Luca Palluzzi, laurea in Informatica, master degree in Data Science, ricopre da due anni il ruolo di Responsabile Sviluppo Tecnologico di myNPL. Si è occupato della implementazione del sistema AI “in house” a myNPL per la due diligence documentale dei portafogli.

Dottor Palluzzi, perché è importante la due diligence documentale dei portafogli NPL?

La verifica dei documenti probatori del credito è fondamentale nella determinazione del valore di un portafoglio e delle proiezioni di recupero. La valutazione di un portafoglio sulla sola base dello “scoring” dei debitori non è sufficiente se slegata dalla verifica del corredo documentale delle posizioni.

Nei confronti di debitori sempre più consapevoli e di una giurisprudenza sempre più severa, per recuperare è indispensabile disporre dei documenti probatori del credito.

In myNPL è stato sviluppato un algoritmo proprio per l’analisi documentale di grandi portafogli. Come funziona?

Il lavoro nell’ultimo anno è consistito essenzialmente nella classificazione di migliaia di documenti: il punto centrale è stato quello di educare la macchina a riconoscere, per ogni singolo Originator, i contratti, gli estratti conto, i bonifici, le cambiali, le comunicazioni. Abbiamo addestrato la macchina a comportarsi come un operatore di due diligence, distinguendo tra diverse tipologie di documenti provenienti da Originator diversi.

Come siete arrivati a creare questo algoritmo?

Tutto ciò è stato possibile perché myNPL ha gestito, fino ad oggi, cessioni per 4 billion di GBV, quindi ha avuto a disposizione una massa enorme di documentazione da poter classificare: portafogli di ogni tipo (finanziamenti,  leasing, automotive, conti correnti, mutui, carte di credito, ecc) originati praticamente da quasi tutti gli operatori del mercato. Un lavoro certosino ed enorme: sono stati classificati documenti afferenti alla gran parte delle banche e finanziarie italiane.

Si è proceduto per gradi, sottoponendo via via l’output della macchina al controllo manuale degli operatori myNPL per verificarne l’attendibilità, fino a giungere al margine attuale di errore di appena il 3%.

Quali sbocchi e applicazioni vi immaginate in futuro per questa tecnologia?

MyNPL utilizza già questa capacità per le cessioni effettuate attraverso il portale (cessioni dirette e gare): come è noto, myNPL da sempre analizza i portafogli prima di pubblicarli.

Ma da oggi myNPL mette il proprio sistema AI a disposizione degli operatori del mercato NPL che necessitano di una DD documentale propedeutica all’acquisto.

(Contenuto realizzato in collaborazione con myNPL)