La nuova Retail Investment Strategy (RIS) dell’Unione Europea cambierà per sempre il modo in cui si misura la qualità dei prodotti finanziari. Non basterà più che un investimento sia “adeguato”: dovrà dimostrare di offrire un reale Value for Money (valore per il denaro) e di agire nell’interesse migliore del cliente.
Raffaele Zenti, Co-Founder e COO di Wealthype e professore aggiunto al Politecnico di Milano, e Ali Esmaeili Askari, Bizhan Zahedi e Simone Pierro di Wealthype hanno elaborato una proposta che mette l’Intelligenza Artificiale al centro di questa sfida: un framework trasparente e spiegabile per tradurre i principi della RIS in numeri, indicatori e mappe di coerenza tra prodotti, clienti e portafogli.
La direttiva MiFID II ha introdotto, a suo tempo, i principi di adeguatezza e appropriatezza, chiedendo ai consulenti di valutare il profilo del cliente e offrire prodotti coerenti.
La Retail Investment Strategy segna un ulteriore cambio di paradigma.
Non basta più che un prodotto sia formalmente adatto, deve anche offrire valore dimostrabile rispetto a soluzioni comparabili e contribuire al benessere finanziario complessivo del cliente.
Value for Money (VfM): occorre saper misurare se i costi e i benefici di un certo prodotto sono equilibrati e giustificati rispetto a prodotti simili.
Best Interest: il consulente deve dimostrare che la soluzione proposta non è solo “idonea”, ma effettivamente nel miglior interesse del cliente, documentando la coerenza con i suoi bisogni e obiettivi.
Insomma, se finora la conformità regolamentare si basava su assunzioni e interpretazioni qualitative, la RIS alza l’asticella.
Produttori e distributori dovranno provare, con dati verificabili, che i loro prodotti offrano valore equo rispetto ai costi e siano coerenti con gli obiettivi e i bisogni dei clienti.
Le autorità europee di vigilanza – EIOPA per i prodotti assicurativi ed ESMA per i prodotti finanziari e i fondi – stanno elaborando benchmark e metodi di valutazione basati su dati statistici e confronti tra pari, ma questi benchmark non saranno pubblici.
Serve quindi un’architettura trasparente e spiegabile, capace di trasformare la compliance da esercizio di fiducia a processo di prova ed evidenza.
La sfida principale, per gli operatori finanziari, è l’asimmetria informativa.
Le autorità dispongono di dati aggregati e comparatori statistici, ma produttori e distributori devono dimostrare la conformità senza avere accesso a quegli stessi dati.
Da qui la necessità di strumenti che siano in grado di:
tradurre gli obblighi normativi in criteri misurabili e replicabili;
analizzare dati strutturati e testi regolamentari (es. KID PRIIPs, prospetti, POG);
fornire tracce chiare e verificabili di ogni decisione presa.
La soluzione proposta è un framework trasparente di Intelligenza Artificiale che renda misurabili concetti complessi come Value for Money e Best Interest, con un approccio unificato e verificabile.
Il modello proposto da Zenti, Askari, Zahedi e Pierro unisce dati strutturati (costi, rendimenti, indicatori di rischio) e dati testuali (descrizioni nei KID o nei prospetti), elaborandoli tramite Large Language Model (LLM) e strumenti di Explainable AI.
Il risultato è un “gemello digitale” del prodotto finanziario: una rappresentazione numerica e semantica che consente di calcolare un punteggio di Value for Money (VfM) e di verificare l’allineamento con i profili dei clienti.
A livello di portafoglio, tutto converge in un indice sintetico: il Financial Wellness Index (FWI), che misura quanto una combinazione di strumenti risponde realmente agli obiettivi e alle preferenze del cliente.
Nel paper, gli autori mettono alla prova il framework su tre fondi noti: H2O Multibonds, Carmignac Investissement e iShares MSCI World ETF.
Il sistema analizza costi, rendimenti e linguaggio dei documenti ufficiali.
Risultato:
iShares MSCI World ETF spicca per efficienza e trasparenza (VfM 0,80 su 1);
Carmignac Investissement si distingue per coerenza e governance;
H2O Multibonds mostra carenze su entrambi i fronti.
La stessa metodologia valuta anche la compatibilità con un profilo cliente-tipo, mostrando come solo i prodotti che uniscono buon valore economico e coerenza personale risultino pienamente “RIS-compliant.”
La forza del framework è nella spiegabilità: ogni passaggio – dall’estrazione dei dati alla generazione dei punteggi – è tracciabile e verificabile.
L’algoritmo non sostituisce il giudizio umano, ma lo rende verificabile, fornendo una spiegazione chiara del perché un prodotto è stato valutato in un certo modo.
In un mondo in cui la trasparenza è potere e la spiegabilità è sopravvivenza, questo approccio può segnare il punto di svolta per la compliance intelligente: quella che non teme le domande del regolatore perché può mostrare, passo dopo passo, come è giunta alle sue conclusioni.
L’adozione della RIS non rappresenterà un puro aggiornamento normativo, ma una rivoluzione culturale: dalla conformità formale alla responsabilità dimostrata.
Come evidenziano i ricercatori, l’Intelligenza Artificiale – se usata con rigore, trasparenza e supervisione umana – può essere lo strumento che rende questa trasformazione sostenibile, credibile e misurabile.
O, per dirla con le loro parole:
“B ∩ C ⊆ A. That’s where compliance lives now.”
Tradotto: solo dove si incontrano Best Interest e Value for Money nasce la vera conformità.
Vuoi essere a prova di RIS? Clicca qui se sei un formatore, un responsabile di rete, un manager per una demo personalizzata: insieme troveremo la soluzione più adatta alla tua realtà.
Indietro 
