Come possono le aziende utilizzare l’AI in Finance per ottimizzare il processo e l’efficienza decisionale?
L'Intelligenza Artificiale (AI) sta rapidamente trasformando il nostro modo di lavorare e i team Finance non fanno eccezione.
Quando l'AI viene aggiunta ai processi di gestione delle performance aziendali (CPM), può rappresentare una svolta per i professionisti dell’area Finance. Tuttavia, non tutti i software CPM applicano l'AI allo stesso modo e non tutte le intelligenze artificiali hanno lo stesso impatto.
Esploriamo insieme le basi dell'AI in Finance e come i CFO possono utilizzarla per ottimizzare il processo decisionale e l'efficienza.
Questo articolo spiega:
- I vantaggi dell'AI in finance
- Cosa può fare l'AI per i processi CPM
- Esempi di come il Finance può utilizzare l'AI nei processi di CPM
- Cosa cercare nelle soluzioni CPM basate sull'AI
I vantaggi dell'AI in Finance
Tutti i vantaggi e le capacità che l'AI può aggiungere ai processi di CPM possono essere ricondotti a 2 scopi:
- Migliorare l'efficienza: L'intelligenza artificiale può automatizzare processi ripetitivi, consentendo ai team finance di lavorare più velocemente.
- Migliorare il processo decisionale: L'AI può creare connessioni profonde tra diversi punti di dati e fornire al Finance l'accesso a tendenze di dati altrimenti inaccessibili. L'amministrazione può quindi utilizzare queste conoscenze per guidare il processo decisionale nella definizione di strategie e piani.
In poche parole, l'AI aiuta i team finance a essere più efficienti, migliorando al contempo l'accesso ai trend di performance che possono essere utili al processo di decision-making. In questo modo, l'AI ha il potere di trasformare il tessuto stesso del settore Finance e il modo in cui le persone operano ogni giorno.Come spiega Deloitte:
“L'intelligenza artificiale sta ridisegnando il modo in cui l’Office of Finance opera, prende decisioni, comunica e genera valore aziendale. Utilizzando le caratteristiche dell’AI, è possibile migliorare le capacità umane e sbloccare un potenziale non sfruttato di crescita, resilienza e innovazione”.
Tipologie di AI
Il termine “Intelligenza Artificiale” racchiude diversi tipi di tecnologie.
Machine Learning
Il Machine Learning è un tipo di Intelligenza Artificiale che impara da insiemi di dati a riconoscere e applicare modelli tramite algoritmi e metodi computazionali. In termini più semplici, il Machine Learning insegna ai computer a imparare dall'esperienza. L'aspetto notevole di questa tipologia di AI è che, non solo riconosce e applica gli schemi, ma è anche in grado di creare i propri algoritmi e di applicare feedback per perfezionarli.
Generative AI
La Generative AI è un ramo dell’Intelligenza Artificiale in grado di imparare da dati creativi, come musica, immagini o testi, per creare autonomamente nuovi contenuti. Ad esempio, si può chiedere alla Generative AI una domanda sulla variazione di bilancio del secondo trimestre e questa utilizzerà sofisticati modelli linguistici per estrarre informazioni da un ampio set di dati e prepararle sotto forma di grafico, pronte per essere analizzate.
Tra i diversi tipi di AI, la Generative AI ha il potenziale per migliorare il modo in cui i team finance lavorano.
Deloitte scrive: "Siamo alla vigilia di un "momento iPhone", ossia una grande rivoluzione nella nostra vita personale e professionale. Per le aziende, la Generative AI ha il potenziale per trasformare le catene di valore end-to-end, dal coinvolgimento dei clienti e dai nuovi flussi di entrate all'automazione esponenziale delle funzioni di back-office".
Natural Language Process
Il Natural Language Process estrae gli input che derivano dal mondo reale e li traduce in un linguaggio comprensibile ai computer. Così come gli esseri umani hanno orecchie, occhi e cervello per capire il mondo, i computer hanno programmi che elaborano dati audio, visivi e testuali per comprendere le informazioni.
Cosa può fare l'Intelligenza Artificiale per i processi CPM
Dopo aver trattato i diversi tipi di AI, analizziamo come è possibile utilizzarla per i processi CPM a livello funzionale.
Completa i task ripetitivi
Attività ripetitive come la raccolta dei dati, l’anomaly detection e il transaction matching sono relativamente banali, ma consumano tempo ed energie dei team finance. L'Intelligenza Artificiale può automatizzare queste attività ripetitive incentrate sui dati: può organizzare i dati da più fonti, dimensioni e tipi per l'analisi, identificare valori anomali in grandi insiemi di dati e riconciliare le informazioni.
Data collection
L'Intelligenza Artificiale può estrarre insights strategici da grandi quantità di informazioni. Individuando modelli insoliti e identificando tendenze correlate, l'AI può evidenziare rischi e opportunità nei dati sulle performance.
Inoltre, l'Intelligenza Artificiale è in grado di gestire grandi volumi di dati che non è possibile gestire utilizzando metodi tradizionali. I trend identificate dall'uomo tendono a essere lineari e unidimensionali, come, ad esempio, determinare la traiettoria delle vendite in un trimestre. Mentre, quelli identificati dall'Intelligenza Artificiale vanno molto più in profondità. L'Intelligenza Artificiale è in grado di identificare correlazioni tra diversi tipi di dati a un livello di analisi molto più sofisticato. Ad esempio, l'AI può indicare la traiettoria delle vendite e trovare i fattori che le guidano in quella direzione, modificando la traiettoria stessa.
Data Quality
L'intelligenza artificiale è in grado di individuare le anomalie nei dati.
Questo è incredibilmente prezioso per il Finance e il Management, perché l'Intelligenza Artificiale può evitare che errori e informazioni non corrette si propaghino nei report, nei piani e nel processo decisionale. I dati analizzati tendono a costituire una base più affidabile per l'analisi.
Visualizzazione di dati e tendenze
L'AI, in particolare la Generative AI, può creare contenuti complessi e creativi, come musica, immagini, video e testi. La Generative AI è arrivata al punto di estendere il suo potere creativo alla visualizzazione dei dati, preparando i risultati della sua analisi in grafici, diagrammi e tabelle.
Ora stiamo assistendo a un'esplorazione di dati così sofisticata che l'AI è in grado di utilizzare l'elaborazione del linguaggio naturale per comprendere le domande a tema Finance, tramite voce o testo, e fornire risposte visive all'interno di un set di dati. Proprio come si può chiedere al proprio Google Home il meteo di oggi, così si può chiedere all'AI del CPM di preparare un report sulle vendite di questa settimana per un prodotto specifico.
Predictive Analytics
Grazie alle sue capacità di esplorazione profonda dei dati, l'AI è in grado di fornire previsioni accurate basate su insiemi di dati complessi e di grandi dimensioni. Con i metodi tradizionali, le previsioni sono semplici: è possibile proiettare le cifre, ma non si può tener conto delle curve e si è bloccati nei limiti dei dati finanziari basati sul tempo.
Tramite la predictive analysis, invece, le previsioni diventano più accurate perché ogni proiezione tiene conto di un'ampia gamma di dati finanziari, non finanziari e di mercato. È possibile ottenere una previsione per una domanda complessa come: quale sarà l'impatto del tasso di occupazione del 5% sui ricavi? E l'impatto sull'EBITDA? E come è possibile contrastare questi effetti?
Esempi di processi CPM alimentati dall'IA
L'AI migliora l’efficienza del processo decisionale, ma cosa significa esattamente nella pratica?
Ecco alcuni esempi concreti di come l'AI può arricchire i processi di CPM.
Data Collection
Se la tua azienda acquisisse un'altra organizzazione, dovresti aggiungere un nuovo file sorgente G/L al processo di chiusura finanziaria del gruppo. L'Intelligenza Artificiale può accelerare la mappatura dei dati G/L, assicurando che l'integrità dei dati sia mantenuta mentre entrano nel sistema di chiusura finanziaria. Oltre alla mappatura della G/L al sistema di chiusura finanziaria, l'AI potrebbe anche mappare i dati per la rendicontazione ESG, fiscale e di leasing.
Anomaly Detection
Supponiamo che si stia caricando i dati effettivi di febbraio per la entity di New York. L'Intelligenza Artificiale potrebbe leggere istantaneamente i dati effettivi e rilevare i valori anomali nel file di febbraio. Potrebbe creare un report che elenca i potenziali valori anomali e il motivo per cui il dato è stato considerato una deviazione. In questo modo sarebbe possibile esaminare rapidamente i valori anomali per determinare se sono errati.
Analisi
È l'inizio del secondo trimestre e l’azienda deve creare un piano per una linea di prodotti nell'area EMEA. Analizzando i dati della regione, lo storico delle vendite della linea di prodotti e le informazioni di mercato, l'Intelligenza Artificiale può determinare i fattori di business che influenzano le vendite, in modo da poterli applicare al piano e alla strategia di vendita per il trimestre successivo.
Pianificazione
Qual è stata la campagna di marketing più performante nel quarto trimestre e come possiamo renderla ancora più efficace? L'Intelligenza Artificiale può analizzare i dati relativi alla domanda, al marketing e alle vendite per determinare la campagna di marketing di maggior successo e fornire raccomandazioni utili per massimizzarne l'impatto.
Performance Analysis
Quando il Management ha bisogno di risposte, ne ha bisogno in tempi brevi. Utilizzando la Generative AI, è possibile porre una domanda al CPM, che può generare una risposta sotto forma di risposta diretta, report o grafico su un dashboard. Ad esempio, si possono ricevere risposte a domande come:
- Perché le spese generali di New York sono aumentate di anno in anno?
- Qual è stato il nostro centro di profitto più alto per il 2023?
- Qual è stata la linea di business con le maggiori vendite negli Stati Uniti lo scorso anno?
L'Intelligenza Artificiale estrarrà istantaneamente i risultati dai dati sulle prestazioni e li organizzerà in un report pronto per l'analisi.
Cosa cercare nell'AI in Finance
Sebbene esistano molti approcci diversi all'AI, i team finance dovrebbero assicurarsi che la loro soluzione CPM includa 3 funzionalità di AI.
1.Risultati spiegabili
Come riesce l'AI ad arrivare a quella previsione? Qual è la prova che il driver identificato dall'AI sta effettivamente influenzando un KPI? Perché l'AI ha segnalato un determinato punto di dati come anomalo? E, soprattutto, il software CPM fornisce tutte queste risposte?
È importante potersi fidare delle funzioni dell’AI. Molti sistemi alimentati dall'AI forniranno previsioni, ma non la logica con cui vengono redatte. Questa è la cosiddetta "AI black box", in cui l'AI fornisce un risultato, costringendo l’utente ad attenersi alla sua logica. Un'indagine dell'International Data Corporation ha rilevato che un quarto dei progetti di AI fallisce a causa di fattori quali il fenomeno "AI black box"e le sfide di interpretabilità.
Si consiglia di cercare una soluzione che utilizzi un "approccio a scatola chiusa", in cui i team finance possano aprire il coperchio dei risultati attraverso l'Explainable AI.
Lo studio “Explainable AI: From Blackbox to Glassbox” definisce l’Explainable AI come "la classe di sistemi che forniscono visibilità sul modo in cui un sistema di AI prende decisioni e previsioni ed esegue le proprie azioni". L'Explainable AI spiega la logica del processo decisionale, mette in luce i punti di forza e di debolezza del processo e fornisce un'idea di come il sistema si comporterà in futuro".
L'Explainable AI è essenziale per i team finance che utilizzeranno i risultati dell'AI per prendere decisioni, eseguire la strategia e costruire i budget. Quando si riesce a capire perché l'AI è arrivata alle sue conclusioni, si può procedere con maggiore sicurezza all'utilizzo dei suoi risultati nel processo decisionale.
2.Controllo umano
Partendo dal fattore spiegabilità, l'AI dovrebbe mantenere il controllo dei team finance. L'AI può essere uno strumento potente che rende discernibili le informazioni indecifrabili. Non deve essere un decisore autonomo.
EY scrive che, in ultima analisi, i team finance devono vedere l'AI come un collaboratore importante, che svolge la parte di lavoro ripetitiva in maniera veloce ed efficace, mentre i team finance gestiscono la parte strategica.
"Sebbene l'AI sia in grado di elaborare grandi quantità di dati a un ritmo molto veloce, non ha le capacità decisionali e di pensiero critico dell’uomo. La capacità di identificare e risolvere le distorsioni nei dati e le competenze fondamentali (come la conoscenza delle domande giuste da porre agli stakeholder per capire i loro obiettivi) fanno sì che il professionista del Finance svolga un ruolo significativo in questa trasformazione tecnologica".
Mantenere, quindi, l'uomo al comando sia a livello strategico che a livello funzionale. Quando l'AI genera una previsione, identifica un outlier o crea un report, i team finance devono essere dotati delle informazioni necessarie per verificare e controllare il lavoro dell'AI, per assicurarsi che la logica usata dalla macchina coincida con la comprensione reale dei dati da parte del Finance.
3.Governance dei dati
La governance dei dati è una sfida costante per i team, che si trovano alle prese con una serie di nuovi requisiti, tra cui il BEPS Pillar 2, l'ESG e il lease accounting. Di recente abbiamo affrontato come la portata del closing e del consolidamento si sia ampliata a causa del crescente volume di dati, dei tipi di dati e dei requisiti di reporting. La mappatura e la formattazione dei dati tra le diverse fonti, in modo da renderli uguali tra loro, è un compito gravoso, che i team finance devono gestire manualmente. L'Intelligenza Artificiale può garantire la razionalizzazione e il controllo dei dati.
Acceleration Economy spiega: "Le politiche di governance odierne possono richiedere che un essere umano analizzi petabyte di questi dati non strutturati, il che richiederebbe anni e sarebbe proibitivo in termini di costi. Ma con i modelli di Intelligenza Artificiale come parte del processo di governance, il compito può essere completato, in una frazione di tempo, dalle macchine".
È inoltre importante ricordare che l'AI apprende in base ai dati che riceve. Per questo è necessario che i team controllino i dati che i processi di machine learning elaborano per garantirne la pertinenza ed evitare di introdurre imprecisioni nella loro analisi.
L'Intelligenza Artificiale può essere un assistente prezioso per il Finance
Utilizzando gli strumenti di Intelligenza Artificiale, sarà possibile non solo automatizzare i processi ripetitivi, ma soprattutto fornire ai team finance l'accesso ai trend dei dati e agli insights sulle performance che altrimenti sarebbero inaccessibili, nascosti all’interno della massa di dati non strutturati.
L'AI potenzia la piattaforma CCH Tagetik, aumentando la velocità e l'accuratezza dei processi CPM e ampliando la disponibilità dei dati. Utilizzando un approccio “glass box”, l'utente mantiene il controllo mentre l'AI può essere utilizzata per la raccolta dei dati, il rilevamento delle anomalie, la pianificazione predittiva, l'analisi e la pianificazione basata sui driver.
