Tutti noi abbiamo letto, visto o ascoltato, prestando più o meno attenzione, circa l’utilizzo dell’Intelligenza Artificiale (AI). Per coloro che svolgono attività professionali lontane da questo tema è difficile comprendere la veridicità di un’affermazione rispetto ad un’altra.
Anche Enti ufficiali di studi econometrici hanno redatto report indicando l’impatto che l’impiego dell’Intelligenza Artificiale a livello globale avrà, nei vari settori, nel mondo del lavoro. Di queste stime, possiamo affermare che, probabilmente, l’unica aleatorietà è data dal tempo. In altri termini, se gli effetti indicati si dispiegheranno nella nostra quotidianità nei prossimi cinque, dieci o quindici anni. La molteplicità delle variabili atte ad influenzare tale orizzonte temporale è troppa per una previsione mirata.
L’introduzione dell’AI nel mondo gestito dal CFO avrà un impatto significativo determinando mutamenti radicali nel modo in cui le attività finanziarie e strategiche saranno gestite.
Come sempre è accaduto il primo obiettivo di un’innovazione è il margine, che esso sia derivato da un maggior ricavo o da un minor costo è irrilevante. L’obiettivo è l’accrescimento della competitività e della creazione del valore.
Negli ultimi due anni, le condizioni economiche di ogni settore sono divenute più impegnative. L’aumento dei tassi di interesse significa che il capitale è più costoso. L’asticella delle performance elevate e dei rendimenti desiderabili si è alzata. Il CFO di oggi deve essere più strategico e lungimirante che mai, divenendo un selezionatore delle caratteristiche componenti il proprio parco giochi, una sorta di Chief Features Officer.
Per comprendere temporalmente come si dispiegherà l’AI nella gestione del CFO, dovremmo pensare all’azienda come ad una piramide, poiché il suo dispiegamento avverrà dalla base sino al suo vertice, ovviamente con modalità e tempistiche diverse per ogni organizzazione. Se da una parte è impensabile immaginarsi un percorso comune a tutte le aziende, dall’altra è invece possibile fare un elenco, che non supera la decina, di elementi rilevanti nel processo evolutivo applicabile a molte organizzazioni.
Automated Data Entry and Processing: Il Robot Process Automation (RPA) prevede l’uso di “robot” software per automatizzare attività ripetitive e basate su regole. I software di immissione automatizzata dei dati sfruttano RPA e OCR (come l’OCR zonale) tra le altre tecnologie per gestire attività ripetitive e “leggere” documenti su larga scala. Il software RPA permette l’automazione di processi in modalità supervisionata o autonoma.
La riconciliazione dati nel processo di consolidamento finanziario può essere automatizzata mediante l’impiego di capsule di Machine Learning che, oltre al risparmio di tempo, consentono la riduzione di errori, migliorando l’efficienza. Il Machine Learning è un software preposto a raggiungere un Intento mediante l’esecuzione di operazioni, previo addestramento. Con il termine addestramento intendiamo oggi programmazione. Il termine programmazione qui utilizzato deve essere ben compreso, poiché nel divenire avremo un livello di conoscenza informatica necessaria per la programmazione tendente a zero. Questo significa che la programmazione avverrà direttamente dal personale del comparto contabile. Probabilmente in una fase intermedia avremo l’incorporazione del ruolo del Data Engineer / Data Scientist all’interno del gruppo di lavoro del CFO.
Per liberarsi dei tecnicismi della programmazione l’utilizzo del Natural Programming Language (NPL) permetterà di programmare il Machine Learning e non solo rendendo indipendente da conoscenze informatiche il personale del CFO. Questa fase si completerà in primis in settori d’impresa ad alto contenuto tecnologico e ad alto valore aggiunto, per poi pervadere l’intero tessuto aziendale globale.
Interoperability: Raggiunto un determinato livello di automazione nel data entry, inizieranno a formarsi standard di interscambio fra aziende al fine di evitare interventi manuali e reintrodurre errori di digitalizzazione. Questo livello di integrazione diverrà obbligatorio dalle aziende Leader ai fornitori anche di piccole dimensioni, accelerando la diffusione dello standard di interoperabilità. L’interoperabilità sarà garantita da controlli effettuati da capsule di AI.
Data Integrity and Audit Trails: Al crescere del livello di automazione emergerà la necessità di avere dei controlli per verificare il rispetto degli standard o il semplice intercetto degli eventuali errori.
Questo al momento attuale richiede ancora una conoscenza posseduta da un programmatore, quindi al di fuori delle competenze del personale nella sfera del CFO. Tuttavia, tramite NPL il personale del CFO è già in grado di estrapolare report mediante una programmazione in linguaggio umano, anche verbale, ma sono già disponibili librerie, intese come estensioni, capaci di generare report autonomamente riducendo il tempo necessario alla loro creazione individuando gli Insight maggiormente significativi (AI Generativa).
Datafication: come è evidente a tutti, l’aumento esponenziale della quantità di dati a disposizione e sulla quale è necessario effettuare analisi, e/o creare le basi per effettuare la pianificazione aziendale, determineranno da un lato il miglioramento della qualità dell’output basato sull’analisi statistica e dall’altro renderanno impossibile il trattamento manuale dei dati da parte del singolo sprovvisto di strumenti di AI. Al tempo stesso l’efficacia dell’AI e del ML è fortemente influenzata dalla disponibilità di dati di alta qualità. I problemi relativi all’integrazione, alla pulizia e alla governance dei dati sono ostacoli significativi la cui soluzione è mandatoria per il dispiegamento del loro potenziale.
Predictive Analytics for Financial Planning: Le funzionalità di analisi predittiva dell’AI consentono al CFO di prendere decisioni più informate prevedendo le tendenze finanziarie future. Analizzando i dati storici, gli algoritmi di intelligenza artificiale possono fornire informazioni su potenziali rischi e opportunità, consentendo all’organizzazione di prendere decisioni finanziarie strategiche. Questo approccio proattivo alla pianificazione finanziaria contribuisce a rendere l’impresa più agile e resiliente.
Risks arising from the use of AI: l’intelligenza artificiale offre numerosi vantaggi ma ci sono sfide e rischi di cui il CFO deve essere consapevole. Un eccessivo affidamento sull’AI senza una comprensione dei requisiti aziendali sottostanti può portare a informazioni imprecise e a errati processi decisionali. È essenziale trovare un equilibrio tra l’automazione guidata dall’AI e la valutazione umana. I CFO dovranno garantire che l’AI sia in linea con gli obiettivi aziendali, rafforzando i processi di controllo e monitorando costantemente le prestazioni.
Culture of innovation: I rapidi cambiamenti tecnologici richiedono che i CFO rimangano aggiornati con gli ultimi progressi. L’impegno nella formazione continua, la partecipazione a eventi di settore e il networking con esperti possono aiutare i CFO a stare al passo con i cambiamenti tecnologici. Anche creare una cultura dell’innovazione all’interno del dipartimento finanziario e incoraggiare i dipendenti a esplorare l’intelligenza artificiale e gli strumenti tecnologici comprendendone al tempo stesso le logiche sottostanti favoriranno il progresso aziendale.
Team repositioning: l’utilizzo dell’AI determinerà un innalzamento del valore del lavoro del personale del CFO, rovesciando il rapporto tempo/attività tra tempo impiegato dal personale nella produzione del dato e tempo impiegato nell’analisi del dato. Questo significa da parte del CFO garantire un livello di crescita professionale mediante costanti corsi atti alla comprensione dei nuovi tool, nelle competenze nell’intelligenza artificiale, alle tecnologie correlate, alla comprensione dei limiti dell’intelligenza artificiale e l’adattamento al mutevole panorama del settore e, non ultimo, al loro coinvolgimento nelle fasi di implementazione dell’AI garantendo progetti ed operatività di successo e il raggiungimento dell’obiettivo aziendale primario: la crescita del valore.
Trust & Grasp: La complessità degli algoritmi di AI e ML può talvolta portare a risultati di difficile interpretazione, mettendo a dura prova la fiducia delle parti interessate. Il miglioramento della comprensione di questa tecnologia è imprescindibile per la sua accettazione nel processo decisionale strategico finanziario.
In conclusione, per sfruttare appieno i vantaggi dell’AI e del ML, i CFO devono ridefinire il proprio piano strategico per affrontare la governance dei dati, lo sviluppo dei talenti promuovendo una cultura di apprendimento continuo all’interno proprio team, garantendo il mantenimento del vantaggio competitivo in un panorama in continua quanto rapida evoluzione. RPA, AI e ML sono catalizzatori per la trasformazione e l’automazione dei processi in carico al CFO. Il loro immenso potenziale promette un futuro in cui il livello di efficienza, accuratezza e di creazione del valore sarà senza precedenti. Abbracciando queste tecnologie, entriamo in una nuova era della gestione finanziaria, caratterizzata da innovazione, crescita e resilienza.
