Intelligenza artificiale e finanza: competenze e responsabilità per guidare il cambiamento
L’AI apre nuove possibilità per le direzioni finanziarie. Per trasformarle in valore servono dati affidabili, persone preparate e un modello operativo capace di integrare automazione e controllo. Un percorso al centro del workshop EFFAS sviluppato da Andrea Schenone.
Dove utilizzare l’intelligenza artificiale nella funzione finanziaria? Quale valore dovrebbe generare? Quanta autonomia assegnare a un agente AI? E chi rimane responsabile dei risultati?
Sono domande che riguardano direttamente la leadership delle imprese. Le risposte influenzano l’organizzazione del lavoro, la qualità delle decisioni e lo sviluppo delle competenze professionali.
Per le aziende svizzere, dalle PMI ai gruppi internazionali, questo tema può essere affrontato partendo da esigenze concrete: rendere più efficiente un processo, migliorare un’analisi o mettere a disposizione della direzione informazioni più tempestive. Il passaggio decisivo consiste nel collegare queste opportunità alla preparazione dell’organizzazione e a un’esecuzione responsabile.
Su questa impostazione ho sviluppato il mio AI CFO Framework, articolato intorno a quattro pilastri: AI, Persone, Governance e Leadership. L’obiettivo è accompagnare i responsabili finanziari nella progettazione di una funzione Finance capace di integrare nuove possibilità tecnologiche con competenze professionali e responsabilità chiare.
Prima degli strumenti, valutare la preparazione dell’impresa
Una trasformazione credibile comincia dall’osservazione del lavoro quotidiano.
Dove si concentra il tempo del team? Quali processi causano ritardi? Dove si ripetono gli errori? Quali decisioni potrebbero beneficiare di un’analisi migliore?
Queste domande aiutano a individuare le opportunità. Per scegliere su quali investire occorre poi valutare la disponibilità di dati affidabili, la chiarezza delle responsabilità, gli accessi ai sistemi e la capacità delle persone di verificare i risultati prodotti dall’AI.
Nel mio approccio, i possibili casi d’uso vengono esaminati attraverso cinque criteri: valore per l’impresa, fattibilità, preparazione dei dati, rischio e rapidità con cui ottenere un beneficio.
Questo confronto rende esplicite le priorità. Un’applicazione dedicata alle previsioni finanziarie potrebbe richiedere mesi di lavoro sui dati. Un progetto più circoscritto sul reporting potrebbe consentire di raccogliere prima evidenze utili.
La scelta iniziale dovrebbe quindi riguardare un progetto che l’organizzazione sia effettivamente in grado di realizzare, valutare e utilizzare come occasione di apprendimento.
Agenti AI: definire missione, autonomia e limiti
Gli agenti AI possono perseguire un obiettivo attraverso più passaggi e strumenti. Nella funzione finanziaria, questa possibilità apre prospettive per attività di previsione, reporting, chiusura contabile, tesoreria e analisi dei rischi.
Per comprendere le implicazioni, si può immaginare un agente incaricato di analizzare gli scostamenti rispetto a una previsione. Potrebbe recuperare dati autorizzati, confrontarli con una base di riferimento, segnalare anomalie e preparare una bozza di commento.
Prima di introdurlo nel processo occorre stabilire quali informazioni possa consultare, quali azioni possa eseguire, quando sia necessaria una revisione umana e come debbano essere gestite le eccezioni.
Individuare uno scostamento, spiegarlo e approvare un report destinato alla direzione sono responsabilità distinte. La capacità di svolgere un’attività non giustifica automaticamente l’autorizzazione a svolgere tutte le successive.
Per rendere questi confini espliciti, il framework prevede una Finance Agent Identity Card: una scheda che definisce missione, responsabile, limiti operativi, indicatori di prestazione e controlli richiesti.
AI Wealth Machine | Free AI Income Guide
Una supervisione che permetta davvero di intervenire
La governance deve entrare nella progettazione del processo.
Qualità dei dati, diritti di accesso, verificabilità dei risultati, dipendenze dai fornitori e continuità operativa sono elementi che il responsabile finanziario deve considerare fin dall’inizio.
Anche la supervisione umana richiede condizioni precise. Chi verifica un risultato deve possedere competenze, informazioni, tempo e autorità sufficienti per contestarlo e intervenire. Un’approvazione formale, da sola, non garantisce un controllo efficace.
Per ogni sperimentazione dovrebbe essere chiaro quali circostanze impongano una pausa, chi possa fermare il processo e quali condizioni consentano di riavviarlo.
Si tratta di applicare a nuove possibilità tecnologiche discipline familiari alla funzione Finance: responsabilità definite, evidenze, soglie di controllo e gestione delle eccezioni.
Progettare il nuovo modello operativo
L’introduzione dell’AI modifica la distribuzione del lavoro.
Alcune attività potranno essere automatizzate; altre saranno supportate dalla tecnologia. Alcune dovranno restare sotto il controllo diretto delle persone. Altre ancora potranno essere eliminate perché non contribuiscono più agli obiettivi del processo.
Queste scelte richiedono un nuovo Finance Operating Model, ossia una definizione consapevole di come persone, dati, sistemi e agenti collaborano.
Chi è responsabile dei dati? Chi progetta e supervisiona gli agenti? Chi convalida i risultati? Come si dividono le responsabilità tra la funzione centrale e le unità aziendali? Dove viene reinvestito il tempo liberato?
Per le organizzazioni articolate su più sedi, questo comporta anche un equilibrio tra regole condivise e autonomia operativa. Un possibile approccio consiste nel definire standard comuni per accessi, controlli e qualità dei dati, lasciando alle singole unità la scelta delle applicazioni più pertinenti alle proprie esigenze.
Le persone al centro della trasformazione
Le competenze finanziarie mantengono un ruolo essenziale. A queste si affiancano nuove responsabilità nella supervisione degli agenti, nella validazione dei risultati e nella gestione dei dati e dei controlli AI.
I team avranno bisogno di una maggiore comprensione dei dati e dell’intelligenza artificiale, insieme a capacità di giudizio, comunicazione e analisi critica.
Un risultato convincente nella forma deve poter essere verificato nella sostanza. Per farlo, occorre conoscere il processo, comprenderne le ipotesi e riconoscere quando una conclusione trascura elementi rilevanti del contesto aziendale.
La formazione deve inoltre preservare il patrimonio di esperienza dell’organizzazione. Se alcune attività vengono automatizzate, bisogna progettare come i professionisti continueranno a sviluppare le conoscenze necessarie per supervisionarle.
Un piano di 90 giorni per passare all’azione
Una roadmap utile collega un’opportunità selezionata a una sperimentazione controllata.
Il piano deve stabilire la situazione iniziale, nominare i responsabili, identificare le dipendenze e definire criteri di successo misurabili. Accanto alla produttività e alla velocità, occorre considerare qualità dei risultati, efficacia dei controlli e adozione da parte delle persone.
I momenti di verifica permettono di decidere sulla base delle evidenze: il progetto è pronto per partire? Deve proseguire? Può essere esteso?
Anche modificare o interrompere una sperimentazione può rappresentare un risultato utile. Consente di evitare che un’idea interessante diventi un impegno costoso senza riscontri sufficienti.
Un percorso executive con EFFAS
Questi principi sono alla base dell’EFFAS AI CFO Executive Workshop: Preparing Finance for the AI Era, che ho sviluppato e terrò personalmente come docente.
Il programma accompagna i partecipanti attraverso cinque moduli collegati, con casi pratici e strumenti da riportare nella propria organizzazione:
- AI Finance Opportunity Map, per individuare e valutare le opportunità;
- Finance Agent Identity Card, per definire ruolo e confini degli agenti;
- Risk and Control Assessment, per esaminare rischi e controlli;
- Future Finance Operating Model, per progettare l’organizzazione futura;
- 90-Day Action Plan, con responsabili, indicatori e momenti decisionali.
Il workshop si rivolge a CFO, direttori finanziari e professionisti di pianificazione e analisi finanziaria, controlling, contabilità, reporting, tesoreria, rischio, governance e trasformazione, oltre ai dirigenti che supervisionano l’adozione dell’AI nella funzione finanziaria. Non è richiesta esperienza di programmazione.
Le sessioni si svolgeranno online, dal vivo e in inglese, il 17, 20, 24 e 27 novembre 2026, per un totale di nove ore. Il programma prevede un massimo di 30 partecipanti, un workbook digitale e un attestato di partecipazione EFFAS.
L’intelligenza artificiale pone una questione di competenze, responsabilità e competitività. Per i leader finanziari, prepararsi significa scegliere dove intervenire, comprendere i rischi e creare le condizioni perché l’innovazione produca risultati verificabili.
Programma e iscrizioni: EFFAS AI CFO Executive Workshop
