Di Pierre Gérard, CEO e cofondatore di Scorechain

Quando Scorechain è stata fondata in Lussemburgo nel 2015, "blockchain analytics" non era ancora una categoria riconosciuta. I primi anni sono stati dedicati a spiegare a banche e autorità di vigilanza perché la trasparenza di un registro pubblico rappresentasse un'opportunità e non una minaccia. A distanza di un decennio, la stessa incomprensione si sta ora attaccando all'intelligenza artificiale (AI), e il settore sta perdendo un tempo prezioso.

Nel dibattito attuale dominano due narrazioni. La prima sostiene che l'AI sostituirà presto del tutto i team di compliance. La seconda afferma che l'AI sia troppo imprevedibile per essere utilizzata in prossimità di attività finanziarie regolamentate. Nessuna delle due regge a un esame rigoroso. Dal 2015, Scorechain ha effettuato la valutazione del rischio di oltre 2.800 virtual asset service providers (VASP), e negli ultimi due anni l'azienda ha integrato l'AI laddove apporta un valore reale — come livello separato, e non come elemento incorporato direttamente negli strumenti di compliance su cui fanno affidamento i clienti.

Il problema del rumore nella compliance

Ogni compliance officer solleva lo stesso tema nei primi cinque minuti di conversazione: il rumore. Un sistema di screening delle sanzioni tarato al livello preferito da una banca prudente può generare falsi positivi attorno al 95%. Anche il transaction monitoring produce tassi analogamente elevati. Di conseguenza, analisti qualificati — professionisti che comprendono le tipologie di rischio e sanno interpretare i flussi di fondi — trascorrono gran parte della giornata lavorativa a chiudere alert che non rappresentavano alcun rischio reale: scartando corrispondenze di nome con cognomi molto comuni o leggendo molteplici segnalazioni di adverse media che in realtà si riferiscono a persone completamente diverse. Ogni verifica di adverse media richiede in genere 10-20 minuti del tempo di un analista. Questa è la realtà quotidiana del lavoro di compliance, ed è uno dei principali motivi per cui professionisti validi abbandonano il settore. Associazioni di settore come ACAMS hanno segnalato l'aumento del burnout e del turnover nei ruoli antiriciclaggio come un problema strutturale, non ciclico.

È qui che l'automazione dimostra il proprio valore, anche se in un ambito più ristretto di quanto suggerisca l'hype. Scorechain AI è progettato per fornire all'analista un report consolidato: il risk score di un wallet, i tipi di entità con cui ha interagito e i servizi e le controparti nominative a cui è stato esposto. Si tratta di un lavoro che in precedenza richiedeva ore di tracciamento manuale su un registro. Ma il punto cruciale è ciò che il report fa e non fa. Non prende decisioni. Comprime le evidenze in modo che il compliance officer — la persona responsabile di approvare la decisione e di difenderla in seguito davanti a un regolatore — possa esaminarle in pochi minuti e prendere la decisione finale. Un'automazione efficace non riduce la funzione di compliance; sposta l'attenzione dal triage ripetitivo al giudizio professionale.

Perché la responsabilità umana è architetturale, non temporanea

Questa distinzione è importante perché l'alternativa comporta rischi concreti. In un contesto regolamentato, un modello non può rispondere a un supervisore. Sia la Sixth Anti-Money Laundering Directive (AMLD6) sia il Markets in Crypto-Assets Regulation (MiCA) richiedono agli istituti di spiegare e sostenere le proprie decisioni. MiCA, entrato in vigore progressivamente nell'Unione Europea a partire da metà 2024 con disposizioni introdotte gradualmente fino al 2025, impone alcuni degli obblighi operativi più dettagliati finora applicati ai crypto-asset service provider, inclusi requisiti relativi alla gestione dei reclami, alle tutele prudenziali e al monitoraggio degli abusi di mercato. Dire "l'algoritmo l'ha segnalato" non costituisce una difesa valida durante un'ispezione, e "l'algoritmo l'ha approvato" è ancora peggio. L'unico approccio progettuale responsabile è un'AI che funge da livello di supporto sopra dati affidabili, con un compliance officer nominativamente identificato che conserva sia il potere decisionale sia la responsabilità che ne deriva. La supervisione umana non è un supporto temporaneo da eliminare quando il modello matura: è l'architettura stessa.

La qualità di un modello è determinata, in ultima analisi, da ciò che si trova sotto di esso. È questo il punto che gli osservatori esterni tendono a non cogliere. Da solo, un sistema AI che legge una blockchain vede soltanto stringhe anonime di caratteri che trasferiscono valore ad altre stringhe anonime. Non può stabilire che il wallet situato tre passaggi a monte appartiene a un exchange sanzionato, o che la controparte che riceve i fondi è un mixer anziché un fornitore di payroll. Fornire questo contesto mancante è la funzione centrale della blockchain analytics: associare identità e valutazione del rischio all'attività on-chain grezza, tracciare l'esposizione indiretta su più passaggi anziché limitarsi a controllare l'indirizzo immediatamente visibile, e attribuire un punteggio in base a oltre un miliardo di punti dati e a più di un milione di entità crypto che Scorechain ha etichettato dal 2015.

Prendiamo un caso concreto: un wallet appare pulito a una prima analisi, ma il tracciamento dei flussi mostra che la maggior parte del saldo è arrivata, due passaggi indietro, da un indirizzo collegato a un operatore di ransomware. È una conclusione che un modello non potrebbe mai raggiungere usando soltanto dati grezzi della chain, ed è esattamente il tipo di risultato su cui un compliance officer deve intervenire. Fornire al modello quel contesto gli consente di ragionare su basi solide. Alimentarlo con dati poveri produce sciocchezze sicure di sé, e nella compliance questo è più pericoloso di una lacuna onesta, perché porta ad approvare ciò che avrebbe dovuto essere segnalato.

AI come partecipante del mercato, non solo come strumento di compliance

Un cambiamento davvero nuovo è che l'AI non è più soltanto uno strumento usato dai team di compliance; sta diventando un partecipante del mercato che questi stessi team monitorano. Gli agenti autonomi che avviano pagamenti entro limiti predefiniti sono passati dalla dimostrazione all'implementazione, spinti da infrastrutture reali: lo standard x402 di Coinbase per i pagamenti machine-to-machine, il Trusted Agent Protocol di Visa, e l'integrazione di checkout tra PayPal e OpenAI. Il software sta iniziando a transare con altro software, regolando in crypto asset volumi che nessun team di tesoreria potrebbe gestire manualmente. Ciò arriva in un momento in cui più di 50 giurisdizioni hanno già adottato o proposto requisiti FATF Travel Rule per i VASP, il che significa che il perimetro di compliance per l'identificazione delle controparti si sta già espandendo oltre ciò che i processi manuali possono sostenere.

Questo solleva una domanda a cui il settore non ha ancora risposto in modo chiaro: come si applicano i principi Know Your Transaction a una controparte che è un pezzo di software? La direzione, almeno, è chiara. Quando gli agenti transano in autonomia, i controlli non possono vivere soltanto nella fase di onboarding. Devono spostarsi sul livello transazionale stesso: monitoraggio in tempo reale, velocity limits, tracciamento della provenienza e capacità di intervenire mentre i fondi sono ancora in movimento. La trasparenza che per anni abbiamo difeso di fronte agli scettici è, in realtà, l'unica caratteristica che rende auditabile l'attività on-chain autonoma.

Costruire per una compliance autonoma

Scorechain ha recentemente lanciato Scorechain MCP, che espone il proprio risk scoring e la propria entity intelligence attraverso il Model Context Protocol, lo standard emergente che consente agli agenti AI di richiamare direttamente strumenti esterni. L'intelligenza rimane nella piattaforma Scorechain, mentre l'AI resta al di fuori, interrogando il sistema per ottenere risposte invece di essere incorporata nello strumento di compliance stesso. Il principio è semplice: un agente non dovrebbe mai transare alla cieca. Prima di muovere fondi o approvare una controparte, può chiedere a Scorechain se quell'indirizzo appartiene a un soggetto sanzionato, a un mixer, a una frode nota o a un wallet privato pulito, e ricevere in cambio un risk score.

Non si tratta di una capacità teorica. Oggi Scorechain esegue più di 1,5 milioni di controlli AML al giorno, e una chiamata di screening restituisce il risultato in circa 235 millisecondi, abbastanza rapidamente da inserirsi in una transazione live senza rallentarla. Il servizio è disponibile nei contesti in cui agenti e workflow operano realmente: come app داخل ChatGPT e Claude, e come integrazione su piattaforme di automazione come n8n e Zapier. Un controllo di compliance integrato nel flusso, nel momento in cui si prende la decisione, vale molto più di uno aggiunto dopo che il denaro si è già mosso.

Il controllo più elementare di tutti — verificare se un indirizzo compare in una lista sanzionata — non dovrebbe essere dietro un paywall. Per questo Scorechain offre una free sanctions screening API che qualsiasi sviluppatore, agente o workflow può utilizzare. Lo screening dell'esposizione alle sanzioni non è l'area in cui un fornitore di compliance dovrebbe estrarre valore; è il livello base su cui dovrebbe poggiare l'intero mercato.

Intelligence di rischio a livello di asset

Sta emergendo un cambiamento di secondo ordine che emittenti di token e asset manager stanno solo iniziando ad affrontare. Quando il valore si sposta in stablecoin e asset tokenizzati alla velocità delle macchine, il rischio rilevante non riguarda 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 soggetti sanzionati o comunque ad alto rischio. Si tratta di una domanda profondamente diversa dal transaction monitoring, ed è quella a cui è progettato per rispondere Digital Asset Intelligence di Scorechain, offrendo a emittenti e asset manager una vista a livello di asset su detentori ed esposizioni prima che emettano, quotino o allocchino. L'urgenza sta crescendo mentre aumenta l'adozione istituzionale degli asset tokenizzati, con realtà come BlackRock che lanciano fondi di tesoreria tokenizzati su blockchain pubbliche e grandi banche che sperimentano infrastrutture di settlement basate su stablecoin.

L'Europa è più pronta di quanto le venga generalmente riconosciuto per questa transizione. MiCA e AMLD6 presuppongono già un monitoraggio continuo e una chiara responsabilità, invece di un controllo una tantum all'onboarding. Un regime regolamentare che richiede che l'attività sia spiegabile è esattamente ciò che serve quando il software inizia a muovere denaro in autonomia.

L'AI sta effettivamente trasformando la compliance crypto. Eliminerà una quantità significativa di lavoro ripetitivo, e questo è un sviluppo positivo. Ciò che non eliminerà è la necessità di giudizio, responsabilità e dati verificabili. Anzi, alza l'asticella su tutti e tre questi aspetti. I team che trattano l'AI come un analista più veloce — basato su un'intelligence on-chain affidabile e mantenuto saldamente sotto controllo umano — sono quelli che resteranno efficaci quando le macchine cominceranno a transare da sole. Quel futuro è più vicino di quanto molti pensino.