Creare una funzione finanziaria nativa dell’IA: cosa ho imparato

La finanza è diventata una funzione in tempo reale. A mio avviso, l’opportunità è molto più grande che chiudere i conti più rapidamente o aggiornare più spesso una previsione. Significa osservare l’azienda mentre cambia, aiutare i leader ad agire prima e concedere ai team finanziari più tempo per influire su ciò che accadrà.

Quando sono entrata in OpenAI due anni fa, solo un piccolo team finanziario supportava un’azienda che cresceva a una velocità straordinaria. Dovevamo costruire la funzione da zero e rendere l’IA fondamentale per il nostro modo di lavorare, prendere decisioni e supportare l’azienda.

Ho anche riconosciuto un punto di partenza familiare. La chiusura dei conti e l’aggiornamento delle previsioni comportavano ancora attività manuali e ricorrenti: reperire informazioni, spiegare cosa fosse cambiato e raccogliere i dati necessari per una decisione. Avevamo accesso agli strumenti di IA più avanzati al mondo, ma stavamo ancora imparando a riprogettare la funzione finanziaria attorno a essi.

Ci siamo quindi posti due obiettivi ambiziosi: una chiusura a zero giorni e previsioni automatizzate e aggiornate continuamente.

L’idea alla base di una chiusura a zero giorni è offrire ai leader una visione in tempo reale, riconciliata e tracciabile della posizione finanziaria dell’azienda. Le previsioni continue poggiano su queste fondamenta e mostrano come sta cambiando l’azienda, cosa potrebbe accadere e quali decisioni potrebbero modificare il risultato.

Stiamo ancora lavorando per realizzare entrambe le ambizioni. Questo lavoro ha già cambiato il modo in cui opera il nostro team. Ci ha spinti oltre i limiti dei fogli di calcolo statici, delle ricerche manuali dei documenti giustificativi e delle presentazioni, verso strumenti in tempo reale basati sull’intero contesto e su tutti i dati aziendali. Ha inoltre consentito ai professionisti della finanza di creare gli strumenti richiesti dal loro lavoro e ampliare la portata delle proprie competenze.

Per me, questa è la vera promessa di una funzione finanziaria nativa dell’IA: un team che comprende ciò che accade mentre accade, aiuta i leader a vedere le scelte future e concede all’azienda più tempo per agire finché il risultato può ancora cambiare.

Per arrivarci non basta adottare una nuova tecnologia. Occorre riprogettare il lavoro attorno alle decisioni importanti, lasciare alle persone lo spazio per sperimentare, integrare responsabilità chiare in ogni flusso di lavoro e misurare il lavoro affidabile completato dall’IA per ottenere un ROI chiaro.

Ecco cinque lezioni pratiche tratte dalla nostra esperienza che ogni CFO può applicare.

Il primo passo è stato garantire un accesso ampio. Le persone devono essere libere di esplorare l’IA nel contesto del proprio lavoro. L’accesso genera il massimo valore quando è abbinato a una sperimentazione strutturata su problemi reali.

Abbiamo coinvolto alcuni sales engineer in un hackathon dedicato alla finanza, chiedendo al team di proporre attività che desiderava trasformare. Uno dei risultati è stato IR-GPT, un GPT personalizzato basato sui materiali approvati che il nostro team di relazioni con gli investitori utilizza per rispondere alle domande di due diligence. Abbiamo inoltre iniziato a creare GPT personalizzati per ambiti quali gli acquisti e la fiscalità.

L’hackathon ha trasformato l’IA da capacità astratta a strumento concreto. In un solo giorno, le persone hanno potuto individuare un’attività ricorrente, creare una soluzione, testarla con i colleghi e migliorarla. I casi d’uso provenivano dalle persone più vicine al lavoro, mentre gli esperti tecnici le aiutavano a procedere più rapidamente.

Per i CFO, la lezione è semplice: servono una sperimentazione dal basso e una strategia dall’alto. Mettete un’IA sicura e capace nelle mani delle persone e lasciate che chi è più vicino al lavoro individui modi migliori per svolgerlo. Al tempo stesso, concentrate l’attenzione e le risorse della leadership sui cambiamenti più importanti per l’azienda. La vera opportunità nasce dall’incontro tra i due approcci: idee pratiche provenienti dalla prima linea applicate alle priorità più importanti.

I team finanziari dedicano enormi energie a raccogliere i dati necessari per prendere una decisione. Per esaminare una previsione può essere necessario reperire i dati più recenti, riconciliare fogli di calcolo, spiegare gli scostamenti, creare grafici, preparare documenti e trasformarli in slide. Alla fine l’analisi arriva al decisore, ma gran parte del tempo del team è già stata impiegata per prepararla.

L’IA cambia l’unità di lavoro. I responsabili finanziari possono riprogettare l’intero percorso dai dati di origine alla decisione.

Consideriamo la chiusura. Ogni CFO conosce il processo mensile: consuntivi in un sistema, ordini di acquisto in un altro, ratei in un foglio di calcolo e la spiegazione di uno scostamento nascosta in una conversazione.

Stiamo lavorando a un modello operativo diverso. L’obiettivo di una chiusura a zero giorni è collegare i piani di spesa approvati, i dati consuntivi della contabilità generale, gli ordini di acquisto, i ratei e i dettagli delle transazioni in una vista riconciliata continuamente. Ogni scostamento può essere ricondotto all’attività sottostante. L’IA può preparare una spiegazione iniziale e segnalare le eccezioni che richiedono attenzione. La funzione finanziaria convalida i dati, applica il proprio giudizio ed è responsabile dell’approvazione finale.

La chiusura non scompare. A iniziare a scomparire è la corsa per ricostruire l’andamento dell’azienda dopo la fine del periodo.

Questa base riconciliata può alimentare una previsione aggiornata continuamente. Il nostro team sta creando flussi di lavoro che integrano modelli statistici, conversazioni commerciali, riscontri a livello di singolo cliente, dati operativi e valutazioni finanziarie.

Stiamo superando i limiti dei fogli di calcolo grazie a strumenti più interattivi, che riuniscono in un’unica vista in tempo reale la previsione statistica, i riscontri a supporto e gli scenari. I leader possono vedere cosa è cambiato, perché e quali decisioni potrebbero modificare il risultato. Quando un nuovo impegno assunto da un cliente non compare nello scenario di base, il sistema può mostrare i riscontri a supporto e indicare come una rettifica inciderebbe sul trimestre o sull’anno. La funzione finanziaria può esaminare le ipotesi, confrontare gli scenari e decidere se aggiornare la previsione approvata.

La stessa vista può aiutare i leader a prendere decisioni migliori sull’allocazione del capitale. Un team finanziario può vedere dove la spesa di marketing genera un ritorno, dove i risultati iniziano a diminuire e quali effetti potrebbe avere la riallocazione del prossimo euro.

L’obiettivo finale è l’automazione delle previsioni. Per raggiungerlo servono una vista aggiornata continuamente, un’analisi più rapida degli scenari e una chiara responsabilità della funzione finanziaria.

L’insegnamento più generale è partire da una decisione importante e procedere a ritroso. Occorre mappare i dati, gli strumenti, le approvazioni e i passaggi di consegne necessari per supportarla. Poi bisogna stabilire quali parti l’IA possa analizzare, coordinare o completare. Questo migliora la velocità e la qualità dell’intero ciclo decisionale.

La trasformazione più profonda è che ora i professionisti della finanza possono creare gli strumenti richiesti dal loro lavoro.

Una recente ricerca di OpenAI mostra che il 40% dell’uso specialistico dell’IA da parte dei professionisti della finanza riguarda attività esterne alla finanza tradizionale e il 22% riguarda attività legate all’ingegneria.

Tutti i membri del mio team stanno creando dashboard e strumenti di IA personalizzati con ChatGPT Work e Codex. Il lavoro sta passando da modelli Excel statici e presentazioni PowerPoint a dashboard in tempo reale basate sull’intero contesto e su tutti i dati aziendali. Questi strumenti possono portare avanti un’analisi, rispondere alle domande successive e aggiornarsi al variare delle informazioni sottostanti.

Un collega che supporta la nostra attività pubblicitaria non aveva mai programmato. Ha usato Codex per creare uno strumento che trasforma la nostra previsione pubblicitaria mensile in piani settimanali e giornalieri. Tiene conto dei giorni feriali e festivi, confronta le previsioni e mantiene ogni dato collegato al modello approvato. I responsabili marketing possono vedere rapidamente cosa è cambiato, dove investire e quale ritorno potrebbe generare un’ulteriore spesa.

Ora chi comprende il problema può contribuire a dare forma alla soluzione. Creare questi strumenti induce inoltre a ripensare il modo abituale di svolgere il lavoro. Un professionista della finanza può creare l’infrastruttura decisionale di cui l’azienda ha bisogno, testarla con i colleghi e migliorarla con l’evolversi del lavoro.

I team finanziari non stanno diventando meno specializzati. Stanno acquisendo la capacità di ampliare la portata delle proprie competenze.

IR-GPT ci ha insegnato un’importante lezione sui controlli. Le domande degli investitori durante la due diligence possono richiedere a un analista di consultare materiali precedenti, preparare una risposta, verificarne la coerenza e coordinarne la revisione. Con un GPT personalizzato basato su fonti approvate, un lavoro che prima richiedeva ore e a volte proseguiva per tutta la notte può ora produrre in pochi secondi una prima bozza solida.

Il ruolo umano rimane centrale. Il nostro team di relazioni con gli investitori legge la bozza, aggiunge valutazioni e contesto e verifica che le risposte restino coerenti per tutti gli investitori. L’IA accelera il lavoro. Le persone sono responsabili del risultato.

È il modello giusto per la funzione finanziaria. I CFO dovrebbero collaborare con i team IT e di governance per definire a quali dati può accedere un sistema di IA, quali azioni può intraprendere, quando è necessaria un’approvazione e quando un problema deve essere segnalato ai livelli superiori. Ogni risultato dovrebbe essere collegato a una fonte affidabile. Ogni previsione dovrebbe essere accompagnata da una spiegazione chiara. Qualsiasi modifica a uno scenario di base approvato dovrebbe richiedere l’autorizzazione della funzione finanziaria.

La breve moda della “massimizzazione dei token“ è ormai passata. Ora è semplice impostare limiti di utilizzo, controlli di budget, accessi basati sui ruoli, regole di instradamento dei modelli e soglie di approvazione. I CFO possono gestire l’uso dell’IA con la stessa disciplina applicata a qualsiasi costo variabile, lasciando al contempo ai team lo spazio per creare e sperimentare.

Responsabilità chiare generano la fiducia necessaria per agire più rapidamente. Con l’accelerazione delle attività di sintesi, riconciliazione e preparazione, i professionisti della finanza hanno più tempo per mettere in discussione le ipotesi, consigliare l’azienda ed esercitare il proprio giudizio.

I CFO hanno bisogno di un sistema di valutazione dell’IA basato sulle prestazioni operative. Acquistare più licenze o usare più token non dice molto. Ciò che conta è se il lavoro viene svolto bene e quanto costa davvero.

Per ogni flusso di lavoro, ponetevi quattro domande:

• L’IA ha completato un lavoro rilevante?
• Quanto è costato, considerando anche il tempo dei dipendenti, la revisione e le rilavorazioni?
• Il risultato era abbastanza valido da poter essere utilizzato?
• Ci ha aiutato ad agire più rapidamente o a prendere una decisione migliore?

Per un team finanziario, un lavoro utile potrebbe consistere nell’aggiornare una previsione, spiegare uno scostamento, completare una richiesta di audit o rispondere a una domanda del consiglio di amministrazione. Per la chiusura, il sistema di valutazione potrebbe includere la durata del ciclo, la quota di transazioni riconciliate automaticamente, il numero di eccezioni da esaminare e il tempo necessario per spiegare uno scostamento. Per le previsioni, potrebbe includere la loro accuratezza, la frequenza di aggiornamento, il tempo necessario per produrre un nuovo scenario e la qualità delle decisioni che supportano.

Il modello più economico non è sempre il più conveniente. Se un modello migliore produce una risposta affidabile con meno tentativi e revisioni, il costo complessivo può essere inferiore.

La funzione finanziaria è al centro di strategia, capitale, dati, rischio e prestazioni. Questo offre ai CFO una prospettiva unica sul funzionamento dell’azienda e un forte mandato per guidarne la trasformazione tramite l’IA.

Una funzione finanziaria nativa dell’IA si distingue per cicli più rapidi, controlli più solidi, decisioni migliori e più tempo da dedicare alla valutazione professionale. Il percorso inizia da un flusso di lavoro significativo e si amplia sulla base dei risultati: occorre fornire gli strumenti, aiutare le persone a riprogettare il lavoro, mantenere chiare le responsabilità e misurare i risultati.

La chiusura a zero giorni e la previsione continua esprimono un’ambizione più ampia: un team finanziario che comprende in tempo reale ciò che accade, mostra ai leader cosa potrebbe accadere dopo e aiuta l’azienda a prendere prima decisioni migliori.

Il risultato è un team finanziario con maggiori capacità e un CFO con una visione più chiara dell’azienda. Si crea inoltre un modello operativo che mostra come l’intera azienda possa trasformare l’intelligenza in valore duraturo. Come dico sempre, non puoi diventare ciò che non riesci a vedere. Se vogliamo che i nostri team finanziari colgano le possibilità offerte dall’IA, dobbiamo mostrare loro concretamente come si presentano. E per noi CFO, tutto comincia da noi stessi.

Il mio team finanziario ha mostrato come funziona nella pratica: potete guardare qui la registrazione⁠(si apre in una nuova finestra).