Greenwashing alert system for EU green bonds
The CONSOB–University of Trento prototype

Un sistema di greenwashing alert per il mercato dei green bonds.
Il prototipo sviluppato da CONSOB con l’Università di Trento

S. Paterlini, A. Nicolodi, M. Gentile, V. Foglia Manzillo, M.R. Sancilio, P. Deriu

Quaderno FinTech n. 14 - luglio 2025 [formato PDF] 
 

Sintesi del lavoro
Lo studio illustra un prototipo di intelligenza artificiale sviluppato a supporto dell’attività di vigilanza per l’identificazione di potenziali casi di greenwashing con riguardo al mercato delle obbligazioni verdi. Negli ultimi anni, i green bonds hanno progressivamente assunto un ruolo di crescente rilievo quale strumento strategico per il consolidamento e lo sviluppo della finanza sostenibile. Tuttavia, parallelamente si è intensificata la preoccupazione per il fenomeno del greenwashing, che rischia di compromettere la fiducia degli investitori, l’integrità del mercato e la transizione verso un’economia sostenibile.
Il contrasto al greenwashing, è una delle priorità dell'ESMA, che ha fornito raccomandazioni e linee guida riguardanti la divulgazione di informazioni sulla sostenibilità, ed è uno degli obiettivi prioritari del Piano Strategico della Consob per il 2025 – 2027. ESMA raccomanda l’uso di strumenti SupTech per aumentare l'efficienza della greenwashing detectionfornendo supporto alle attività di monitoraggio dei rischi e alla vigilanza senza sostituire il giudizio e il contributo degli analisti di settore. Tali algoritmi consentono di elaborare più rapidamente grandi quantità di dati, di identificare potenziali rischi finanziari e di rendere più efficiente la verifica di compliance rispetto agli obblighi previsti dalla regolamentazione.
L’individuazione di pratiche di greenwashing legate a dichiarazioni ambientali potenzialmente fuorvianti, incoerenti o prive di fondamento si presenta, tuttavia, complessa. In particolare, l’assenza di definizioni univoche a livello regolamentare nazionale ed europeo intensifica la difficoltà di rilevazione dei fenomeni di greenwashing. Anche la letteratura scientifica evidenzia una pluralità di definizioni del fenomeno, tutte riconducibili a strategie comunicative volte a costruire un’immagine aziendale sulla sostenibilità potenzialmente ingannevole.
Il prototipo sviluppato utilizza Large Language Model (ClimateBERT, ESGBERT) e un dizionario proprietario che collega parole chiave agli Obiettivi di Sviluppo Sostenibile (SDG). Le sue principali funzionalità includono l’identificazione automatica di frasi e dichiarazioni ambientali nei documenti aziendali; l’analisi del sentiment e classificazione dei contenuti in termini di rischio e opportunità; il rilevamento di disallineamenti tra SDG dichiarati con l’emissione di green bonds e quelli effettivamente riscontrati nei sustainability reports. Il sistema può costituire un supporto alle attività dell’Istituto, riducendo i tempi di analisi e limitando i potenziali bias interpretativi. Lo studio evidenzia un significativo risparmio di tempo: a titolo esemplificativo, a fronte di un impegno di circa quattro ore richiesto da un esame condotto con metodi tradizionali per l'analisi di un report di sostenibilità, l'algoritmo impiega circa dieci minuti.

Autori
Sandra Paterlini - Università di Trento, Dipartimento di Economia e Management (sandra.paterlini@unitn.it);
Andrea Nicolodi - Università di Trento (andrea.nicolodi-1@unitn.it);
Monica Gentile - CONSOB, Divisione Studi e Regolamentazione (m.gentile@consob.it);
Vincenzo Foglia Manzillo - CONSOB, Divisione Vigilanza Emittenti (v.fogliamanzillo@consob.it);
Maria Raffaella Sancilio - CONSOB, Direzione Generale (m.sancilio@consob.it);
Paola Deriu - CONSOB, Responsabile della Divisione Studi e Regolamentazione (p.deriu@consob.it);

Eventuali errori e imprecisioni sono imputabili esclusivamente agli autori. Le opinioni espresse nel lavoro sono attribuibili esclusivamente agli autori e non impegnano in alcun modo la responsabilità dell'Istituto. Nel citare il presente lavoro, non è, pertanto, corretto attribuire le argomentazioni ivi espresse alla Consob o ai suoi Vertici.

JEL Classifications: Q01, Q56, G18, G20, G38, C63, O31.

Keywords: sustainable finance, green bonds, SupTech tools, machine learning, Artificial Intelligence