Airbus intelligenza artificiale
irobot

Nel 2016 il Serious fraud office (Sfo) britannico ha avviato un’indagine su tangenti e corruzione connesse a presunte irregolarità nei rapporti tra Airbus, intermediari e terze parti, Un anno dopo a questa iniziativa si era aggiunta quella di stampo francese, rimarcando le stesse accuse. Nel 2018 scese in campo anche il dipartimento di Giustizia degli Stati Uniti, per ipotesi di violazione dei regolamenti per il commercio internazionale di armamenti (Itar). Per chiudere i tre procedimenti, Airbus aveva pagato una multa di 2,08 miliardi di euro alla Francia, di 984 milioni al Regno Unito e di 525 milioni agli Stati Uniti.

Non è in questa sede che indagheremo il dato processuale di questa vicenda, bensì la componente tecnologica che ha permesso di scandagliare i meandri di un’azienda dai confini sproporzionati, sopperendo a un lavoro che le sole forze umane probabilmente non sarebbero state in grado di portare in fondo con la stessa precisione, sicuramente non entro lo stesso range temporale.

Yousr Khalil è il contabile forense incaricato di passare in rassegna documenti, e-mail, messaggi e qualsiasi traccia digitale o cartacea tangibile correlata agli illeciti del gigante aerospaziale Airbus, dopo che la multinazionale aveva ammesso di aver pagato tangenti tramite intermediari.

Un palazzine con 900 appartamenti al suo interno: così Khalil descrive la struttura di Airbus, nella quale lei e il suo team è stato chiamato “a decidere in quali entrare e indagare”.
Khalil lavora per FRA, un’azienda di indagini forensi che supporta casi legali in tutto il mondo. Casi che non sfiorano mai la portata e la complessità di quello legato alla vicenda di Airbus.
Airbus ha aperto le sue operazioni a un attento esame nel 2016. Questa operazione è stata propedeutica all’ottenimento di un Deferred Prosecution Agreement (DPA), cioè un accordo giudiziario differito simile a un accordo non giudiziario e alternativa volontaria al giudizio in cui un pubblico ministero accetta di concedere l’amnistia in cambio del convenuto che accetta di soddisfare determinati requisiti.
Il progetto quadriennale per sradicare le pratiche di corruzione ha aiutato Airbus a raggiungere un accordo con le autorità di regolamentazione nel Regno Unito, negli Stati Uniti e in Francia. Grazie a questo risultato, l’ammontare delle multe per atti di frode e corruzione è stato di circa 3,6 miliardi di euro.

Khalil e un team di 70 persone si sono trovate a doversi orientare in un vero e proprio deserto composto da email, file, dati di transazione e attività che attraversavano il globo intero. La maggior parte di queste, peraltro, rientrano nella sfera dell’innocuo. Dunque com’è stato possibile tracciare una rotta in quel deserto sconfinato e individuare i dati fondamentali al caso rispetto a quelli che non lo erano?

Qui è entrata in gioco l’intelligenza artificiale, in un combinato disposto con un PC peculiare, progettato specificamente per questo tipo di operazione: scandagliare l’impressionante mole di 500 milioni di documenti e transazioni. Ed è una mole che, tramite un processo automatico e che non costa energia umana, ha permesso all’intelligenza artificiale di eliminare duplicati e altro materiale irrilevante per l’operazione in un lavoro durato 4 anni. In questo modo, dai 500 milioni di documenti iniziali si è giunti a una porzione significativa ma ridotta: 60 milioni di documenti.

All’interno di questa nuova raccolta, l’intelligenza artificiale è andata a cercare modelli e frammenti distonici, come l’accordo per una
sponsorizzazione sportiva del valore di 100 milioni di dollari.

La sfida si è però fatta ancora più ardua quando ci si è scontrati col fatto che a 800 dipendenti di Airbus in tutto il mondo era stata affidata la custodia legale di tali documenti. “Una persona potrebbe avere informazioni distribuite su diversi elementi come laptop, dispositivi di archiviazione, unità USB ecc. Abbiamo dovuto identificare ogni custode di quei dati”, afferma Greg Mason, partner fondatore e co-responsabile dell’analisi dei dati presso FRA.

Per procedere nelle indagini, sono stati poi istituiti sette siti di indagine sicuri. Un atto dovuto se si pensa alla delicatezza del caso: Airbus ha operazioni correlate ai principali progetti di aerei militari europei. L’indagine non poteva tener conto di questo elemento e anzi, ha dovuto capire come tenere lontano dal quadro il materiale sensibile a livello nazionale.

Anche qui torna protagonista la tecnologia: un software specializzato ha consentito la raccolta di informazioni senza che fosse necessario visionare l’intero documento da cui venivano estratte. In questo modo si sono preservate preziose informazioni legate alla difesa dall’indugiare di occhi indiscreti.
Ancora, i computer utilizzati (da 100.000 dollari), sfruttano la tecnologia air gapping, che consente di eseguire più dischi senza connessione a internet. In questo modo si crea una netta divisione tra i dati sensibili e il mondo esterno di Internet. In particolare, queste è una misura di sicurezza della rete impiegata su uno o più computer per garantire che una rete di computer sicura sia fisicamente isolata da reti non protette, come Internet pubblico o una rete locale non protetta.

Nonostante la mole di dati, l’elaborazione procede a un ritmo più sostenuto e agevole se non ci si dimentica di un dato fondamentale: il dato deve essere trattato come tale. Dunque FRA ha estratto i metadati, le informazioni alla base di ogni documento elettronico che definiscono che cos’è, e li ha utilizzati per indicizzare il materiale così da eliminare i file irrilevanti.
Alla base di questa revisione assistita dalla tecnologia, nuovamente si rintraccia l’intelligenza artificiale.
Essa è stata addestrata per cercare dati non strutturati come per esempio le e-mail, più difficili da scansionare rispetto a quei dati strutturati in moduli e colonne.

Utilizzando il principio dell’apprendimento automatico, in base al quale il software AI vede più esempi di un particolare tipo di messaggio e inizia a individuare a quale categoria appartengono, FRA è stata in grado di estrarre documenti pertinenti a un ritmo sostenuto. “Il programma AI ha cercato il contesto dei messaggi, il contesto è tutto”, osserva Mason.
Il software stava cercando tangenti organizzate tramite codici, come un medico che prescrive un medicinale. Eseguendo esempi di questo tipo di messaggio nascosto, il software ha acquisito il concetto di medicina e quindi il concetto di prescrizione. In questo modo ha potuto letteralmente guadare un fiume di dati non strutturati e andare a individuare le pratiche corrotte.

“Man mano che si identificano sempre più esempi di pagamenti segreti, l’Intelligenza artificiale impara al volo a riconoscerli. Questa è la bellezza e la magia dell’Intelligenza Artificiale”, afferma Mason. È stato inoltre istituito un sistema di punteggio, con punti aggiunti in base a determinati attributi. Qualsiasi punteggio superiore a una certa soglia è stato ritenuto degno di ulteriori indagini.

Mason calcola che solo il 5% circa dei documenti messi da parte sono stati controllati da persone, si tratta comunque di tre milioni di fascicoli. “L’intelligenza artificiale non è una panacea, ma è straordinario come impara”.
Mason ha inoltre dovuto trasferire il nuovo concetto di TAR a regolatori come il Serious Fraud Office (SFO) del Regno Unito e ottenere l’approvazione per lavorare tramite un approccio tutt’altro che tradizionale per le indagini.