Il piano 2022-25 di Intesa Sanpaolo prevede la forte riduzione del profilo di rischio, con un conseguente taglio del costo dello stesso.
Il tutto attraverso:
- l’abbattimento dello stock di crediti deteriorati e azioni continue di prevenzione con una strategia modulare: gestione proattiva delle posizioni ad alto rischio e dei crediti in Stage 2, con un approccio dedicato per le aziende retail e le piccole e medie imprese (Pulse 2.0) e un team specializzato per le grandi imprese internazionali;
- il rafforzamento della gestione dei crediti deteriorati: ulteriore cessione di crediti in sofferenza e inadempienze probabili (Utp), unitamente a nuove soluzioni innovative per portafogli specifici; rafforzamento delle partnership strategiche (es. Intrum, Prelios), avvalendosi delle piattaforme, delle competenze e della forte rete di investitori dei partner; avvio di un Credit Fund per realizzare strutture e soluzioni innovative (primi in Italia a promuovere questo tipo di iniziativa); lancio di nuovi processi e strumenti di gestione dei crediti deteriorati, che incorporano evoluzioni settoriali e metriche di costo del rischio;
- l’accelerazione del rientro in bonis per le società in situazione di continuità aziendale, focalizzandosi sulle filiere in Italia e avvalendosi di investitori internazionali e di specifiche competenze industriali (es. piattaforma di investimento per la rigenerazione urbana);
- la creazione di un piano fast-track per le società non in situazione di continuità aziendale;
- l’evoluzione del team e delle soluzioni di Active Credit Portfolio Steering, includendo: il più ampio utilizzo di schemi di protezione sintetica dal rischio di credito, anche per portafogli di digital lending, mediante partnership dedicate con investitori specializzati e focus sull’Italia; lo sviluppo di soluzioni di finanziamento alternative per clienti “high risk”; l’ulteriore rafforzamento del ruolo delle strategie creditizie per indirizzare le nuove erogazioni verso settori a minore rischio/ maggior rendimento;
- un nuovo modello decisionale del credito: evoluzione del credit framework, includendo dati settoriali riguardanti sia l’erogazione sia i piani di azione, in cooperazione con le aree di business, costituendo un nuovo comitato di direzione dedicato; componenti climate/ESG (es. heatmap ESG settoriale, ESG score a livello di controparte) applicate all’intera filiera del credito; modello decisionale del credito evoluto, ancorato all’analisi del rating, integrando analisi di RAROC prospettico e di ottimizzazione di RWA con la valutazione del merito creditizio, in cooperazione con le aree di business; completa digitalizzazione del processo creditizio, consentendo un focus aggiuntivo sulle attività a elevato valore aggiunto (es. analisi dettagliata della struttura dell’operazione); rafforzamento delle iniziative strategiche di credito impact (es. Programma Rinascimento);
- una gestione proattiva degli altri rischi: ulteriore rafforzamento dei sistemi di controllo interni, nel quadro dell’evoluzione digitale dei processi, basato su una robusta struttura di governance e un’efficace cooperazione tra le funzioni di controllo; forti investimenti in soluzioni digitali e di intelligenza artificiale nella Compliance, anche tramite una newco dedicata (AFC Digital Hub), per i rischi sia tradizionali sia emergenti (KYC, monitoraggio delle operazioni, sorveglianza sul market abuse, condotta); ulteriore rafforzamento dell’anti-financial crime framework, con centri di competenza specializzati, evoluzione della piattaforma IT e scenari di rilevamento proprietari; introduzione delle migliori tecniche di cyber-security (es. Intelligenza Artificiale); garantire che la valutazione, il monitoraggio e la gestione dei rischi ESG siano integrati nel Risk Management governance framework attraverso l’ulteriore sviluppo di metodologie e l’adozione di strumenti di Risk Management, sistemi e processi per i rischi ESG, con un focus particolare sul rischio climatico; implementazione di un’architettura di risk management lab potenziata con tecnologie di Intelligenza Artificiale e Machine Learning per razionalizzare e accelerare il change management (es. sviluppo di modelli, stress testing) e il reporting in tutte le categorie di rischio (es. rischi non finanziari).
