• alternative data
• artificial intelligence
• bias
• big data
• compliance
• credit risk
• credit scoring
• data privacy
• dati alternativi
• deep learning
• discrimination
• discriminazione
• equità
• ethics
• etica
• Explainable AI
• fairness
• financial inclusion
• financial istitutions
• fintech
• inclusione finanziaria
• intelligenza artificiale
• istituti finanziari
• machine learning
• neural networks
• reti neurali
• rischio di credito
• risk management
• transparency
• trasparenza
• Upstart
• Zest AI

Il presente lavoro esplora l’applicazione dell’intelligenza artificiale (IA) e dei big data nel credit scoring, evidenziandone vantaggi e limiti. Nel primo capitolo si introduce il concetto di IA, descrivendone la storia evolutiva, le tecnologie e i principali algoritmi impiegati. Nel secondo capitolo si definisce il rischio di credito e se ne analizzano le tecniche tradizionali di valutazione, con un focus sul credit scoring. Vengono poi discussi i limiti degli strumenti tradizionali e le potenzialità di IA e big data per superarli. Nel terzo capitolo si introducono le tecniche di IA più utilizzate nel campo, i benefici e le sfide connesse. Infine, vengono presentati due casi di studio per mostrare come le fintech stiano adottando l’IA e i big data per migliorare l’accuratezza delle previsioni di default e risolvere alcuni problemi del mercato finanziario, tra cui l’accesso al credito. Grazie all’analisi svolta, vengono tratte alcune raccomandazioni utili per fronteggiare le sfide future legate all’IA.

This paper explores the application of artificial intelligence (AI) and big data in credit scoring, highlighting both their advantages and limitations. The first chapter introduces the concept of AI, outlining its historical evolution, technologies, and primary algorithms used in this field. The second chapter defines credit risk and analyzes traditional assessment techniques, focusing on credit scoring. It discusses the limitations of conventional tools and the potential of AI and big data to overcome these challenges. The third chapter introduces the most widely used AI techniques in credit scoring, along with the associated benefits and challenges. Finally, two case studies are presented to demonstrate how fintech companies are adopting AI and big data to enhance default prediction accuracy and address financial market issues, including access to credit. The analysis concludes with recommendations to help tackle future challenges related to AI.