Come blockchain e AI migliorano i dati ESG per banche e imprese

L’effetto combinato dei due provvedimenti è tutt’altro che neutro. L’obbligo di rendicontare si è ristretto; l’obbligo di raccogliere si è ampliato, ma si è spostato di soggetto: non grava più sull’impresa, grava sulla banca. E la banca, per assolverlo, deve rivolgersi alle imprese che finanzia, indipendentemente dal fatto che queste rientrino o meno nel perimetro CSRD. Il risultato è che il numero di imprese formalmente obbligate a produrre un bilancio di sostenibilità è crollato, mentre il numero di imprese a cui è chiesto di fornire dati ESG è aumentato.

Per l’imprenditore, la domanda rilevante non è più «sono obbligato?». È diventata: «quanto mi costa non avere questi dati, e quanto posso guadagnare ad averli meglio degli altri?». È una domanda di natura commerciale e finanziaria, non giuridica, e merita una risposta dello stesso tipo.

Banche, filiere e investitori chiedono dati ESG verificabili

La domanda di dati ESG proviene oggi da quattro direzioni distinte, che è utile tenere separate perché rispondono a logiche diverse e offrono all’impresa opportunità diverse.

Banche e pricing del credito

Il sistema bancario è la fonte di domanda più immediata e più direttamente monetizzabile. Gli Orientamenti EBA impongono di integrare i fattori ESG nei modelli di valutazione della clientela, il che significa, in concreto, che il profilo di sostenibilità entra tra le variabili che concorrono a determinare il rating interno e quindi il pricing.

In Italia il percorso è stato accompagnato dal documento del Tavolo per la Finanza Sostenibile presieduto dal MEF^[3], che propone un set standardizzato di quaranta informazioni articolate per priorità e costruito in modo interoperabile con lo standard VSME^[4]. Non è un documento vincolante, ma la sua funzione è chiara: ridurre la proliferazione di questionari differenti da parte di ogni singolo istituto, offrendo un linguaggio comune. Per l’impresa che si prepara con metodo, questo significa che il lavoro fatto per una banca è in larga parte riutilizzabile per le altre.

Filiere e richieste contrattuali

La filiera è la seconda direzione, e in molti settori la più pressante.

L’Omnibus ha introdotto la nozione di impresa protetta proprio per contenere l’effetto a cascata delle richieste informative verso le imprese sotto soglia, ma occorre essere realisti su cosa quella tutela può e non può fare: limita ciò che il capo-filiera può pretendere in nome della normativa, non ciò che può chiedere in sede contrattuale^[5]. Il grande cliente che deve rendicontare le proprie emissioni Scope 3^[6], o che deve semplicemente gestire il rischio di interruzione della propria catena di fornitura, continuerà a chiedere. La differenza è che ora chiede a un fornitore che non ha alcun obbligo normativo di rispondere: il che trasforma la risposta da adempimento in leva negoziale.

Investitori, SFDR e due diligence

Gli investitori e gli intermediari finanziari non bancari operano sotto il quadro SFDR e devono dimostrare come i fattori di sostenibilità entrino nei processi decisionali, oltre a calcolare indicatori di allineamento alla Tassonomia^[7]. Per l’investitore il problema non è solo di conformità dichiarativa: un capitale che deve essere allocato secondo criteri di sostenibilità, ma che si basa su dati non riscontrabili, rischia di premiare la capacità di comunicare piuttosto che la performance reale — con il risultato che il capitale destinato alla transizione fatica a raggiungere le imprese che meglio la stanno realizzando.

Dati ancorati a un registro verificabile riducono questo rischio di selezione avversa e rendono la due diligence più rapida ed economicamente più efficiente. Per le imprese non quotate questa domanda si manifesta soprattutto in occasione di operazioni straordinarie, ingressi di fondi, emissioni di strumenti di debito e processi di due diligence.

Appalti e premialità di sostenibilità

Le stazioni appaltanti, infine, incorporano ormai stabilmente criteri ambientali minimi e premialità di sostenibilità nelle procedure di gara. È un canale spesso trascurato nelle analisi, ma per molte PMI manifatturiere e di servizi rappresenta una quota rilevante del portafoglio ordini.

Il punto economicamente rilevante è che questi quattro interlocutori, pur formulando richieste eterogenee nella forma, chiedono sostanzialmente lo stesso nucleo di informazioni: consumi energetici e mix di fonti, emissioni dirette e indirette, produzione e destinazione dei rifiuti, prelievi idrici, infortuni, composizione della forza lavoro, presidi di governance, esposizione fisica dei siti ai rischi climatici. È questa sovrapposizione a rendere economicamente sensato l’investimento in una raccolta strutturata: il costo si sostiene una volta, il beneficio si distribuisce su più fronti.

Le cinque leve economiche dei dati ESG verificabili

Vale la pena esplicitare dove il valore si crea concretamente, perché la genericità con cui si parla di «vantaggio competitivo della sostenibilità» ha finito per svuotare l’espressione di significato operativo. Le leve sono almeno cinque, e sono misurabili.

• Il costo del denaro. Con i fattori ESG dentro i modelli di rating, il profilo di sostenibilità concorre a determinare lo spread applicato alle linee di credito e ai finanziamenti a medio termine. Le analisi disponibili sul mercato italiano indicano peraltro una correlazione tra adozione di pratiche ESG strutturate e minori tassi di default^[8]: correlazione che, indipendentemente dalla sua interpretazione causale, alimenta i modelli statistici su cui le banche calibrano il prezzo.A questo si aggiunge la famiglia dei finanziamenti legati alla sostenibilità, nei quali il margine si adegua al raggiungimento di indicatori predefiniti. Qui il punto è tecnico prima che commerciale: un indicatore che non è misurabile e verificabile non è finanziabile, perché nessun istituto accetta di legare il prezzo a un parametro che non può controllare.
• L’accesso a strumenti dedicati. Il Regolamento sulle obbligazioni verdi europee^[9] ha introdotto uno standard che richiede allineamento tassonomico dei proventi e revisione esterna: requisiti onerosi, che però qualificano lo strumento presso gli investitori. Per le imprese di dimensione media, la strada più praticabile passa spesso da minibond ESG, basket bond di filiera e strumenti assistiti da garanzia pubblica, tutti accomunati dalla necessità di produrre dati di sostenibilità documentabili nel tempo, non solo al momento dell’emissione.
• La posizione in filiera. Nella selezione dei fornitori la capacità di rispondere in modo rapido, completo e verificabile a una richiesta ESG è diventata un criterio di qualificazione. La differenza tra il fornitore che fornisce i dati in quarantotto ore con evidenze a supporto e quello che impiega sei settimane per ricostruirli non è una differenza di cortesia commerciale: incide sulla probabilità di rinnovo del contratto, sulla durata degli accordi e, in alcuni settori, sull’ammissione stessa all’albo fornitori.
• Il costo interno della risposta. È la voce più sottovalutata perché non compare in bilancio come costo esterno. Una PMI che opera con cinque istituti di credito e dieci clienti industriali di grandi dimensioni può trovarsi a compilare quindici set informativi diversi all’anno, ciascuno con le proprie definizioni e i propri formati. Il tempo impiegato è tempo di personale qualificato sottratto ad altre attività, e cresce ogni anno con l’estendersi delle richieste.
• Le gare e gli appalti. I criteri ambientali e le premialità di sostenibilità attribuiscono punteggio a informazioni che devono essere dichiarate e, sempre più spesso, documentate. Disporre di dati già strutturati e verificabili riduce i tempi di preparazione dell’offerta e il rischio di esclusione per carenze documentali.

Blockchain e integrità dei dati ESG per la finanza

Chiarite le leve, resta il nodo centrale: perché un dato ancorato a blockchain dovrebbe valere, economicamente, più di un dato semplicemente dichiarato? La risposta sta in una asimmetria che ogni analista di credito conosce bene. Quando una banca riceve un’autodichiarazione, applica implicitamente uno sconto prudenziale: non per sfiducia verso il cliente, ma perché le regole prudenziali le impongono di valutare la qualità della fonte, e un dato non verificabile ha, per definizione, una qualità inferiore. Quello sconto ha un prezzo, e quel prezzo lo paga l’impresa.

A questo si aggiunge un secondo effetto, meno visibile ma non meno costoso. Quando le stesse informazioni di sostenibilità sono raccolte e interpretate in modo eterogeneo da fonti diverse, due provider di rating ESG possono restituire valutazioni divergenti sulla stessa impresa, partendo dagli stessi fatti. Non è un problema di cattiva fede, ma di dati di origine non standardizzati e non riscontrabili: ancorare a un registro condiviso il dato sorgente, prima che sia interpretato dai diversi modelli di rating, non elimina le differenze metodologiche tra i provider, ma ne rimuove la componente più insidiosa, quella dovuta a informazioni di partenza non comparabili.

La soluzione classica a questa asimmetria è l’assurance esterna. Funziona, ma ha un costo che per una PMI può risultare sproporzionato rispetto al beneficio, soprattutto se ripetuta annualmente su un insieme ampio di indicatori. Lo standard VSME, non a caso, non impone assurance obbligatoria per le PMI non quotate proprio per ragioni di proporzionalità — lasciando però aperta la questione di come rendere credibile un’autodichiarazione.

La blockchain occupa una posizione intermedia che merita di essere descritta con precisione, evitando sia la sottovalutazione sia l’enfasi. Non certifica che un dato sia vero: certifica che quel dato esisteva in quella forma in quel momento e che non è stato modificato successivamente senza lasciare traccia. È una garanzia di integrità e di sequenza temporale, non di veridicità sostanziale. Ma è esattamente la garanzia che manca all’autodichiarazione, ed è quella che ne abbatte il costo di verifica per la controparte.

Architettura e costi della prova blockchain

Sul piano operativo l’architettura è quella già descritta nei contributi precedenti di questa serie: i dati restano off-chain, nei sistemi aziendali e sotto il controllo dell’impresa; in blockchain viene registrata soltanto l’impronta crittografica. Poiché le registrazioni avvengono a chiusura di periodo, su base annuale o con pochi aggiornamenti infrannuali, il costo transazionale è marginale. Ciò che si acquista, con quella spesa marginale, è la possibilità per qualsiasi controparte autorizzata di verificare in modo autonomo, in pochi secondi e senza accedere ai sistemi aziendali, che il dato ricevuto è quello originariamente consolidato.

Il track record dei dati ESG

C’è poi un argomento che riguarda il tempo e che, dal punto di vista finanziario, è forse il più rilevante di tutti. Un singolo dato certificato vale poco. Tre o cinque esercizi consecutivi di dati registrati con data certa, coerenti tra loro e non riscrivibili a posteriori, costituiscono un track record. Il track record è una nozione squisitamente finanziaria: è ciò che consente a un finanziatore di prezzare, a un investitore di valutare e a un cliente industriale di impegnarsi su orizzonti pluriennali. E ha una proprietà che nessun investimento può recuperare: non si può costruire retroattivamente.

L’impresa che comincia a registrare oggi, anche solo tre indicatori quantitativi ben scelti, avrà nel 2029 qualcosa che il concorrente che partirà nel 2028 non potrà avere prima del 2032!

AI e dati ESG: meno costi di produzione e verifica

Se la blockchain agisce sulla verificabilità del dato, l’intelligenza artificiale agisce sui due costi che determinano se il sistema è economicamente sostenibile: il costo di produrre il dato per chi lo fornisce e il costo di fidarsene per chi lo riceve. Sono due lati della stessa transazione, ed entrambi si riflettono nel prezzo finale.

AI per estrarre e mappare i dati ESG

Sul lato dell’impresa, i modelli di AI intervengono anzitutto nell’estrazione: leggere i sistemi gestionali, le utenze energetiche, i registri di carico e scarico dei rifiuti, i dati di produzione, e ricavarne automaticamente gli indicatori richiesti, riducendo drasticamente il lavoro manuale di raccolta.

Intervengono poi nella mappatura, ed è qui che il beneficio economico è più evidente: lo stesso dato di consumo energetico deve essere espresso secondo i datapoint ESRS^[10] per le imprese che restano nel perimetro CSRD, secondo il datapoint VSME per chi rendiconta su base volontaria, secondo l’indicatore del documento MEF, secondo il questionario proprietario di ciascun cliente industriale e secondo la logica della Tassonomia.

Un sistema di mappatura automatica trasforma quello che oggi è lavoro ripetuto in una compilazione singola con propagazione multipla, secondo il principio ‘un dato, più compliance’^[11] già illustrato in questa serie. Intervengono infine nella simulazione: prima di trasmettere i dati alla banca, l’impresa può stimare come quei dati incideranno sul proprio profilo di rischio, individuando in anticipo gli indicatori che penalizzano il rating e su cui conviene intervenire.

AI e riduzione dell’incertezza residua

Sul lato di chi riceve i dati, l’AI agisce sul costo dell’incertezza residua. Modelli addestrati su serie storiche di dati ancorati a blockchain producono valutazioni più accurate rispetto a modelli alimentati da dichiarazioni non verificabili, per la ragione elementare che nessun algoritmo può compensare la scarsa qualità del proprio input. Consentono inoltre di individuare segnali precoci di deterioramento del profilo di sostenibilità — un’intensità energetica che peggiora per tre trimestri consecutivi, un tasso infortunistico in crescita, una progressiva divergenza tra obiettivi dichiarati e traiettoria effettiva — trasformando la valutazione ESG da fotografia annuale a monitoraggio continuo.

AI contro il greenwashing

Il terzo impiego è la rilevazione del greenwashing, ed è quello che più direttamente protegge le imprese virtuose. Sistemi di analisi applicati ai dati registrati possono individuare la selezione opportunistica degli indicatori comunicati, la retrodatazione di miglioramenti che la marcatura temporale rende immediatamente evidente, e le incoerenze tra quanto dichiarato dall’impresa e quanto tracciato lungo la filiera. Il beneficio per chi opera correttamente è diretto: in un mercato in cui la dichiarazione non verificabile costa poco a chiunque, l’impresa seria non riesce a distinguersi da quella opportunista, e il vantaggio della serietà si annulla.

Il punto economico è semplice: una controparte che riesce a valutare a costo minore e con minore incertezza residua può offrire condizioni migliori. Blockchain e intelligenza artificiale non producono valore in sé; lo producono perché riducono, su entrambi i lati della transazione, il costo dell’informazione — e quel risparmio, in un mercato del credito competitivo, viene in parte trasferito al cliente.

Dati ambientali tokenizzati tra ricavi e rischi

Tutto quanto precede riguarda la riduzione di un costo o il miglioramento di una condizione. Esiste però un ambito, oggi ancora immaturo ma in rapida evoluzione, in cui la sostenibilità può generare un ricavo diretto: la rappresentazione digitale su registro distribuito di unità ambientali negoziabili — crediti di carbonio, garanzie di origine dell’energia rinnovabile, certificati di efficienza energetica, e in prospettiva crediti legati al recupero di materia.

Blockchain e double counting nei mercati ambientali

Il contributo della blockchain in questo mercato è specifico e riguarda il principale difetto strutturale del mercato stesso. I mercati volontari del carbonio hanno storicamente sofferto di un problema di credibilità legato al double counting, ossia alla possibilità che lo stesso beneficio ambientale venga contabilizzato da più soggetti^[12]. La rappresentazione dell’unità come token univoco, il cui trasferimento e la cui cancellazione definitiva sono tracciati su un registro condiviso, rende tecnicamente impossibile la doppia contabilizzazione. Non risolve il problema, distinto e preliminare, della qualità della metodologia con cui il credito è stato generato: ma rimuove uno dei due ostacoli, e lo fa in modo verificabile da chiunque.

Opportunità per le PMI industriali

Per una PMI industriale l’opportunità concreta è meno esotica di quanto il termine tokenizzazione suggerisca. Un surplus di produzione fotovoltaica, un recupero di calore di processo, un flusso di materia effettivamente reimmesso nel ciclo produttivo e documentato: sono grandezze che oggi, nella grande maggioranza dei casi, restano economicamente disperse perché il costo di certificarle e collocarle supera il loro valore unitario. L’aggregazione di questi flussi, resa possibile da un’infrastruttura che ne garantisce l’unicità e la tracciabilità a costo marginale ridotto, può renderli negoziabili anche a volumi contenuti, tipicamente attraverso operatori aggregatori o consorzi di filiera.

Limiti e prudenza sulla tokenizzazione

Deve essere detto con chiarezza, perché la prudenza qui è parte dell’analisi e non una cautela di stile: questi mercati sono volatili, la loro cornice regolatoria è in evoluzione e i prezzi non offrono la stabilità necessaria a fondarvi un piano industriale.

La conseguenza pratica è che la tokenizzazione non giustifica, da sola, l’investimento in un’infrastruttura di raccolta dati: i costi di quell’infrastruttura sono ripagati dai benefici più solidi descritti nei paragrafi precedenti — accesso al credito, qualificazione in filiera, partecipazione a gare. Se quell’infrastruttura esiste già per queste ragioni, però, i dati necessari a valutare un credito di carbonio o una garanzia di origine sono in gran parte già disponibili: l’impresa può cogliere l’opportunità della tokenizzazione con un investimento aggiuntivo marginale. È quindi un possibile ricavo accessorio da valutare a valle, non un obiettivo su cui fondare la decisione iniziale.

Costi e ritorni di un sistema ESG verificabile

Un’analisi che si fermasse ai benefici sarebbe poco utile. I costi di questa impostazione sono di tre tipi, ed è importante distinguerli perché hanno natura molto diversa.

Il costo tecnologico

Il primo è tecnologico: la piattaforma di raccolta, l’integrazione con i sistemi esistenti, la registrazione degli hash. È la componente più visibile e, paradossalmente, la meno rilevante in valore assoluto, soprattutto in un modello in cui le registrazioni sono poche e concentrate nei momenti di chiusura.

Il costo organizzativo

Il secondo è organizzativo: individuare le fonti interne dei dati, definire responsabilità, stabilire procedure di aggiornamento, formare le persone. È la voce dominante, di gran lunga. Ed è la voce su cui si basa il ragionamento economicamente decisivo: questo costo l’impresa lo sostiene comunque, con o senza tecnologia, perché banche e clienti i dati li chiedono e qualcuno in azienda dovrà comunque trovarli. La domanda corretta non è se sostenerlo, ma se sostenerlo una volta in modo strutturato o quindici volte in modo estemporaneo.

Il costo di mantenimento nel tempo

Il terzo è il costo di mantenimento nel tempo, spesso dimenticato in fase di decisione: le griglie devono essere aggiornate quando cambiano gli standard, i mapping rivisti, le serie storiche mantenute coerenti. Un sistema costruito bene e poi abbandonato produce, dopo tre anni, dati peggiori di quelli che produrrebbe un foglio di calcolo tenuto con disciplina.

Tempi di ritorno e approccio graduale

Sul ritorno, l’onestà impone di riconoscere un’asimmetria: il costo è certo e immediato, il beneficio è probabilistico e differito. Lo spread migliore si vede al rinnovo degli affidamenti, la qualificazione in filiera al prossimo tender, l’accesso agli strumenti dedicati quando l’operazione si presenta.

È esattamente per questa ragione che l’approccio graduale non è una prudenza generica ma la scelta razionale: conviene partire dal nucleo di indicatori quantitativi ad alta priorità — energia, emissioni dirette e indirette, rifiuti, infortuni — che è al tempo stesso il più richiesto dalle banche, il più facilmente misurabile, il più interoperabile tra VSME e documento MEF e quello su cui la certificazione di integrità produce il beneficio maggiore. Le informazioni qualitative e descrittive possono seguire, e in molti casi non traggono alcun vantaggio dall’ancoraggio a un registro immutabile.

Il dato di sostenibilità come asset finanziario

La vicenda dell’Omnibus ha insegnato qualcosa che vale oltre il suo oggetto specifico: i perimetri normativi cambiano, si allargano e si restringono in funzione di equilibri politici, e costruire una strategia aziendale esclusivamente sull’obbligo significa esporsi a una variabile che l’impresa non controlla. La domanda di mercato è, paradossalmente, più stabile di quella regolatoria, perché non nasce da una scelta legislativa ma da un’esigenza economica: chi presta denaro deve valutare il rischio, chi acquista deve garantire la continuità della propria filiera, chi investe deve poter dimostrare come alloca il capitale.

In questo quadro il dato di sostenibilità cessa di essere il sottoprodotto di un adempimento e diventa ciò che in finanza si chiama un asset: qualcosa che ha un costo di produzione, una vita utile, un valore che dipende dalla sua qualità e un rendimento misurabile in termini di condizioni ottenute sul mercato. La blockchain ne garantisce l’integrità nel tempo, che è la condizione perché quel valore non si deteriori; l’intelligenza artificiale ne abbatte il costo di produzione e di interpretazione, che è la condizione perché l’investimento sia sostenibile per un’impresa di dimensioni contenute.

Resta una considerazione di tempistica, che è poi la ragione per cui questo tema merita attenzione oggi e non tra tre anni. Finché la capacità di dimostrare in modo verificabile le proprie performance di sostenibilità resta appannaggio di una minoranza di imprese, chi la possiede ottiene un differenziale — di prezzo, di posizione in filiera, di accesso agli strumenti.

Quando diventerà una dotazione diffusa, e la traiettoria regolatoria e di mercato indica che lo diventerà, cesserà di essere un vantaggio e diventerà un requisito minimo per restare sul mercato: chi non l’avrà pagherà uno svantaggio, senza che nessuno riconosca più un premio a chi l’ha. La finestra in cui il dato verificabile è ancora un differenziale competitivo, e non semplicemente una condizione di accesso, è aperta adesso.

Bibliografia

• EBA, Guidelines on the management of environmental, social and governance risks, EBA/GL/2025/01, 8 gennaio 2025.
• Direttiva (UE) 2026/470 (pacchetto Omnibus I), che modifica le Direttive (UE) 2022/2464 (CSRD) e (UE) 2024/1760 (CSDDD).
• MEF – Tavolo per la Finanza Sostenibile, Il dialogo di sostenibilità tra PMI e banche, versione aggiornata a dicembre 2025.
• Raccomandazione (UE) 2025/1710 sullo standard volontario VSME per le PMI; EFRAG, VSME Standard.
• Regolamento (UE) 2023/2631 (obbligazioni verdi europee); Regolamento (UE) 2020/852 (Tassonomia); Regolamento (UE) 2019/2088 (SFDR).
• Contributi precedenti della serie: La blockchain per tracciare e mappare la supply chain; Direttiva CSRD e blockchain; La Direttiva CSDDD; Dalla supply chain alla value chain; Blockchain e VSME; Blockchain come layer di controllo dell’AI; SMART CONTROL; Omniachain; Il Passaporto Digitale Europeo dei Prodotti; D.lgs. 231/2001 e blockchain.

Note

[1] Direttiva (UE) 2026/470, pubblicata in GUUE il 26 febbraio 2026 ed entrata in vigore il 18 marzo 2026. Innalza le soglie CSRD a 1.000 dipendenti e 450 milioni di euro di ricavi netti e le soglie CSDDD a 5.000 dipendenti e 1,5 miliardi di euro, introducendo inoltre la nozione di impresa protetta per limitare l’effetto a cascata sulle imprese della catena del valore. ↩

[2] Orientamenti EBA/GL/2025/01 dell’8 gennaio 2025 sulla gestione dei rischi ambientali, sociali e di governance. Si applicano dall’11 gennaio 2026 agli enti diversi da quelli piccoli e non complessi e, al più tardi, dall’11 gennaio 2027 agli enti piccoli e non complessi. ↩

[3] MEF – Tavolo per la Finanza Sostenibile, Il dialogo di sostenibilità tra PMI e banche, nella versione aggiornata a dicembre 2025. Il documento non è vincolante ma propone un set standardizzato di 40 informazioni articolate su livelli di priorità, con tabella di corrispondenza rispetto ai datapoint VSME. ↩

[4] Raccomandazione (UE) 2025/1710 del 30 luglio 2025, che introduce lo standard volontario VSME per le PMI non quotate. Il tema è stato analizzato nel settimo contributo di questa serie, Blockchain e VSME: garantire l’integrità dei dati di sostenibilità delle PMI. ↩

[5] Per impresa protetta si intende, ai sensi del Pacchetto Omnibus I, ogni impresa che non supera la media di 1.000 dipendenti e che opera nella catena del valore di un’impresa soggetta ai nuovi obblighi di rendicontazione o di due diligence. La tutela si traduce nel cosiddetto value chain cap: l’impresa protetta può rifiutare richieste informative che eccedano il perimetro dei datapoint previsti dallo standard VSME. Il limite, come osservato nel testo, riguarda le richieste fondate sulla normativa; resta impregiudicata la facoltà del cliente di richiedere ulteriori informazioni in sede contrattuale, ad esempio come condizione per l’accesso alla fornitura. ↩

[6] Le emissioni Scope 3 sono le emissioni indirette di gas a effetto serra generate lungo la catena del valore di un’impresa, a monte (es. acquisti di beni e servizi, trasporto in ingresso) e a valle (es. uso dei prodotti venduti, trasporto in uscita), secondo la classificazione del GHG Protocol. Si distinguono dalle emissioni Scope 1 (dirette, generate dalle attività dell’impresa) e Scope 2 (indirette, legate all’energia acquistata). Per molte imprese industriali le Scope 3 rappresentano la quota più rilevante dell’impronta di carbonio complessiva, ed è per questo che il grande cliente le richiede ai propri fornitori. ↩

[7] Regolamento (UE) 2019/2088 (SFDR) e Regolamento (UE) 2020/852 (Tassonomia). Il calcolo del Green Asset Ratio da parte degli intermediari finanziari e il ruolo della blockchain nella sua automazione sono stati trattati nel secondo contributo di questa serie, Direttiva CSRD e blockchain. ↩

[8] Le analisi disponibili sul mercato italiano, tra cui quelle elaborate da operatori di credit information sulla base dei propri archivi, indicano una correlazione tra adozione di pratiche ESG strutturate e minore tasso di default delle PMI. Si tratta di evidenze statistiche di natura correlativa, la cui portata causale va valutata con prudenza: sono comunque significative perché sono proprio questi dataset ad alimentare i modelli di rating utilizzati dal sistema bancario. ↩

[9] Regolamento (UE) 2023/2631 sulle obbligazioni verdi europee (EuGB), applicabile dal 21 dicembre 2024. Prevede l’allineamento dei proventi ai criteri della Tassonomia UE di cui al Regolamento (UE) 2020/852 e la revisione da parte di verificatori esterni registrati presso l’ESMA. ↩

[10] ESRS sta per European Sustainability Reporting Standards — gli standard tecnici europei di rendicontazione di sostenibilità previsti dalla CSRD. Sono l’insieme dei datapoint e delle metriche (ambientali, sociali, di governance) che le imprese soggette a CSRD devono usare per compilare il bilancio di sostenibilità, elaborati da EFRAG e adottati dalla Commissione UE. ↩

[11] Il principio ‘un dato, più compliance’ e l’architettura che lo rende operativo sono descritti nel dodicesimo contributo di questa serie, Omniachain: una infrastruttura digitale per semplificare la compliance d’impresa. ↩

[12] Il double counting, ossia la contabilizzazione dello stesso beneficio ambientale da parte di più soggetti, è storicamente uno dei principali fattori di sfiducia nei mercati volontari del carbonio. La rappresentazione dell’unità come token univoco su registro distribuito rende tecnicamente tracciabile ogni trasferimento e cancellazione, ma non risolve di per sé la questione, distinta e preliminare, della qualità della metodologia con cui il credito è stato generato. ↩