Gli agenti di IA non contano senza adozione
Sibaranjan Patnaik spiega perché l’IA ha successo nella finanza solo quando i team riprogettano i flussi di lavoro, automatizzano le attività di routine e mantengono il giudizio umano al centro.
Sibaranjan Patnaik
Direttore della Finanza e della Strategia
Trasformazione dell’IA: Sibaranjan sottolinea il ruolo dell’IA nel ridefinire i flussi di lavoro finanziari, oltre i semplici cambiamenti di presentazione.
Uso strategico dell’IA: L’IA aiuta i team finanziari a operare a livelli strategici più elevati, riducendo le distanze tra i team e la sede centrale.
Automazione dei flussi di lavoro: L’IA automatizza le attività finanziarie meccaniche, consentendo ai team di concentrarsi sull’analisi e sul processo decisionale.
Sfide dell’adozione: Un’integrazione efficace dell’IA richiede flussi di lavoro riprogettati e il superamento delle resistenze da parte dei professionisti della finanza.
Esplorazione degli strumenti: Claude eccelle nei casi d’uso finanziari, ma si raccomanda di esplorare diversi strumenti di IA.
Sibaranjan Patnaik è il Direttore della Finanza e della Strategia presso il GCC indiano di una grande azienda tecnologica. Con 16 anni di esperienza, ha ricoperto ruoli sia nella contabilità sia nell'FP&A, acquisendo una comprensione completa del funzionamento delle funzioni finanziarie.
Abbiamo parlato con Sibaranjan per conoscere gli agenti finanziari interni che sta sviluppando e capire perché il successo dell'IA sia definito dalle persone che la adottano. Ecco cosa ci ha detto.
La trasformazione tecnologica della finanza sta finalmente avvenendo
Sono Siba, Direttore della Finanza e della Strategia, con circa 16 anni di esperienza.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Ho iniziato nella contabilità, sono passato all'FP&A e il percorso attraverso entrambi i lati della funzione mi offre una visione completa di come opera quotidianamente la finanza: non solo del livello di pianificazione e previsione, ma anche del motore transazionale e di rendicontazione sottostante.
Oggi, il mio incarico si è esteso oltre la finanza: guido squadre tecnologiche, funzioni legate ai ricavi e più verticali contemporaneamente, operando come leader interfunzionale tanto quanto finanziario. Questa ampiezza cambia il modo in cui si pensa alla trasformazione: si smette di considerarla un problema finanziario e si inizia a vederla come un problema organizzativo.
A posteriori, trovo tutto questo quasi divertente: nel corso della mia carriera ho sentito parlare di trasformazione finanziaria guidata dalla tecnologia. Strumenti migliori. Sistemi più intelligenti. La fine di Excel. Eppure, in ogni ruolo che ho ricoperto, in una grande azienda di beni di largo consumo, in un rivenditore globale o in un GCC, il flusso di lavoro fondamentale è rimasto lo stesso. Estrarre i dati, riconciliarli, costruire il modello, formattare la presentazione, inviarla ai livelli superiori. Excel, ogni volta.
Avevamo cruscotti costruiti su estrazioni manuali dei dati. Avevamo strumenti di pianificazione che richiedevano ancora a qualcuno di monitorare costantemente le ipotesi. La tecnologia esisteva in aree circoscritte, ma la trasformazione non è mai arrivata del tutto.
Ciò che è diverso ora, e lo dico da persona scettica nei confronti dell'entusiasmo per la tecnologia finanziaria, è che l'IA, in particolare l'IA agentica, è la prima tecnologia che ho utilizzato in grado di cambiare davvero il flusso di lavoro sottostante, non solo il livello di presentazione. Oggi la utilizzo per automatizzare i commenti, accelerare l'analisi degli scenari e gestire il lavoro analitico ripetitivo che un tempo consumava gran parte della settimana di una squadra.
Per la prima volta nella mia carriera, sento davvero che la trasformazione promessa si stia finalmente muovendo nella giusta direzione. Ed è questo che cerco di portare nelle conversazioni quando faccio da mentore a giovani professionisti della finanza, perché il momento per prendere un vantaggio su questo tema è adesso.
Utilizzare l'IA per operare a un livello strategico superiore
Lavoro per un'organizzazione matura, quotata in borsa e con attività globali. Non condividerò pubblicamente dettagli specifici: voglio che sia chiaro che quanto condivido qui rappresenta esclusivamente le mie osservazioni personali; posso però dire che guido un'organizzazione finanziaria all'interno di una struttura GCC in India. Ciò significa che siamo un centro strategico di erogazione dei servizi per una funzione globale molto più ampia.
La complessità è reale; facciamo più della semplice elaborazione amministrativa. La squadra comprende le funzioni FP&A, dei ricavi e tecnologiche, opera in più verticali e presenta significative interdipendenze interfunzionali. In questo contesto, bilanciamo costantemente la standardizzazione globale con le realtà dell'esecuzione locale.
Dal punto di vista della trasformazione, i GCC in India sono stati storicamente considerati centri di costo, creati per l'efficienza, non per l'influenza. Sto cercando in larga misura di cambiare questa percezione, sia internamente sia nel modo in cui la squadra vede se stessa. In qualità di partner finanziario di un'unità aziendale globale all'interno di un GCC, è necessario operare allo stesso livello strategico di chiunque lavori presso la sede centrale. L'IA è una componente importante del modo in cui colmiamo questa distanza.
Perché le trasformazioni radicali dell'IA nella finanza richiedono pazienza
Oggi non ho un flusso di lavoro finanziario dall’inizio alla fine basato sull’IA completamente implementato e operativo in produzione. Sarei scettico nei confronti di chiunque affermi di averne uno funzionante su larga scala, con controlli, all’interno di una società quotata soggetta a regolamentazione.
Oggi non ho un flusso di lavoro finanziario dall'inizio alla fine basato sull'IA completamente implementato e operativo in produzione. Sarei scettico nei confronti di chiunque affermi di averne uno funzionante su larga scala, con controlli, all'interno di una società quotata soggetta a regolamentazione. Ho una direzione chiara, una serie di strumenti per la produttività che stanno davvero cambiando il modo in cui io e il mio team lavoriamo ogni giorno e un flusso di agenti in varie fasi di sviluppo e test.
Per quanto riguarda la produttività, uso ogni giorno strumenti di IA per redigere comunicazioni, sintetizzare report lunghi, strutturare analisi, prepararmi alle revisioni aziendali e valutare gli scenari più velocemente di quanto potrei fare da solo. Non sono casi d'uso particolarmente affascinanti, ma il risparmio di tempo complessivo è concreto e ha cambiato la qualità del mio contributo alle conversazioni.
I miei progressi attuali sono più ambiziosi. Sto costruendo un flusso di lavoro in cui gli agenti gestiscono le parti meccaniche del ciclo di chiusura mensile — consolidamento dei dati, segnalazione degli scostamenti, generazione dei commenti — mentre le persone intervengono a livello di revisione e giudizio. L'architettura esiste già e i test sono in corso. Far funzionare tutto correttamente, con i controlli adeguati, richiede tempo.
Condivido tutto questo come un lavoro in corso, invece di presentarlo come qualcosa di completo, perché penso che nella professione finanziaria ci siano già abbastanza persone che vendono il punto di arrivo. Ciò che è utile è sentire come si svolge il percorso in tempo reale: cosa funziona, cosa si sta ancora definendo e cosa è più difficile del previsto.
È qui che mi trovo. Costruire con attenzione, procedere in modo costante e non aspettare la perfezione prima di iniziare.
Come l'IA migliora i commenti sugli scostamenti
Un cambiamento recente riguarda i commenti sugli scostamenti. Ogni team finanziario li prepara. Ogni mese, senza eccezioni, qualcuno si siede e scrive da due a tre pagine per spiegare perché i risultati effettivi siano stati superiori o inferiori al piano. Riga per riga. In teoria è un lavoro importante, ma nella pratica circa l'80% è meccanico. I numeri sono già disponibili. Gli scostamenti sono già stati calcolati. È la traduzione a richiedere tempo: trasformare i dati in frasi che un interlocutore non finanziario possa leggere e utilizzare per agire.
Prima di cambiare questo processo, un analista esperto trascorreva quasi un'intera giornata solo sui commenti. Non perché fosse lento, ma perché era davvero il tempo necessario per svolgere correttamente il lavoro su più centri di costo e linee di business. E quando tutto era finito, revisionato e formattato, la finestra temporale per la conversazione che avrebbe dovuto favorire si era già ridotta.
Ho creato un agente per gestire la prima bozza. Recupera i numeri, identifica gli scostamenti rilevanti e genera commenti strutturati in un linguaggio aziendale semplice. Ora il compito dell'analista è revisionare, perfezionare e aggiungere il livello di giudizio: il contesto che solo una persona con conoscenze dell'azienda può fornire.
Questo influisce sulla velocità, ma cambia anche la qualità della conversazione. Quando l'analista non è esausto per aver scritto, partecipa alla riunione di revisione pensando a cosa significhi lo scostamento per il trimestre successivo, non soltanto a ciò che è accaduto il mese scorso. È questo il cambiamento che cercavo. Una giornata di scrittura meccanica può trasformarsi in due ore di riflessione.
Un quadro per ciò che resta umano
Il mio criterio è semplice: se è meccanico, automatizzatelo. Se richiede giudizio, mantenetelo umano. Tutto qui.
Sembra ovvio, ma la maggior parte dei team finanziari non opera in questo modo. Le persone svolgono attività meccaniche e le chiamano analisi. Gli strumenti di IA restano inutilizzati perché nessuno ha definito chiaramente il confine.
L'IA gestisce il consolidamento dei dati, le riconciliazioni, la segnalazione degli scostamenti, i commenti in prima bozza, gli aggiornamenti dei modelli previsionali quando cambiano le ipotesi, i pacchetti di report standard e le proiezioni dei flussi di cassa basate sui modelli storici. Sono attività ripetibili, basate su regole e ad alto volume. Le persone non dovrebbero più dedicarvi una quantità significativa di tempo. Un agente le svolge più velocemente, in modo più coerente e senza la stanchezza che subentra alla fine di un ciclo di chiusura.
Le persone gestiscono tutto ciò che richiede contesto, relazioni e giudizio. Cosa significa questo scostamento per l'azienda? Dovremmo riallocare il capitale verso questa iniziativa o aspettare, considerate le condizioni di mercato? Qual è il modo corretto di presentare questo rischio alla dirigenza? Questa previsione è credibile sul piano direzionale o stiamo semplicemente adattando un numero a un obiettivo? L'IA può fornire informazioni utili per tutte queste conversazioni, ma non può farsene carico.
Traccio qui il limite: l'IA fornisce al mio team informazioni più rapidamente e in una forma migliore rispetto al passato. Ma la decisione — e la responsabilità che ne deriva — resta della persona. Non sto aggirando una limitazione: è il progetto.
Come l'IA migliora l'efficienza e la fiducia del team finanziario
In positivo, il risultato più affidabile è la riallocazione del tempo. Automatizzare le attività meccaniche — acquisizione dei dati, riconciliazioni, reportistica standard, prime bozze dei commenti — restituisce a ogni persona ore ogni settimana. Non ore teoriche, ma ore reali. Se si è intenzionati a stabilire come utilizzare quel tempo, si iniziano a vedere analisi di qualità migliore, risposte più rapide alle domande aziendali e professionisti della finanza coinvolti nel proprio lavoro invece di sfinirsi durante il ciclo di chiusura.
Migliora anche la qualità delle previsioni — non perché l'IA sia più intelligente dei vostri analisti, ma perché gli analisti sono meno affaticati e hanno più tempo per esaminare criticamente le ipotesi invece di limitarsi a compilare il modello. Le persone stanche prendono decisioni sbagliate. Le persone riposate, con dati puliti, ne prendono di migliori.
Dal punto di vista qualitativo, il cambiamento più significativo riguarda la fiducia. Quando un team finanziario smette di dedicare la maggior parte delle proprie energie alla produzione e inizia a interpretare, si presenta in modo diverso nelle conversazioni aziendali. Ha delle opinioni. Esprime il proprio dissenso. È questo il cambiamento culturale difficile da misurare, ma impossibile da non notare.
I principali motivi di fallimento dell'IA nella finanza
Ora veniamo agli aspetti negativi. Il principale motivo di fallimento che vedo è rappresentato dai team che automatizzano processi inefficaci. Se i dati sottostanti sono disordinati, i flussi di lavoro sono compromessi o i team non comprendono i numeri, l'IA accelera soltanto il problema. Spazzatura in ingresso, spazzatura in uscita, ma più velocemente.
Il secondo motivo di fallimento è l'eccessiva dipendenza da risultati che le persone non comprendono pienamente. L'IA può produrre una previsione strutturata in modo impeccabile, un'analisi degli scostamenti dall'aspetto convincente e un modello di scenario chiaro. Ma se la persona che lo presenta non sa spiegare come è stato elaborato o da dove provengano le ipotesi, questo rappresenta un rischio. Non un rischio tecnologico. Un rischio legato al giudizio. L'IA dovrebbe rendere il vostro team più perspicace, non più passivo. Se accade il contrario, questo è il rischio di cui nessuno parla abbastanza apertamente.
Il terzo motivo di fallimento è l'adozione. Si può creare l'agente più elegante, ma se il team non si fida di lui o non cambia il proprio modo di lavorare con esso, rimane inutilizzato. La gestione del cambiamento non è facoltativa.
Perché l'adozione dell'IA richiede flussi di lavoro riprogettati
Quando l'IA non funziona, è un problema di persone.
Ho creato agenti che funzionano. Li ho visti testati, convalidati e approvati. Poi ho osservato i team aggirarli silenziosamente, tornando ai vecchi metodi. Non per malizia, ma per abitudine, comodità e la convinzione sincera che la loro versione manuale fosse più affidabile, anche quando non lo era.
Questo è il divario di cui non si parla abbastanza nelle conversazioni sulla trasformazione con l'IA. Tutti si concentrano su cosa costruire. Pochissimi si concentrano su cosa deve cambiare nella persona che utilizza lo strumento affinché questo abbia davvero un impatto.
I professionisti della finanza, in particolare, sono formati per essere precisi e avversi al rischio. È un punto di forza nel lavoro. Diventa una barriera quando si chiede loro di fidarsi di un sistema che non hanno costruito e di cui non possono vedere completamente il funzionamento interno. Nel momento in cui un risultato dell'IA appare leggermente errato — anche se è corretto — tornano per impostazione predefinita a fare tutto da soli. E, dopo che questo accade alcune volte, smettono di usare l'agente.
Ho imparato che l'adozione non è un problema di comunicazione. Inviare un'e-mail dicendo "abbiamo un nuovo strumento, per favore utilizzatelo" non serve a nulla. È un problema di cambiamento comportamentale. È necessario riprogettare il flusso di lavoro attorno allo strumento, non limitarsi a inserirlo nel flusso di lavoro esistente sperando che le persone si adattino.
Perché Claude si distingue nei casi d'uso finanziari
Gli strumenti cambiano rapidamente e, qualunque sia quello che entrerà a far parte del mio flusso di lavoro a lungo termine, dovrà dimostrarsi all’altezza. Per ora, continuo a esplorarli tutti con curiosità e lascio che siano i casi d’uso a decidere.
Utilizzo diversi strumenti e penso che, al momento, sia l'approccio giusto. Siamo in una fase di esplorazione e ogni strumento è ancora in rapida evoluzione. Sceglierne uno oggi e ignorare gli altri sarebbe la decisione sbagliata.
Ma se dovessi propendere per uno, Claude si è distinto in particolare per il lavoro finanziario. La capacità di ragionare su scenari complessi, lavorare con i numeri nel loro contesto, redigere analisi strutturate e gestire un linguaggio aziendale ricco di sfumature lo rende particolarmente utile per il tipo di lavoro che richiede molta capacità di analisi e che FP&A richiede.
Gli strumenti cambiano rapidamente e, qualunque sia quello che entrerà a far parte del mio flusso di lavoro a lungo termine, dovrà dimostrarsi all'altezza. Per ora, continuo a esplorarli tutti con curiosità e lascio che siano i casi d'uso a decidere.
Non confondere l'acquisto di strumenti di IA con la trasformazione tramite IA
Ecco il mio consiglio:
- Smetti di aspettare la strategia aziendale perfetta prima di agire. La maggior parte dei CFO con cui parlo ha una roadmap di trasformazione in fase di revisione da sei mesi. Nel frattempo, i loro team continuano a dedicare metà della settimana ad attività che potrebbero automatizzare già oggi. La finestra è aperta proprio adesso. Sfruttala.
- Non confondere l'acquisto di strumenti con il raggiungimento della trasformazione. Ho visto organizzazioni spendere somme significative per piattaforme, licenze e consulenti e ritrovarsi alla fine con gli stessi flussi di lavoro da cui erano partite, solo più costosi. La tecnologia non è la parte difficile. La parte difficile è valutare onestamente come lavora il tuo team ed essere disposti a cambiare questo approccio.
- Investi nelle persone prima di investire negli strumenti. Un professionista della finanza che comprende cosa l'IA può e non può fare, che sa formulare richieste efficaci, che valuta criticamente i risultati dell'IA e aggiunge il livello di giudizio umano — quella persona vale più di qualsiasi piattaforma tu possa acquistare. Sviluppa questa capacità nel tuo team. Il valore si accumula nel tempo.
- Metti ordine nei tuoi dati. L'IA farà emergere ogni falla nelle fondamenta dei tuoi dati più velocemente di qualsiasi altra cosa. Se i tuoi numeri non sono puliti, i tuoi processi non sono documentati e i tuoi sistemi non comunicano tra loro — risolvi prima questi problemi. Altrimenti, stai automatizzando il caos.
- Il ruolo del CFO sta cambiando, che tu scelga o meno di interagire con l'IA. La domanda è se darai forma a questo cambiamento o se reagirai ad esso. I leader finanziari che saranno importanti tra cinque anni saranno quelli abbastanza curiosi da sperimentare, abbastanza umili da imparare da ciò che non funziona e abbastanza decisi da costruire qualcosa.
Non limitarti ad avere un'opinione sull'IA. Fanne qualcosa.
Segui gli aggiornamenti
Puoi seguire il lavoro di Sibaranjan Patnaik su LinkedIn.
Presto arriveranno altre interviste con esperti su The CFO Club!
