L’algoritmo di contenimento (o mitigazione, o riduzione…) del rischio corruttivo permette di ottenere un valore del PxI di uno specifico rischio ridotto in funzione dell’applicazione di una o più misure di mitigazione.
Per determinare questo algoritmo, si procede nel seguente modo:
si quantificano, tramite una funzione di codifica, i valori del PxI del rischio facendo corrispondere ad ogni valore un numero intero, variabile da 0 per il rischio MINIMO a 4 per il rischio MOLTO ALTO;
- per ogni misura di carattere generale si sottrae 0.5 dal valore del PxI del rischio;
nei calcoli vengono effettuati solo arrotondamenti per eccesso; quindi per considerare un PxI ridotto di un livello bisogna che le misure abbiano determinato almeno una riduzione di 1 (da 1.0 a 1.9).
I valori assegnati ai livelli dei PxI possono essere ricavati dalla seguente tabella:
| PxI su scala ordinale | PxI su scala a intervalli |
|---|---|
| MINIMO | 0 |
| BASSO | 1 |
| MEDIO | 2 |
| ALTO | 3 |
| MASSIMO | 4 |
NOTA BENE
Da un punto di vista statistico, l’operazione di trasformare valori chiaramente su scala ordinale in valori su scala a intervalli uguali (anzi, su scala di rapporti, perché è stato determinato uno zero in modo univoco) è sicuramente un abuso di notazione, perché fornisce un’impressione di precisione che nei dati non esiste; ad esempio, sicuramente un PxI MOLTO ALTO (o Massimo) sarà maggiore di un PxI medio, ma non si può dire che MOLTO ALTO sia esattamente il doppio di MEDIO, cosa che invece la trasformazione numerica dà l’impressione di poter concludere (perché 4 è il doppio di 2). Analogamente, neppure si può dire che un PxI ALTO valga esattamente come 3 PxI BASSI.
Pertanto, a prescindere da qualunque conversione arbitraria, bisogna considerare che i dati relativi ai PxI (livelli di rischio) sono e resteranno sempre misurati su scala ordinale, non su scala a intervalli o di rapporti.
D’altro canto, la conversione numerica permette di determinare i livelli di mitigazione in maniera molto più pratica rispetto a una “mitigazione ordinale”. L’importante è ricordarsi che l’apparente precisione non corrisponde ad una precisione effettiva nei dati.
Per fare un esempio, riprendiamo la tabella precedente:
| Concessione agevolazioni e incentivi agli studenti | |||||
|---|---|---|---|---|---|
|
RISCHI (a) |
PxI Processo (b) |
PxI Rischi (c) |
PxI Rischi (d) (dopo l’applicazione delle misure) STIMA |
PxI Rischi (e) (dopo aver effettuato il monitoraggio delle misure) | PxI Processo (f) (dopo applicazione misure E monitoraggio) |
 Assenza di adeguata
pubblicità della selezione |
MEDIO Il processo è mediamente esposto a rischio corruttivo in quanto trattasi di un processo che coinvolge molteplici soggetti, sia interni che esterni all’Ateneo. La presenza di segnalazioni da parte degli utenti aumenta l’esposizione al rischio. |
MEDIO | BASSO {1S} | MEDIO (0) | MEDIO |
| Assenza di controlli
sulle autodichiarazioni rese dai richiedenti |
MEDIO | MEDIO {1G} | BASSO (1S) | ||
| Agevolazioni indebite
favorite dalla modifica frequente del piano di studi |
MEDIO |
BASSO {1G + 1S} |
BASSO (1S) | ||
| Inosservanza delle
regole in materia di trasparenza |
MEDIO | MINIMO {4G} | BASSO (3G) | ||
| Mancato recupero dei
crediti |
MEDIO | MEDIO {1G} | MEDIO (0) | ||
| Riconoscimento indebito
del contributo a soggetti non in possesso dei requisiti
previsti dal bando |
MEDIO | BASSO {1S} | MEDIA (1G) | ||
Come leggiamo questa tabella?
Colonna b : Anzitutto, le interviste hanno permesso di determinare un rischio MEDIO per questo processo
Colonna c : Prima dell’applicazione delle misure, quindi, il valore di rischio di ogni rischio del processo è stato assegnato a MEDIO
Colonna d : Sulla base delle informazioni a sua disposizione, e dei dati raccolti contestualmente alle interviste, l’esperto di valutazione del rischio corruttivo ha stimato che:
al RISCHIO 1 dovessero essere applicate: 1 misura specifica ({1 S} vale -1)
al RISCHIO 2 dovessero essere applicate: 1 misura generica ({1 G} vale -0.5)
al RISCHIO 3 dovessero essere applicate: 2 misure: 1 specifica e 1 generica ({1G + 1S} valgono -1.5)
al RISCHIO 4 dovessero essere applicate 4 misure generiche ({4G} valgono 4x-0.5 = -2)
al RISCHIO 5 dovessero essere applicate 1 misura generica ({1G} vale -0.5)
al RISCHIO 6 dovessero essere applicate 1 misura specifica ( {1S} vale -1)
Conseguentemente, i livelli di PxI dei rischi si sarebbero dovuti ridurre come segue:
RISCHIO 1: 2 (cioè MEDIO) – 1.0 = 1 = BASSO
RISCHIO 2: 2 – 0.5 = 1.5 → pari a 2 = MEDIO
RISCHIO 3: 2 – 1.5 = 0.5 → pari a 1 = BASSO
RISCHIO 4: 2 – 2 = 0 → pari a 0 = MINIMO
RISCHIO 5: 2 – 0.5 = 1.5 → pari a 2 = MEDIO
RISCHIO 6: 2 – 1 = 1 → pari a 1 = BASSO
Colonna e : A seguito dell’effettuazione del monitoraggio, l’esperto ha trovato la seguente situazione:
RISCHIO 1: nessuna misura applicata → 2 – 0 = 2 = MEDIO
RISCHIO 2: una misura specifica applicata → 2 – 1 = 1 = BASSO
RISCHIO 3: una misura specifica applicata → 2 – 1 = 1 = BASSO
RISCHIO 4: 3 misure generiche applicate → 2 – 1.5 = 0.5 → pari a 1 = BASSO
RISCHIO 5: nessuna misura applicata → 2 – 0 = 2 = MEDIO
RISCHIO 6: una misura generica applicata → 2 – 0.5 = 1.5 → pari a 2 = MEDIO
Si può concludere che, nella maggior parte dei casi, la situazione monitorata è risultata peggiore di quella prevista. Solo rispetto al RISCHIO 2, siccome la struttura è riuscita ad introdurre una misura specifica piuttosto che quella generica raccomandata, la situazione è risultata migliore dopo il monitoraggio (anche se sarà da valutare se l’arbitrio della struttura nel cambiare la misura è stato giustificato). Nel caso del rischio 3, la situazione è risultata essere uguale a quella prevista negli effetti però peggiore nella modalità perché l’applicazione di una misura specifica, avendo tolto 1, è stata sufficiente per ridurre il PxI da MEDIO a BASSO, come era stato richiesto e stimato prima del monitoraggio; ciò nonostante, era previsto che venissero applicate 2 misure: una generica + una specifica, per cui la struttura, pur avendo ottenuto una riduzione effettiva del PxI sul rischio, è risultata comunque parzialmente inadempiente rispetto alle aspettative.
Insomma, esiste anche una valutazione qualitativa da considerare, oltre a quella della dimensione puramente quantitativa dovuta alle misure applicate.
Colonna f : Nonostante le riduzioni dei PxI dei rischi ottenute, i valori ottenuti non sono sufficienti, dopo il monitoraggio, per sancire che ci sia stata una riduzione del PxI complessivo del processo, da MEDIO a BASSO.
Quest’ultima conclusione dipende dall’applicazione di uno specifico algoritmo di ricalcolo.
NOTA BENE
Una delle ipotesi che erano state considerate, nel valutare come dovesse essere calcolato l’apporto di mitigazione delle misure, era di applicare un algoritmo che seguisse una scala logaritmica
dove funzione logaritmica f(x) = loga(x) è una funzione definita in ℝ e con a>0, a≠1 (e qui a>1).
Ciò avrebbe significato che l’apporto mitigante di ogni misura sarebbe stato via via minore quanto più venivano aggiunte misure. Per esempio, la prima misura specifica vale -1, la seconda vale -0.95, la terza vale -0.92 e così via; analogamente la prima misura generica vale -0.5, la seconda vale -0.48, la terza -0.45 etc. In questo modo, dopo una certa soglia, aggiungere ulteriori misure non avrebbe avuto senso perché quelle aggiunte non avrebbero sortito un effetto significativo. Il criterio generale sarebbe stato valido anche per serie alternate di misure generiche e specifiche.
Tuttavia, la decisione di smussare l’effetto delle misure man mano che vengono applicate dopo altre misure è risultata troppo arbitraria, oltre che macchinosa; inoltre, non è detto che misure applicate dopo altre misure debbano avere un effetto ridotto, perché potrebbe anche essere vero il contrario: magari applicare una misura dopo che un’altra ha già “lavorato” su alcuni aspetti è più efficace, non meno.
Per questi motivi, l’effetto mitigante delle misure è stato alla fine considerato come lineare, non logaritmico.