Dalla misurazione alla diagnosi predittiva: AI, sostenibilità e continuità aziendale

In un contesto in cui le Imprese devono interpretare segnali sempre più complessi, la sola lettura dei KPI finanziari non basta a descrivere la reale tenuta di un’organizzazione. Margini, liquidità, indebitamento e capacità di rimborso del debito restano indicatori essenziali, ma spesso intercettano la vulnerabilità quando il processo di deterioramento è già iniziato. Prima che la crisi emerga nei bilanci, possono infatti indebolirsi elementi meno visibili ma decisive come governance, competenze, capitale umano, processi decisionali, fiducia degli stakeholder e capacità di adattamento.

In questa prospettiva si inserisce il contributo scientifico presentato da Noverim Srl Società Benefit nel corso di IFKAD 2026 – International Forum on Knowledge Asset Dynamics, forum internazionale dedicato a knowledge management, capitale intellettuale, innovazione e creazione di valore nelle organizzazioni. L’edizione 2026 si è svolta dall’1 al 3 luglio presso la Corvinus University of Budapest, in Ungheria, ed è stata co-organizzata con il Dipartimento di Ingegneria dell’Università LUM Giuseppe Degennaro.

Il tema, “Intelligent Knowledge for Sustainable Organizations”, ha posto al centro il ruolo della conoscenza intelligente come leva per innovazione sostenibile, resilienza organizzativa e governance responsabile nell’era digitale. In questa cornice, il Prof. D. Celenza, Associate Professor of Business Administration presso l’Università degli Studi di Cassino e del Lazio Meridionale, e Marco Sebastiano, Partner di Noverim e Independent Scholar, insieme ad Andrea Maturo e Antonella Fortuna, hanno sviluppato il paper “Research on AI and Sustainability Ratings: Evidence from the Noverim Case”. Il lavoro non celebra solo l’accreditamento di un nuovo strumento certificativo, ma propone una riflessione metodologica più ampia: integrare intelligenza artificiale, sostenibilità, conoscenza organizzativa e competenza professionale in un framework capace di supportare una diagnosi evolutive dell’equilibrio aziendale.

“I KPI finanziari restano indispensabili, ma spesso arrivano quando una parte del deterioramento è già in atto. La vera sfida è leggere prima quei segnali organizzativi, gestionali e di sostenibilità che anticipano il rischio di discontinuità dell’impresa”, spiega il Dott. Marco Sebastiano.

Dal dato finanziario al segnale organizzativo

Specialmente nelle imprese “knowledge-intensive”, il valore non risiede soltanto negli asset fisici o nei contratti formalizzati ma dipende anche da competenze specialistiche, routine organizzative, capitale relazionale, conoscenza del cliente, capacità digitale, memoria aziendale e qualità dei processi decisionali. Quando questi elementi si indeboliscono, i primi sintomi sono spesso di difficile lettura: formazione rinviata, investimenti in innovazione ridotti, uscita di figure chiave, controlli interni più lenti, impegni di sostenibilità non tradotti in comportamenti gestionali, progressiva distanza tra scelte strategiche e comportamento operativo.

Considerati singolarmente, questi segnali possono apparire come fenomeni episodici mentre letti insieme, possono invece indicare un’erosione della capacità adattiva dell’Impresa. È qui che la Sostenibilità smette di essere soltanto rendicontazione o reputazione e diventa una componente dell’equilibrio aziendale: fiducia, governance, stabilità del capitale umano, trasparenza, capacità di innovazione, coerenza strategica e tenuta delle relazioni.

Quali sono le nuove regole europee sulla trasparenza retributiva?

Il paper presentato a IFKAD propone una lettura del AI-enabled sustainability rating come infrastruttura di conoscenza. Il rating non è inteso come punteggio statico o etichetta reputazionale, ma come struttura interpretativa che organizza segnali eterogenei e li trasforma in conoscenza utile alle scelte decisionali del management.

Il modello integra quattro famiglie di indicatori:

• indicatori economico-finanziari, come liquidità, marginalità, servizio del debito, struttura patrimoniale e qualità dei ricavi;

• segnali organizzativi, inerenti a governance, controllo interno, rapidità decisionale, stabilità delle figure chiave e qualità dei processi;

• ESG e condizioni di sostenibilità, legate a “stakeholder e engagement”, capitale umano, pratiche ambientali e sociali, trasparenza e coerenza strategica;

• asset di conoscenza, come formazione, routine di innovazione, capacità di apprendimento, memoria organizzativa, conoscenza del cliente e competenze tacite.

Il valore del modello sta nella capacità di leggere questi segnali non come dati isolati, ma come componenti interdipendenti della condizione aziendale. Non si tratta di chiedere all’intelligenza artificiale di prevedere la crisi in modo deterministico, ma di individuare fragilità emergenti, distinguere traiettorie di rischio diversificate e farlo in tempo utile per intervenire.

Un framework predittivo, non un semplice rating

L’Italia deve recepire la direttiva entro il 7 giugno 2026. Il decreto legislativo (approvato in via preliminare il 5 febbraio 2026) renderà operative le nuove norme da quella data.
Da giugno 2026 partono immediatamente gli obblighi sugli annunci di lavoro, sul diritto di richiesta dei dati medi e sui criteri retributivi. Gli adempimenti di reporting sul gender pay gap scattano invece in modo graduale:

• Aziende con oltre 250 dipendenti: relazione annuale dal 2027
• Aziende 150-249 dipendenti: ogni 3 anni dal 2027
• Aziende 100-149 dipendenti: ogni 3 anni dal 2031

Il ruolo della Certificazione S.E.A nel framework

All’interno di questo percorso, lo Schema proprietario di Certificazione S.E.A. – Sostenibilità dell’Equilibrio Aziendale realizzato da Noverim, rappresenta uno degli strumenti attraverso cui il framework può essere tradotto in un percorso strutturato di valutazione. Il recente accreditamento dello Schema S.E.A. da parte di Accredia, Ente Unico nazionale di accreditamento designato dal Governo italiano, rafforza il presidio metodologico del modello: un sistema di valutazione deve basarsi su criteri verificabili, competenza tecnica, indipendenza e imparzialità del processo.

Il ruolo dell’intelligenza artificiale

L’AI entra nel processo come strumento di diagnosi avanzata, non come sostituto del giudizio professionale. I modelli di “supervised learning” possono contribuire a stimare la probabilità di disequilibrio sulla base dell’analisi delle casistiche, utilizzando approcci statistici, alberi decisionali, random forest o reti neurali, in funzione della qualità dei dati, degli obiettivi di validazione e delle esigenze di interpretabilità.

Gli approcci di unsupervised learning possono invece aiutare a identificare profili latenti di rischio. Questo aspetto è rilevante perché le crisi non seguono un unico percorso: alcune imprese entrano in tensione dopo una crescita troppo rapida, altre si indeboliscono per perdita di competenze chiave, fragilità di governance, riduzione degli investimenti immateriali o scollamento tra strategia e comportamento operativo.

L’AI può quindi riconoscere combinazioni non lineari di variabili, pattern deboli e traiettorie di deterioramento che un cruscotto tradizionale potrebbe non intercettare. Ma il dato algoritmico, da solo, non basta.

“L’intelligenza artificiale non sostituisce ma esalta il giudizio professionale: può aiutare a ordinare segnali complessi, riconoscere pattern e rendere più tempestiva la diagnosi. Il valore nasce quando il dato viene interpretato, discusso e trasformato in decisione”, sottolinea il Dott. Sebastiano.

Per essere utile, la previsione deve essere spiegabile, validata, contestualizzata e inserita in un processo decisionale cosidetto “human-centred”. In questo contesto, un segnale di rischio non è una sentenza, ma un invito all’interpretazione.

La diagnosi precoce come spazio d’intervento

Uno degli elementi più rilevanti del framework è l’orizzonte temporale. Il paper formula l’ipotesi che un modello AI-enabled di sostenibilità dell’equilibrio aziendale possa anticipare potenziali scenari di disequilibrio su un orizzonte medio di 12-18 mesi. Questa ipotesi richiede una futura validazione empirica, ma apre una prospettiva rilevante: spostare la funzione del rating da valutazione ex post a diagnosi precoce.

Se un’impresa mostra indicatori finanziari ancora accettabili, ma presenta contemporaneamente riduzione degli investimenti in formazione, turnover di figure chiave, indebolimento dei controlli interni, peggioramento degli indicatori ESG interni e incoerenza tra strategia dichiarata e operatività, il problema potrebbe non essere ancora evidente nei numeri, ma già presente nell’organizzazione.

La diagnosi precoce non certifica una crisi: individua le condizioni che potrebbero renderla più probabile. Una previsione efficace non annuncia un destino inevitabile, ma consente all’impresa di intervenire prima che la vulnerabilità diventi strutturale. Se il management rafforza la governance, ricostruisce competenze, corregge la pianificazione o riallinea strategia e processi, la traiettoria può essere invertita. In quel caso il modello ha generato valore in termini di capacità di anticipazione.

Fragilità reversibile e fragilità strutturale

Un ulteriore contributo del framework riguarda la distinzione tra fragilità reversibili e fragilità strutturali. Una fragilità reversibile può derivare da uno shock temporaneo, da una tensione di liquidità limitata, da un ritardo progettuale o da un’inefficienza manageriale circoscritta: l’impresa è sotto pressione, ma mantiene intatti competenze, governance, relazioni con gli stakeholder e coerenza strategica.

Una fragilità strutturale, invece, si manifesta quando il deterioramento coinvolge simultaneamente marginalità, liquidità, governance, capitale umano, investimenti immateriali, esecuzione strategica e fiducia degli stakeholder. Nelle imprese “knowledge-intensive” questo è particolarmente critico, perché competenze, routine, memoria organizzativa e relazioni non possono essere ricostruite rapidamente.

Il valore del modello non è quindi produrre soltanto un indicatore sintetico di rischio, ma interpretare la traiettoria del rischio: i segnali di allerta sono concentrati e correggibili, oppure diffusi nell’intero sistema organizzativo?

Il professionista come interprete del modello

In un sistema di questo tipo, il lavoro del consulente, del commercialista, dell’advisor o del manager non viene ridotto dalla tecnologia; diventa più strutturato e più strategico. L’AI può ordinare grandi quantità di dati, evidenziare anomalie e costruire mappe di rischio. La trasformazione di questi output in decisioni richiede però competenza professionale, conoscenza del contesto e capacità interpretativa.

Il professionista deve saper leggere il segnale, valutarne la plausibilità, comprenderne le cause, verificare la coerenza del modello con la realtà aziendale e tradurre l’analisi in un piano di intervento.
Il futuro della valutazione d’impresa richiederà quindi competenze ibride: analisi finanziaria, cultura della sostenibilità, lettura organizzativa, interpretazione dei dati e responsabilità decisionale.

Misurazione integrata e responsabilità di sistema 

Un rating utile non è quello prodotto per essere archiviato, comunicato o esibito. È quello che entra nei processi decisionali dell’impresa. La misurazione non dovrebbe essere interpretata come adempimento
burocratico, ma come disciplina gestionale: osservare fenomeni rilevanti, discutere segnali, collegare dimensioni diverse, attivare interventi e monitorare l’evoluzione dell’equilibrio aziendale.

Da qui emerge anche una responsabilità più ampia, che riguarda la struttura socio-economico nazionale. In un’economia come quella italiana, fondata su imprenditorialità diffusa, competenze specialistiche, filiere territoriali e valore manifatturiero, la tutela dell’impresa non può limitarsi all’intervento quando la crisi è già evidente. Deve includere strumenti capaci di prevenire, orientare e accompagnare.

Uno Stato che sostiene l’imprenditoria dovrebbe promuovere una cultura della diagnosi precoce, della misurazione integrata e dell’intervento preventivo. Questo significa aiutare le imprese a leggere prima i propri segnali di vulnerabilità, sostenere i professionisti nell’adozione di competenze ibride e favorire sistemi di valutazione non punitivi, ma abilitanti.

Limiti e prospettive future 

Il contributo presentato a IFKAD ha natura concettuale e case-based. Non presenta ancora una validazione empirica definitiva, né metriche statistiche di accuratezza, calibrazione o robustezza. Le ipotesi formulate, compreso l’orizzonte di anticipazione di 12-18 mesi, dovranno essere testate attraverso futuri studi longitudinali.

Questo aspetto definisce correttamente il perimetro scientifico del lavoro. Il paper non pretende di chiudere il tema, ma di impostare un’agenda di ricerca: costruire dataset validati, definire finestre di osservazione, confrontare imprese che recuperano dopo segnali di allerta con imprese che entrano in declino strutturale e verificare come manager e professionisti interpretano gli output algoritmici.

Conclusione

La solidità di un’impresa non si legge soltanto nei numeri di fine periodo. Si costruisce, e spesso si deteriora, prima: nella governance, nelle competenze, nella capacità di apprendimento, nella coerenza strategica, nella fiducia degli stakeholder e nella sostenibilità delle decisioni. Per questo i KPI finanziari restano indispensabili, ma non sufficienti. 

Il framework discusso nel caso Noverim propone un cambio di prospettiva: passare da una valutazione statica a una diagnosi precoce, da un rating come etichetta a un rating come infrastruttura di conoscenza, da una misurazione ex post a un sistema di supporto decisionale. In questa visione, l’AI non sostituisce il professionista: organizza segnali, individua pattern e amplia il campo visivo, mentre il giudizio umano trasforma il dato in comprensione e la comprensione in intervento.

“Un modello predittivo è utile se crea tempo per agire. Non serve a dichiarare che una crisi arriverà, ma ad aiutare imprese e professionisti a riconoscere prima le condizioni che potrebbero generarla”, conclude Marco Sebastiano.

Il punto non è prevedere la crisi come inevitabile, ma renderla leggibile quando è ancora reversibile. Una fragilità individuata in tempo può essere governata, corretta e ricondotta a equilibrio; una fragilità ignorata può invece diventare strutturale, consumando risorse economiche, capitale umano, fiducia e capacità produttiva.

Per questo, il contributo più rilevante di un framework predittivo integrato è restituire tempo: alle imprese, ai professionisti e alle istituzioni. Tempo per comprendere, per intervenire e per preservare la continuità aziendale prima che l’equilibrio si rompa.