Effetto mafia, tasse più alte nei Comuni infiltrati

Un Comune senza mai l’ombra di uno scandalo scorre indisturbato sotto il radar dei controlli. Ma il bilancio non mente: spese elevate in edilizia, riscossione a rilento e pressione fiscale in salita. Un’anomalia dopo l’altra che oggi un algoritmo predittivo elaborato in via sperimentale è in grado di tradurre in un indice del rischio che quel municipio, in apparenza “pulito”, sia in realtà infiltrato. Questo non significa che il modello accusi i Comuni: il suo output, che dovrà essere perfezionato, è un punteggio di probabilità, non un innesco all’apertura di un’indagine. Eppure, il sistema di machine learning dell’Unità di informazione finanziaria – l’organismo antiriciclaggio di Bankitalia diretto da Enzo Serata – sta dimostrando affidabilità, come emerge da uno studio messo a punto da Stefano Iezzi e Claudio Pauselli dell’Uif.

Si pensi che è stato preciso nell’analizzare 6.771 Comuni, distinguendo correttamente infiltrati e non nel periodo 2016-2021. Non solo. Ha individuato indici di allerta in amministrazioni che in quell’arco temporale non sono state sfiorate da indagini antimafia. È così in Sicilia, Calabria, Campania e Puglia, ma anche nel Lazio e in Lombardia, dove peraltro ci sono Comuni che hanno una scarsa collaborazione antiriciclaggio.

Il sistema di machine learning ha restituito degli schemi ricorrenti («pattern») emersi dall’analisi dei bilanci. Nei Comuni a rischio mafia, per esempio, il fisco si inceppa. Imu, tassa rifiuti (Tari), entrate totali: la raccolta crolla. È una costante già segnalata dagli studi più recenti e trova conferma nei numeri: dove c’è criminalità organizzata, le casse comunali si svuotano. Le cause? Due, principalmente. Da un lato, l’amministrazione si paralizza o chiude un occhio, evitando di riscuotere da amici e sodali. Dall’altro, i cittadini smettono di pagare se sanno che i soldi finiscono nelle mani sbagliate. Soprattutto se la raccolta rifiuti è gestita da ditte “vicine” ai clan. Ma c’è un paradosso: meno tasse si incassano, più le aliquote salgono. Nei Comuni infiltrati, il carico fiscale pro capite è più alto. Chi paga? I non allineati: cittadini e imprese fuori dal giro. Nel frattempo, le amministrazioni infiltrate approfittano dell’autonomia finanziaria per compensare la scarsa riscossione, con entrate extra-tributarie: multe, tariffe, vendite. Facili da gestire, difficili da tracciare. Così si riduce la dipendenza dai trasferimenti statali e si allargano i margini di manovra per favorire gli amici.

Uno schema ricorrente dei Comuni infiltrati riguarda la spesa. Sono basse per istruzione cultura, trasporti e per il welfare, mentre salgono per edilizia e rifiuti, settori in cui storicamente le organizzazioni mafiose investono riciclando denaro sporco. L’impatto è anche negli appalti. Le organizzazioni criminali, si legge nei documenti di presentazione dell’algoritmo, «spesso attuano pratiche corruttive che gonfiano tali spese, ad esempio affidando appalti a imprese collegate a prezzi aumentati o attraverso schemi fraudolenti per deviare fondi pubblici. Ne risulta un aumento delle spese di funzionamento per cattiva allocazione o spreco di risorse». L’infiltrazione, inoltre, «può causare un aumento delle spese per il personale tramite assunzioni superflue, amici o affiliati. Questo crea rigidità poiché tali spese sono fisse e difficilmente riducibili».

Inoltre, «la corruzione può portare a contratti a lungo termine difficilmente rinegoziabili o cancellabili, bloccando l’amministrazione in costi elevati; infine, gli amministratori corrotti possono contrarre debiti inutili o gonfiati, spesso con accordi opachi o tassi non competitivi, aumentando gli interessi passivi». In generale, dunque, i Comuni infiltrati «soffrono di un indebolimento della governance e dei meccanismi di controllo, facilitando le manipolazioni del bilancio». L’indicatore è in una versione sperimentale che dovrà ancora essere lavorata. Ma la sua futura applicazione potrebbe «contribuire all’elaborazione di politiche antimafia più efficaci», è annotato nello studio.