Troppa IA, Troppo Presto: I Team Finanziari Si Stanno Preparando al Fallimento?

I team finanziari sono sotto enorme pressione per adottare l’IA, principalmente spinti da consigli di amministrazione alla ricerca di guadagni di efficienza, CFO che inseguono chiusure più rapide e fornitori che promettono automazione senza precedenti.

L’ipotesi dominante è che più IA porti naturalmente a risultati migliori, poiché può analizzare i dati in modo efficiente in pochi secondi. Tuttavia, la sola velocità non è l’unico fattore che garantisce il successo, soprattutto se il processo sottostante è difettoso o poco sviluppato.

Mentre le organizzazioni si affrettano a integrare l’IA nei flussi di lavoro finanziari, rischiano di trascurare una verità fondamentale: l’IA è efficace solo quanto i sistemi che automatizza.

Può accelerare le attività, ma non può compensare controlli deboli, dati frammentati o processi incoerenti.

Tuttavia, la tecnologia sta guadagnando importanza nelle grandi imprese, e sempre più aziende sperano che fornisca risultati immediati.

Per il 2025, la quota di dirigenti C‑suite che identificano i rischi di condotta dell’IA come una preoccupazione materiale principale è aumentata dal 16 % negli ultimi tre anni al 56 % in prospettiva, rendendola il principale rischio non finanziario. Allo stesso tempo, i principali incidenti di condotta aziendale sono aumentati del 55 % tra il 2023 e il 2025, con un costo medio di 14 milioni di dollari per incidente, portando a investimenti reattivi anziché proattivi nella governance e nella qualità dei dati.

In nessun altro ambito l’uso dell’IA è più critico che nella finanza, dove le chiusure di fine mese dipendono da controlli, riconciliazioni e verifiche. L’IA può aumentare la velocità di quel processo, ma senza una solida base può altrettanto facilmente amplificare le debolezze esistenti anziché eliminarle.

La domanda, dunque, è se la finanza abbia effettuato abbastanza lavoro preliminare per essere pronta a una massiccia presa di controllo da parte dell’IA. 

AI Is a Multiplier, Not a Fix

L’IA è un Moltiplicatore, Non una Soluzione

Sebbene indubbiamente l’IA sia uno strumento eccellente per rendere più semplici i compiti, un’idea sbagliata comune è che l’IA possa correggere tutti i processi difettosi, mentre in realtà fa solo amplificare ciò che già esiste.

Se i dati sottostanti sono incoerenti, i controlli sono deboli o le pratiche di riconciliazione sono difettose, l’IA eseguirà semplicemente quelle carenze più rapidamente e su scala più ampia. Il vecchio principio di “spazzatura entra, spazzatura esce” non è scomparso; ora opera a velocità di macchina.

Niente di tutto ciò significa che l’IA sia inutile; al contrario, automatizza compiti laboriosi come l’estrazione e la presentazione dei dati, liberando i professionisti della finanza per concentrarsi su attività a maggior valore aggiunto. Può consentire loro di investire di più nel pensiero critico, nel trarre conclusioni e nel garantire supervisione su ciò che le macchine stanno eseguendo.

Tuttavia, un’eccessiva dipendenza dall’IA può creare vulnerabilità se i sistemi falliscono o producono risultati inattesi. Se, ad esempio, un modello di IA usato per le previsioni di mercato si guasta durante una crisi, potrebbe amplificare le perdite o destabilizzare i mercati.

Il Comitato di Basilea per la Vigilanza Bancaria e altri organismi sono particolarmente preoccupati dei rischi sistemici, dove fallimenti diffusi dell’IA potrebbero minacciare la stabilità finanziaria.

Piuttosto che considerare l’IA una cura per le inefficienze operative, le organizzazioni dovrebbero concentrarsi sulla costruzione di un’infrastruttura finanziaria che consenta all’automazione di funzionare in modo affidabile. Ciò significa processi di riconciliazione standardizzati, controlli interni più solidi, una migliore governance dei dati e una maggiore visibilità sul processo di chiusura.

“C’è un’idea sbagliata comune che l’IA sia una soluzione ai problemi di processo. Non lo è. È un amplificatore di ciò che è già presente. I leader finanziari spesso si rivolgono all’IA cercando sollievo dal lavoro manuale, chiusure lente o reportistica che richiede troppo tempo,” ha detto Shagun Malhotra, CEO del software di chiusura mensile automatizzata SkyStem, durante una conversazione con Unite AI. 

Ma se il processo sottostante è difettoso, ha aggiunto, l’IA non corregge il difetto. Piuttosto, lo esegue più velocemente e su scala più ampia. “L’idea sbagliata è che la tecnologia stia facendo un lavoro diagnostico quando non lo è. Quella parte richiede ancora un professionista dietro di essa.”

SkyStem si concentra principalmente nell’aiutare le organizzazioni le cui piattaforme di chiusura finanziaria standardizzano le riconciliazioni, automatizzano i flussi di lavoro e rafforzano i controlli interni prima di sovrapporre l’IA ai processi contabili critici. Invece di sostituire le operazioni finanziarie disciplinate con l’IA, l’azienda costruisce fondamenta operative affidabili affinché l’automazione possa fornire risultati accurati senza compromettere i dati.

“L’IA crea un valore enorme in termini di volume, coerenza e velocità per compiti ben definiti […] Ma i luoghi in cui gli esseri umani devono rimanere al controllo sono esattamente dove l’esperienza conta di più: intuizione del rischio, riconoscimento di schemi in situazioni ambigue e, soprattutto, la presa di decisioni sotto pressione,” ha aggiunto Malhotra.  

Foundation Before Automation

Fondamenta Prima dell’Automazione

La finanza ha pochissimo margine di errore. Reporting accurato, riconciliazioni, conformità normativa e auditabilità sono essenziali; l’IA dovrebbe migliorare e semplificare questi processi, non comprometterli accelerando le debolezze esistenti nel sistema.

Kognia Labs, una società di consulenza e sviluppo software AI, condivide una visione simile. Aiuta le organizzazioni a implementare sistemi che rilevano difetti o incoerenze nei report prima che diventino così costosi. 

Prima che l’IA entri in un flusso di lavoro in cui un cliente attende la risposta, tre elementi devono essere veri nell’istituzione: la connessione tra i sistemi, l’accesso alle informazioni che non sono archiviate come documento e la capacità di verificare da dove proviene una risposta, secondo Alexandra Ollé, direttrice strategica di Kognia Labs.

“Le informazioni di cui un consulente ha bisogno sono distribuite su diversi sistemi e formati, e questi sistemi generalmente non comunicano tra loro. È questo che rende le risposte lente e incoerenti fin dall’inizio,” ha detto Ollé a Unite AI. “L’IA non risolve questo semplicemente aggiungendosi sopra.”

Quel divario, tra accelerare un processo e migliorarlo realmente, è dove le poste finanziarie diventano concrete: quando i fondi sono in gioco, l’affidabilità non è opzionale e una gestione scorretta di un sistema IA comporta reali esposizioni legali.

“L’IA migliora un processo quando un’azienda la utilizza per cambiare il modo in cui il lavoro viene effettivamente svolto. Questo di solito inizia comprendendo perché il processo fallisce, cosa che la maggior parte delle istituzioni non riesce a vedere chiaramente perché le evidenze sono nascoste in migliaia di conversazioni con i clienti che nessun team ha il tempo di analizzare,” ha sottolineato Ollé.

The Path Forward: An AI-Human Bridge

Il Cammino da Percorrere: Un Ponte IA‑Umano

Prima di fare affidamento sull’IA per automatizzare flussi di lavoro finanziari critici, le organizzazioni devono prima assicurarsi che i loro processi siano pronti. Ciò inizia valutando la maturità dei processi, affrontando colli di bottiglia e problemi di qualità dei dati, e introducendo l’IA in modo incrementale in aree a basso rischio prima di estenderla a operazioni finanziarie più complesse.

Costruire prima una solida base operativa, in sintesi, consente all’automazione di migliorare l’efficienza senza compromettere precisione o supervisione. E questa è la parte in cui gli esseri umani non possono abbassare la guardia; ci sono cose che l’IA semplicemente non può fare da sola.

Esistono già alcune aziende la cui attenzione sull’implementazione dell’IA proviene da un approccio “prima gli umani” che garantisce supervisione umana e credibilità sui sistemi automatizzati. Solvd, ad esempio, è una società di ingegneria del software con sede in California che sviluppa, implementa e gestisce sistemi IA per le imprese, specializzata nella costruzione di flussi di lavoro complessi che vengono poi perfezionati dagli esseri umani prima di essere scalati tramite automazione.

“Le aziende che prendono seriamente l’IA impareranno più velocemente, otterranno intuizioni clienti più ricche, opereranno più efficientemente e personalizzeranno in modo più efficace. Col tempo, tenere il passo diventa più difficile perché i concorrenti non stanno solo distribuendo strumenti migliori; stanno costruendo dati, processi e apprendimento istituzionale migliori,” ha detto Skylar Roebuck, chief technology officer di Solvd, a Unite AI. 

Un’organizzazione è veramente pronta all’IA quando il suo team esecutivo è allineato non solo sull’importanza dell’IA, ma anche su come questa creerà un vantaggio competitivo significativo per l’azienda.

“La supervisione umana non dovrebbe essere vista semplicemente come qualcuno che approva ogni azione dell’IA. Questo approccio non è scalabile e spesso crea l’illusione di sicurezza senza fornire un controllo significativo,” ha sottolineato Roebuck, aggiungendo che il sistema dovrebbe essere in grado sia di operare in modo indipendente entro limiti chiari sia di riconoscere l’incertezza per l’escalation quando è necessario un giudizio.

In conclusione, l’IA ha il potenziale di trasformare la finanza, ma non può sostituire la disciplina operativa e il giudizio umano che la presa di decisioni finanziarie richiede. L’obiettivo qui non è accelerare la chiusura, ma accelerare la fiducia in essa.

Le organizzazioni veramente di successo non saranno quelle che automatizzano per prime, ma quelle che costruiscono la base giusta e mantengono le persone al centro dei processi più importanti.