Bilancio Comunità Persona

Dall’informazione all’azione: intelligenza artificiale e allocazione efficiente delle risorse di controllo

  Attualità e Giurisprudenza

Abstract

Il presente articolo affronta il problema dell’allocazione ottimale delle risorse di controllo in un sistema di vigilanza pubblica strutturalmente vincolato dalla scarsità. Il caso studiato è quello della Corte dei Conti italiana, dove meno di 200 magistrati contabili nelle sezioni regionali di controllo sono chiamati a vigilare su oltre 8.000 enti locali. L’articolo sviluppa due applicazioni empiriche complementari. La prima, di natura predittiva, combina 24 indicatori di bilancio con tecniche di machine learning per costruire un indice dinamico di rischio di dissesto finanziario comunale. Analogamente alla probabilità di default utilizzata nella vigilanza bancaria, l’indice consente di identificare le situazioni di fragilità con anticipo rispetto alla crisi conclamata. La seconda, di natura valutativa e retrospettiva, utilizza tecniche di intelligenza artificiale per elaborare oltre 30.000 deliberazioni emesse tra il 2009 e il 2021 dalle sezioni regionali di controllo, estraendo informazioni strutturate sugli enti controllati, i rendiconti esaminati e le azioni di enforcement intraprese. Questa base empirica viene utilizzata per valutare gli effetti del d.l. n. 138/2011, che ha modificato il meccanismo di nomina dei revisori contabili, sostituendo la nomina diretta da parte del consiglio comunale con il sorteggio da liste regionali. I risultati mostrano che l’arrivo del revisore sorteggiato è associato ad un aumento della probabilità di deliberazione di circa 8 punti percentuali, con effetti concentrati nei comuni finanziariamente più fragili e dove il sorteggio ha introdotto revisori più indipendenti dall’ente controllato. Nel complesso, il lavoro suggerisce che la qualità dell’informazione disponibile a chi controlla sia un moltiplicatore fondamentale dell’efficacia istituzionale.

Abstract [En]

From information to action: artificial intelligence and efficient allocation of control resources.
This paper studies the problem of allocating scarce enforcement resources in public oversight institutions. The setting is the Italian Court of Auditors, where fewer than 200 judges in the regional audit sections oversee more than 8,000 municipalities. The paper proposes two empirical applications. The first one is predictive. Using 24 municipal fiscal indicators and machine learning methods, we construct a dynamic measure of municipal fiscal distress risk. Similarly to default risk measures in banking supervision, the index identifies financially vulnerable municipalities well before the onset of formal fiscal crisis. The second one is retrospective. Using AI-based text analysis, we process more than 30,000 enforcement deliberations issued by the regional audit sections between 2009 and 2021, extracting structured information on municipalities, audited financial statements, and enforcement activity. We use these data to evaluate the effects of Legislative Decree No. 138/2011, which replaced the direct appointment of municipal auditors by local city councils with random assignment from regional auditor pools. We find that the arrival of a randomly assigned auditor increases the probability of an enforcement deliberation by roughly 8 percentage points. Effects are concentrated among financially fragile municipalities and in cases where randomly assigned auditors had fewer observable ties to the local administration. Overall, the findings suggest that information quality is a key determinant of institutional effectiveness.

Iscriviti alla nostra newsletter per restare aggiornato.

Diritto e Conti è un'associazione senza fini di lucro. Sostienici.

Torna in alto