Oggi, emerge con forza l’esigenza di un cambio di paradigma: passare da un approccio reattivo a uno proattivo nella gestione della crisi. Questo implica un vero e proprio mindset change manageriale, in cui l’AI non sostituisce il decisore, ma ne amplifica la capacità di lettura anticipata dei segnali deboli. Diventa quindi centrale il tema della digital e AI literacy manageriale: non solo competenze tecniche, ma capacità di comprendere la logica dei modelli e integrarli in processi decisionali complessi e responsabilizzati.
All’interno di questa evoluzione, il volume approfondisce il ruolo dei modelli predittivi nei sistemi di early warning, analizzandone l’evoluzione e i limiti interpretativi; affronta i temi della governance algoritmica, con particolare attenzione al principio dell' human-in-the-loop come presidio di controllo e responsabilità; esamina criticamente i bias e le implicazioni etiche nei sistemi decisionali data-driven.
Il volume analizza la crisi d’impresa come fenomeno dinamico, cumulativo e multidimensionale, superando le letture meramente finanziarie e integrando teoria manageriale, scienze della decisione e intelligenza artificiale. L’analisi si concentra sull’evoluzione dei modelli predittivi, dai metodi tradizionali agli approcci data-driven e di machine learning, mettendone in evidenza limiti interpretativi, trade-off metodologici e implicazioni per il decision making e per i sistemi di early warning, anche alla luce del Codice della Crisi d’Impresa e dell’Insolvenza (CCII). Ampio spazio è dedicato alla governance algoritmica, ai temi di explainability e accountability e al ruolo del management nella progettazione e nel governo di architetture decisionali ibride. Su tali basi, la monografia propone, anche attraverso evidenze empiriche e approcci multi-algoritmici, un framework integrato per anticipare e governare la crisi in contesti complessi e ad elevata incertezza.
