Dopo una prima fase di adozione dell’AI tradizionale e dell’AI generativa, le aziende oggi si trovano ad affrontare l’avvento dell’AI agentica. Questa tecnologia introduce un profondo cambiamento nei modelli operativi e nei processi aziendali, incidendo sulle competenze necessarie e sul ruolo delle risorse umane, nonché sulle modalità di interazione tra utenti e applicazioni. Si tratta di una trasformazione di portata significativa, che richiede nuove chiavi di lettura per essere compresa e governata in modo efficace.
La relazione tra i processi Afc e gli agenti AI
In ambito Amministrazione, Finanza e Controllo, è fondamentale definire le tipologie di agenti AI applicabili ai diversi processi e sottoprocessi, evidenziandone gli impatti sia in termini di valore generato (efficienza vs. efficacia, operativo vs. strategico) sia in termini di cambiamento organizzativo e di modello. A questo scopo, può risultare utile classificare i processi Finance in base a due dimensioni: la prima distingue tra processi transazionali e direzionali, mentre la seconda si basa sul livello di impatto delle varie tipologie dei AI agentica (esecuzione di task, analitici, orchestrazione, advisory). Il risultato è una matrice 2X2, che porta all’individuazione di quattro quadranti (ved. Figura):
1) Processi direzionali / basso impatto
I processi di pianificazione e controllo di gestione rappresentano un’area di forte beneficio per l’AI agentica. Attività come budgeting, forecasting, analisi dei consuntivi e degli scostamenti, pianificazione economico/finanziaria, nonché l’analisi dei costi e della profittabilità, vengono supportate da agenti AI in grado di fornire analisi avanzate e insight predittivi. Grazie a tecniche di data mining e ad algoritmi previsionali, fruibili tramite interazioni conversazionali, il valore generato si manifesta sia in termini di maggiore efficienza sia di migliore qualità decisionale. Questo approccio favorisce l’evoluzione dei modelli di pianificazione e la trasformazione del ruolo del controller, che può focalizzarsi maggiormente sulle attività a valore aggiunto a supporto del business.
2) Processi direzionali / alto impatto
Questa area rappresenta la sfida più complessa dell’AI agentica nel Finance, poiché riguarda processi decisionali a forte componente umana. La pianificazione strategica, la modellazione di scenario e le simulazioni su variabili endogene ed esogene che influenzano i principali driver di business richiedono un supporto avanzato da parte degli strumenti AI, che però non si sostituiscono al giudizio manageriale. Gli AI advisory agents svolgono un ruolo di supporto decisionale, contribuendo alla validazione dei modelli interpretativi e alla produzione di analisi strutturate. I benefici principali consistono in decisioni più efficaci, in quanto basate su modelli più solidi e su analisi quantitative più robuste e affidabili.
3) Processi transazionali / basso impatto
I processi operativi e gestionali, tipicamente eseguiti all’interno dei sistemi Erp, quali ciclo attivo, ciclo passivo, registrazioni e riconciliazioni contabili, traggono vantaggio dall’AI agentica soprattutto in termini di maggiore automazione.
Attraverso l’impiego di tecnologie di machine learning e di robotic process automation, gli agenti AI consentono infatti l’esecuzione e l’orchestrazione di task ripetitivi, riducendo il costo unitario delle transazioni, aumentandone velocità e affidabilità e limitando gli errori derivanti da attività manuali.
4) Processi transazionali / alto impatto
Tra i processi transazionali, il processo di closing contabile rappresenta il principale ambito di applicazione ad alto impatto. L’AI agentica abilita l’automazione del workflow di chiusura, dal ledger contabile al consolidamento civilistico, gestionale e fiscale, estendendosi fino alla produzione della reportistica. Benefici rilevanti emergono anche nelle aree di tesoreria e credit management. L’impatto complessivo è significativo e si traduce in una riduzione dei tempi di chiusura (fast closing) e nella disponibilità di reporting tempestivo e affidabile, grazie a una forte integrazione e automazione dei processi.
Conclusioni
Le aziende italiane stanno intraprendendo un percorso di progressiva conoscenza e adozione dell’AI agentica a supporto dei processi Finance. In questa fase, risulta cruciale definire con precisione il modello di adozione, stabilire le priorità di intervento e accompagnare i necessari cambiamenti organizzativi. Un approccio consapevole consente di valutare in modo equilibrato gli effetti della tecnologia, sia nel breve sia nel lungo periodo, cogliendone le opportunità in termini di efficienza e qualità decisionale, senza trascurare gli impatti su governance, competenze e presidio dei processi.
