Nel panorama attuale dell'intelligenza artificiale, dove gli investimenti globali in aziende che si definiscono "AI-driven" hanno raggiunto cifre record, emerge un caso giudiziario che mette in luce uno dei rischi sistemici più sottovalutati dell'ecosistema tech: l'utilizzo del brand dell'AI come strumento per attirare capitali attraverso rappresentazioni fraudolente. Due dirigenti di origine indiana sono stati incriminati negli Stati Uniti con l'accusa di aver orchestrato una frode finanziaria su larga scala, sfruttando il nome di una piattaforma di intelligenza artificiale per ingannare investitori e mercati. Il caso scuote la comunità tech e finanziaria, riaccendendo il dibattito sulla responsabilità e trasparenza nel settore delle startup AI.
Gli accusati, Puthugramam "Harish" Chidambaran e Sayyed Farhan Ali Naqvi, rispettivamente ex CEO e CFO di iLearning — società tecnologica con sede nel Maryland — sono stati arrestati e comparsi davanti a un tribunale federale di Brooklyn. L'azienda, fondata nel 2010, si presentava al mercato come una piattaforma innovativa basata sull'AI, promettendo una crescita rapida e risultati finanziari solidi, tanto da quotarsi in borsa e raggiungere una valutazione di mercato significativa prima che le prime ombre si addensassero sui suoi conti.
Secondo i pubblici ministeri, i due dirigenti avrebbero sistematicamente manipolato i dati finanziari dell'azienda, fabbricando contratti inesistenti e gonfiando artificialmente i ricavi dichiarati. Le indagini hanno rivelato che una parte sostanziale dei guadagni riportati da iLearning non aveva alcun riscontro nella realtà operativa dell'impresa, ma era il prodotto di transazioni costruite ad arte per simulare un'attività commerciale florida.
Particolarmente sofisticata, secondo le autorità, è la tecnica del cosiddetto "round-tripping": un meccanismo in cui i fondi vengono fatti circolare tra entità collegate — spesso società controllate o affiliate — per generare l'apparenza di ricavi reali. Questa pratica, già nota nel mondo della finanza come strumento di manipolazione contabile, acquista una dimensione più insidiosa quando abbinata alla narrativa dell'innovazione tecnologica, che storicamente tende a ridurre la soglia di scetticismo degli investitori.
La costruzione della frode, stando alle accuse, si reggeva su un sistema di accordi contraffatti e relazioni con clienti in gran parte inesistenti o enormemente esagerate nei loro volumi. L'intera architettura dell'inganno sfruttava l'opacità tipica dei modelli di business legati all'AI, dove la complessità tecnica percepita rende più difficile per gli investitori non specializzati valutare la reale solidità dei prodotti offerti. L'azienda ha infine dichiarato bancarotta nel momento in cui la frode è emersa, lasciando azionisti e creditori con perdite significative.
Entrambi gli imputati affrontano ora accuse multiple, tra cui frode e cospirazione. La normativa federale statunitense prevede per alcune di queste fattispecie pene detentive di lunga durata, oltre a sanzioni pecuniarie. Il caso si inserisce in un contesto più ampio in cui le autorità di regolamentazione finanziaria — dalla SEC americana fino alle istituzioni europee — stanno intensificando il monitoraggio delle aziende che si presentano come player AI senza disporre delle tecnologie o dei ricavi dichiarati.
Per il mondo dell'investimento tech, la vicenda offre una lezione concreta sull'importanza di processi di due diligence approfonditi, capaci di andare oltre il fascino narrativo dell'innovazione. In Europa, dove l'AI Act impone già requisiti di trasparenza e accountability per i sistemi ad alto rischio, il caso alimenta la discussione sull'opportunità di estendere obblighi documentali simili anche alle aziende che commercializzano soluzioni AI ai mercati finanziari, indipendentemente dalla loro dimensione.
La domanda che questo caso lascia aperta riguarda la capacità dell'ecosistema startup di auto-regolarsi in un settore dove l'hype attorno a tecnologie come il deep learning, i Large Language Model e l'AI generativa è ancora molto elevato. Se da un lato la proliferazione di strumenti AI reali e performanti continua ad accelerare, dall'altro la difficoltà nel distinguere tra genuina innovazione e narrative tecnologiche vuote rimane una vulnerabilità strutturale per investitori istituzionali e retail. La risposta potrebbe passare da una maggiore standardizzazione delle metriche di valutazione tecnologica nelle pratiche di audit, un terreno su cui ricercatori, regolatori e operatori di mercato sembrano ancora lontani da un consensus condiviso.