Scene dal lavoro quotidiano sulla risoluzione degli identificativi
Flusso di risoluzione
Progettazione delle regole
Revisione dei match
Monitoraggio continuo
Allineamento con il rischio
Ogni progetto che affronto con Salorivena parte da una constatazione scomoda: gli identificativi di strumenti finanziari raramente sono coerenti tra fornitori, sistemi interni e piattaforme di analisi. Io tratto questa incoerenza come un problema di indagine strutturata, non come un difetto inevitabile del settore.
Un punto che difendo sempre è la trasparenza del modello. Invece di nascondere la logica in una scatola nera, espongo le regole e le componenti di similarità che hanno contribuito a proporre un collegamento tra identificativi. Questo aiuta i team di risk, compliance e ricerca a spiegare le scelte ai propri revisori interni e agli auditor esterni, riducendo il tempo speso in verifiche manuali estemporanee. Non prometto esiti perfetti, ma pretendo che ogni decisione del sistema sia discutibile e correggibile.
Nel tempo ho imparato che il vero valore non sta solo nel risolvere l’identificativo oggi, ma nel rendere ripetibile il processo domani quando cambiano le fonti, le tassonomie o i requisiti regolamentari. Per questo progetto workflow in cui la risoluzione è un componente esplicito della catena dati, con versioning delle regole, log degli interventi manuali e reportistica dedicata agli errori residui. Questo approccio riduce le sorprese operative e rende più facile valutare come le scelte sugli identificativi influenzano analisi, reporting e discussioni sulle dinamiche di mercato.
Collaboro in modo diretto con i team che vivono ogni giorno il caos degli identificativi, trasformando i loro casi reali in specifiche per un motore di risoluzione che resta leggibile e auditabile.
Come collaboro con i team dati, rischio e middle office
Inizio sempre con una fase di mappatura dei sistemi esistenti: elenco le fonti dati, identifico gli archivi che contengono gli identificativi chiave, verifico dove avviene oggi la riconciliazione manuale. Questo mi permette di capire non solo come fluiscono i codici, ma dove si accumulano le frizioni operative. Tratto queste informazioni come un dossier: ogni incongruenza documentata diventa un caso di test per il motore di risoluzione che andrò a impostare.
Quando passo alla progettazione, coinvolgo direttamente chi usa i dati ogni giorno: analisti, referenti IT, figure di controllo. Insieme definiamo le regole che non possono essere violate e le aree dove si può accettare un grado di incertezza gestita. Il risultato non è un sistema chiuso, ma una serie di componenti chiari: trasformazioni, controlli, motori di similarità, liste di eccezioni. Questo rende più semplice spiegare il funzionamento interno anche a chi dovrà validare il processo in sede di audit.
Durante il rilascio preferisco procedere per gradi, iniziando da un perimetro ridotto di strumenti o mercati. In questa fase monitoro con attenzione gli scostamenti rispetto ai flussi precedenti e raccolgo i casi in cui l’AI propone collegamenti discutibili. Questi casi non sono fallimenti, ma materiale prezioso per affinare le regole e tarare meglio le soglie di confidenza. Past performance doesn't guarantee future results, quindi considero ogni implementazione come l’inizio di un ciclo di miglioramento continuo, non come un intervento una tantum.
Perché esiste Salorivena
Come lavoro sulla risoluzione degli identificativi
Il ruolo dell’intelligenza artificiale nella risoluzione degli identificativi
Quando parlo di intelligenza artificiale applicata agli identificativi finanziari, non mi riferisco a un trucco magico che sostituisce gli analisti. Penso piuttosto a un assistente testardo che ripete confronti, segnala incongruenze e propone collegamenti, mentre il controllo finale resta nelle mani di chi conosce davvero i portafogli e i flussi interni.
Analisi del contesto dati
Prima raccolgo le specifiche operative del cliente: quali fornitori dati usa, quali identificativi considera di riferimento, quali eccezioni sono critiche per i flussi giornalieri. In questa fase disegno insieme al team la tassonomia dei casi d’uso, distinguendo tra ricerca, reporting regolamentare e controllo di coerenza tra portafogli. Senza questa mappa iniziale ogni modello di AI rischia di ottimizzare la metrica sbagliata.
Catalogazione delle fonti
Poi costruisco un catalogo delle sorgenti, con particolare attenzione ai campi che spesso vengono trascurati: date di emissione, valute, mercati di quotazione, corporate actions storiche. Uso questi attributi come ancore per il motore di risoluzione, perché funzionano come impronte digitali dello strumento. L’obiettivo non è solo collegare codici diversi, ma farlo in modo che un analista possa verificare rapidamente il percorso logico seguito.
Motore di risoluzione ibrido
A questo punto imposto i modelli di risoluzione, combinando regole deterministiche e algoritmi di similarità. Penso al sistema come a un comitato: alcune regole sono rigide, altre forniscono indizi probabilistici. Ogni proposta di match viene etichettata con un punteggio e una spiegazione sintetica, in modo che chi lavora su ricerca o controllo rischi possa decidere se accettarla, rivederla o respingerla.
Feedback e governance continua
Infine definisco un ciclo di feedback operativo: i casi ambigui vengono raccolti in code di revisione, le decisioni umane alimentano il riaddestramento periodico e i log mantengono una traccia completa di ciò che è stato cambiato. Questo riduce il carico manuale sulle attività ripetitive e concentra l’attenzione degli esperti sui casi davvero delicati, mantenendo la governance dei dati sotto controllo.
I miei principi
Metto al centro tracciabilità, collaborazione con i team interni e rispetto dei vincoli operativi quando applico l’AI agli identificativi finanziari.
Tracciabilità totale
Per ogni collegamento tra identificativi conservo il percorso logico: regole applicate, soglie utilizzate, campi che hanno pesato di più. Questo permette a chi controlla il dato di ricostruire facilmente perché il sistema ha proposto una certa equivalenza tra codici.
Controllo umano
Non sostituisco il giudizio degli analisti con una scatola nera. Progetto il motore di risoluzione in modo che proponga collegamenti, esponga le motivazioni e lasci la decisione finale a chi conosce portafogli, flussi e vincoli regolamentari.
Adattabilità continua
Accetto che il contesto cambi: nuove fonti, nuove regole interne, nuove richieste di audit. Per questo costruisco workflow che prevedono revisioni periodiche, metriche di errore esplicite e possibilità di adeguare rapidamente regole e soglie.
Pragmatismo operativo
Ogni scelta tecnica viene pesata rispetto all’impatto operativo: tempi di caricamento, carico sul middle office, esigenze di reporting. Preferisco soluzioni meno appariscenti ma stabili, che riducono attriti e sorprese nei processi quotidiani.