L’ingresso massiccio dell’intelligenza artificiale nei mercati finanziari sta trasformando in profondità le dinamiche di negoziazione, ridefinendo il confine tra innovazione ed abuso di mercato. Se da un lato algoritmi sempre più sofisticati migliorano liquidità, velocità ed efficienza degli scambi, dall’altro emergono rischi nuovi, difficilmente intercettabili con gli strumenti di vigilanza tradizionali.
La manipolazione di mercato non è una novità per le Borse, ma l’uso dell’AI ne amplifica portata e complessità. Le strategie algoritmiche evolute consentono di influenzare prezzi e volumi in modo rapido e non lineare, sfruttando asimmetrie informative e micro-dinamiche di mercato. Tecniche come l’immissione massiva e istantanea di ordini, finalizzate a rallentare le controparti o a testare la profondità del book, diventano più efficaci quando sono gestite da sistemi capaci di adattarsi in tempo reale alle reazioni degli altri operatori.
Il salto qualitativo avviene però con i modelli di apprendimento automatico, in particolare quelli basati sul cosiddetto reinforcement learning. In questi casi l’algoritmo non si limita a eseguire istruzioni predefinite, ma apprende autonomamente dall’ambiente, ottimizzando il comportamento per massimizzare un obiettivo economico. È proprio questa autonomia decisionale a sollevare interrogativi delicati: un sistema progettato per massimizzare il rendimento può “scoprire” strategie manipolative senza che vi sia una volontà esplicita del programmatore o dell’intermediario.
In scenari di interazione tra più algoritmi, inoltre, non è da escludere la convergenza spontanea verso comportamenti coordinati, con effetti assimilabili a una collusione tacita. Anche in assenza di accordi o comunicazioni, l’adattamento reciproco delle strategie può ridurre la trasparenza dei prezzi e penalizzare altri operatori, come i market maker, alterando il corretto funzionamento del mercato.
Le autorità di vigilanza sono consapevoli di questi rischi e stanno a loro volta adottando strumenti basati sull’intelligenza artificiale per individuare pattern anomali e segnali di abuso. Tuttavia, la complessità tecnica e la velocità di evoluzione degli algoritmi rendono l’accertamento degli illeciti particolarmente oneroso, soprattutto sul piano probatorio.
Dal punto di vista giuridico, il quadro normativo non è privo di strumenti: la disciplina sugli abusi di mercato e la regolamentazione MiFID impongono obblighi stringenti di controllo, governance e monitoraggio dei sistemi di negoziazione algoritmica. Resta però centrale il tema della responsabilità: l’operatore che utilizza l’AI è chiamato a dimostrare di aver adottato adeguati presidi per prevenire comportamenti illeciti della macchina.
In prospettiva, l’AI Act europeo potrebbe rappresentare un tassello fondamentale, introducendo un approccio per principi capace di intercettare anche fenomeni non ancora pienamente emersi. La sfida sarà tradurre tali principi in regole operative efficaci, in grado di tutelare l’integrità dei mercati senza soffocare l’innovazione.
SU