove la norma è sotto il 20% — è un’anomalia rilevabile in tempo reale, senza attendere il bilancio.

L’insieme di questi quattro segnali — gestiti da un motore AI addestrato su milioni di documenti in produzione — permette di costruire un early warning fiscale che anticipa sistematicamente i segnali delle fonti tradizionali. Su un campione di aziende analizzate retrospettivamente, il deterioramento del profilo fiscale era visibile in media cinque-sette mesi prima della prima segnalazione in Centrale Rischi.

---

Il problema della delega — e come si risolve operativamente

L’accesso al Cassetto Fiscale richiede che l’azienda autorizzzi un intermediario abilitato ad accedere al portale per suo conto. Questo è stato il principale ostacolo operativo che diversi operatori del credito hanno segnalato nel valutare l’integrazione di questi dati nei propri processi.

La soluzione operativa esiste e si articola in due modalità. La prima — adatta a istituti con clientela consolidata — integra la richiesta di delega nel processo KYC esistente: al momento del contratto di fido, di factoring, o di assicurazione del credito, il cliente firma una delega digitale una tantum che autorizza l’intermediario ad accedere al Cassetto Fiscale in modo automatizzato. L’operazione è identica a qualsiasi altra autorizzazione documentale raccolta in fase di onboarding, e richiede circa tre minuti aggiuntivi nel processo.

La seconda modalità — adatta a valutazioni su soggetti non ancora clienti — utilizza un flusso di autorizzazione via link: l’azienda target riceve un link sicuro, si autentica con le proprie credenziali Fisconline (username, password, PIN), e autorizza l’accesso una tantum o continuativo. Il flusso è progettato per essere eseguibile da smartphone in meno di cinque minuti, senza assistenza tecnica.

Una volta ottenuta la delega, l’accesso è automatizzato, continuo, e aggiornato con ogni nuovo documento disponibile nel portale governativo.

---

Il massimo della precisione: quando si aggiungono i dati bancari

Il Cassetto Fiscale produce il quadro fiscale dell’azienda. Le fatture SDI producono il quadro commerciale. Ma la valutazione del rischio più accurata si ottiene quando a questi due flussi si aggiunge il terzo: i movimenti bancari in formato CBI.

La riconciliazione sistematica tra fatture SDI emesse e movimenti bancari in entrata consente di trasformare il proxy di pagamento in una misura diretta: la fattura X emessa il giorno Y verso il cliente Z è stata saldata con il bonifico W arrivato il giorno K. Il DSO effettivo è calcolabile con precisione. La differenza tra scadenza concordata e data di incasso reale è misurabile transazione per transazione.

Su questo dato riconciliato, il motore di contabilità analitica produce indicatori che i modelli di scoring tradizionali non possono calcolare:

• DSO effettivo per cliente e per settore ATECO, aggiornato mensualmente
• Concentrazione dei crediti commerciali per singolo debitore, con soglie di allerta configurabili
• DSCR — Debt Service Coverage Ratio — calcolato su flussi reali e non su dati di bilancio
• Cash conversion cycle effettivo, non stimato da valori medi di settore
• Anomalie statistiche rispetto al benchmark di settore, rilevate automaticamente

Questa combinazione — Cassetto Fiscale più SDI più dati bancari CBI — produce il profilo di rischio più granulare oggi tecnicamente disponibile su una PMI italiana. Non sostituisce l’analisi del merito creditizio tradizionale: la integra con una frequenza di aggiornamento che il bilancio non può offrire.

---

Un caso pratico di early warning — composito e anonimizzato

Immaginate un’azienda del settore manifatturiero — settore ATECO 10.41, produzione di oli e grassi — con un fatturato attivo annuo di circa 230.000 euro, attiva dal 2021. Il sistema identifica automaticamente la struttura del portafoglio clienti: 22% privati persone fisiche con acquisti diretti, 17% servizio di molitura conto terzi per agricoltori del comparto primario, 16% clienti B2B industria alimentare.

Nell’analisi delle ultime sei settimane del dato disponibile, emergono tre segnali convergenti:

Il primo: il volume di fatturazione verso il cluster molitura — storicamente concentrato nei mesi di novembre e dicembre — registra una contrazione del 59% rispetto alla campagna precedente, con 53 clienti serviti contro 138 dell’anno prima. Il sistema classifica il segnale come “da verificare”: potrebbe essere un’annata oleicola scarsa (fattore agro-meteorologico) oppure una perdita strutturale di clientela verso concorrenti. La distinzione richiede un confronto esterno che il solo dato fiscale non consente, ma il segnale è abbastanza forte da attivare un approfondimento.

Il secondo: cinque clienti privati con scadenza implicita già superata di oltre trenta giorni non hanno effettuato acquisti nel trimestre successivo. Il sistema classifica tre di questi come “rischio stagionale confermato” — il loro pattern storico su tre anni mostra acquisti concentrati in dicembre, con assenza strutturale nel primo trimestre. Ma due presentano una deviazione dal pattern: hanno acquistato anche in primavera negli anni precedenti, e l’assenza corrente è anomala. Importo potenzialmente a rischio: circa 2.400 euro. Piccolo in assoluto, ma rilevante come segnale comportamentale.

Il terzo: i versamenti F24 dell’ultimo trimestre mostrano una variazione nella tempistica rispetto al pattern storico. Non un ritardo grave, ma una compressione dei margini temporali che storicamente si correlata con pressione sulla liquidità operativa nei trimestri successivi.

Nessuno di questi tre segnali, singolarmente, giustificherebbe un’azione immediata. Insieme, compongono un quadro che merita un aggiornamento della valutazione del rischio — con tre-sei mesi di anticipo rispetto a qualsiasi documento contabile.

---

La logica della valutazione del rischio assicurativo

Per un VP di Risk Valuation in una compagnia di assicurazione del credito, il problema non è identificare le aziende già in default: quello lo fa la Centrale Rischi. Il problema è identificare le aziende che si avvicineranno al default nei prossimi sei-dodici mesi — quando la polizza è ancora in essere e l’esposizione è ancora attiva.

Su questo orizzonte temporale, i dati fiscali in tempo reale sono strutturalmente più informativi dei rating statici. Non perché i rating siano sbagliati, ma perché sono calibrati su informazioni più vecchie della finestra di rischio che interessa l’assicuratore.

---

La tecnologia descritta in questo articolo è oggi disponibile come piattaforma licenziabile — configurabile per il profilo specifico di rischio di ogni istituto, customizzabile nei parametri di allerta e nei benchmark di settore, integrabile nei workflow di valutazione esistenti. Non richiede la sostituzione di nessun sistema interno: si posiziona come layer aggiuntivo di intelligence fiscale sopra le fonti dati che già vengono utilizzate.

---

Il passo successivo, per chi vuole massimizzare la precisione del sistema, è l’integrazione con i dati bancari CBI del cliente analizzato — un’aggiunta che trasforma le stime probabilistiche in misure dirette e riconciliate transazione per transazione.

Il segnale era lì, sei mesi prima. La domanda è se si vuole iniziare a leggerlo.

---

Paolo Messina è CEO di Mentally Digital LLC, con sede a San Jose, California. La piattaforma è in produzione con 70+ studi di commercialisti italiani e processa dati fiscali da oltre 18.000 PMI.

Per approfondire l’architettura e le modalità di integrazione: info@mentally.ai