| Přispěvatelé: |
G. Di Gennaro, R. Aurilia, D. Elce, E. Lombardo, SVIMEZ, Di gennaro, G., Aurilia, R., Elce, D., Lombardo, E. |
| Popis: |
Il palcoscenico del XXI secolo ci ha restituito fino ad ora quattro crisi con effetti cumulativi e impatti fortemente negativi sul tessuto socioeconomico del Paese: prima la crisi finanziaria degli anni 2007-2009; poi quella economica del 2011-2012, caratterizzata dal susseguirsi di politiche economiche restrittive per evitare il default dello Stato; quindi, l’epidemia da SARS-COV2 nel 2020 il cui impatto sull’economia è stato devastante e non concluso; e, infine, più recentemente la forte crisi energetica dovuta al conflitto ucraino-russo. Nei precedenti Rapporti SVIMEZ (2020 e 2021) si è evidenziato come il quadro prolungato delle crisi economiche aumenti l’aggressività delle mafie; inoltre, le diverse condizioni di emergenza rappresentano per esse una sorta di “tempesta perfetta” per assoggettare, non necessariamente nella forma predatoria, settori dell’economia, generando nuovi domini. La dinamicità nei mercati illegali è accompagnata, infatti, da una intensa attività imprenditoriale in quelli legali, caratterizzata da investimenti idonei ad occultare i proventi derivanti dalle attività criminali, con forme di riciclaggio che si traducono in acquisizioni di immobili, capannoni, imprese, cogestione delle stesse, collocazione di prestanomi nell’attività produttiva. Avendo già tracciato il carattere ambivalente dell’attività estorsiva nei precedenti Rapporti SVIMEZ (Svimez, 2020: 242-243), è parso opportuno approfondire alla luce di un’aggiornata ricerca comparativa - che ha considerato territori della Campania e del Veneto (Aurilia, Di Gennaro et alii, 2022) - la possibilità di affiancare alla già esistente legislazione antimafia di natura preventiva, una ulteriore iniziativa che rendesse più efficaci le misure di contrasto all’attività estorsiva mediante l’adozione di un modello previsionale machine learning basato sulla costruzione di alert selettivi capaci di interpretare il risk assessmentterritoriale e settoriale economico per svolgere una funzione di assistenza e supporto alle forze dell’ordine (Campedelli, 2022). L’uso dell’Artificial Intelligence (AI) nella ricerca e produzione di modelli predittivi di analisi dei fenomeni criminali è ormai una necessità avvertita dai dipartimenti delle polizie in diversi paesi esteri e la sua applicazione tende a migliorare la prevenzione della criminalità proprio integrando criminologia ambientale, geographic profiling e predicting policing (Wortley e Mazerolle, 2011; Rossmo 1995, 2014; Perry et alii, 2013). |
