Il quadro in 5 fasi per l’IA nelle previsioni FP&A: Una guida
L’IA nella FP&A può rendere il tuo lavoro più semplice? Probabilmente sì. Richiederà comunque un po' di lavoro? Decisamente. Esiste la convinzione che l’intelligenza artificiale (IA) e il machine learning (ML) siano delle “scatole nere”, ossia che non sia possibile vedere come funzionano internamente.
Questa mancanza di trasparenza e la necessità di digitalizzare pongono una sfida, poiché occorre fornire previsioni accurate e saper comprendere e spiegare i fattori ai portatori di interesse. È essenziale adottare dei meccanismi di supervisione dell’IA per garantire che il lavoro sia affidabile e responsabile.
Schema in 5 Passi per la Supervisione delle Previsioni ML
Se vuoi sapere come usare l’IA nella FP&A, hai bisogno di un piano chiaro per farlo in modo corretto. Quando si parla di previsioni ML, ci sono diverse aree chiave che necessitano di supervisione per garantire che il lavoro sia fatto bene. Ecco i 5 passi che seguo:
Vuoi di più da The CFO Club?
Crea un account gratuito per terminare questo articolo e unirti a una comunità di moderni CFO ed executive finanziari che accedono a framework comprovati, strumenti e approfondimenti utili a navigare la finanza guidata dall’IA.
Have an account? Log In
1. Verifica le tue Assunzioni
Il primo passo è validare le assunzioni fatte durante il processo di previsione. Questo implica esaminare le ipotesi di base e garantirne la coerenza con il contesto aziendale. Dovresti valutare se le assunzioni sono ragionevoli, coerenti e basate su dati storici rilevanti.
Ad esempio, quando ho iniziato a prevedere la spesa per il personale durante il COVID-19, il modello era stato addestrato su dati storici ma non teneva conto di altri elementi, come l’aumento della domanda. Per un essere umano, questo aumento della domanda sarebbe una nuova assunzione “ragionevole” ma una macchina non “penserebbe” di includerlo. Se l’algoritmo ML fosse una scatola nera, non saresti in grado di vedere l’impatto della domanda sul risultato finale.
2. Verifica l’Accuratezza dei Dati
Set di dati accurati e di alta qualità sono fondamentali per previsioni affidabili. In ambito Finanza e Contabilità, si dice che se i tuoi input sono scadenti, anche i risultati saranno scadenti.
È fondamentale verificare che i dati utilizzati per l’addestramento del modello ML siano completi, aggiornati e rappresentativi della popolazione target. Devono essere applicate tecniche di pulizia e pre-processamento dei dati per gestire outlier, valori mancanti e altre problematiche di qualità dei dati.
Dalla mia esperienza, la mancanza di dati affidabili in tempo reale (o il più vicino possibile) è il motivo più comune per cui gli algoritmi ML non funzionano per le aziende. Devi disporre di dati puliti, standardizzati e strutturati in modo che il modello ML possa lavorarci sopra.
3. Comprendere la Logica dell’Algoritmo
Se vuoi sapere come usare l’IA nella FP&A, devi entrare nella "mente" della macchina. Comprendere la logica che sta dietro all’algoritmo scelto è essenziale: devi valutare l’adeguatezza dell’algoritmo rispetto al compito di previsione richiesto.
Dovresti controllare che l’algoritmo ML selezionato sia in linea con le caratteristiche dei dati e con gli obiettivi specifici della previsione; poiché i modelli IA si basano tipicamente su analisi predittive, devi verificare che le previsioni abbiano davvero senso. Questa valutazione aiuta a garantire che le ipotesi di fondo dell’algoritmo siano allineate al dominio finanziario.
Un modo per farlo è suddividere l’algoritmo in parti più piccole e cercare di comprendere la matematica dietro ciascun componente. Poi, capisci la relazione tra di esse e i casi in cui l’algoritmo mostrerà determinati risultati. Se non ti senti pronto ad affrontare da solo questa parte dell’analisi dei dati, trova un esperto di IA (ingegnere, data scientist o una figura simile alla mia) che possa fare la dissezione per te. In alternativa, puoi ricorrere a uno strumento di analisi statistica pensato per semplificare il processo.
Questa valutazione della logica va combinata con il prossimo aspetto: comprendere i driver.
4. Comprendere i Driver (& Saperli Spiegare)
La trasparenza nelle previsioni richiede la capacità di spiegare i driver alla base dei risultati previsti: che tu faccia parte di un team FP&A o sia il CFO, non puoi presentare dati che non comprendi.
Devi comprendere le variabili e le caratteristiche principali che contribuiscono ai risultati stimati. Questa spiegazione aiuta a creare fiducia e favorisce una comunicazione efficace con gli stakeholder che fanno affidamento sulla previsione.
Nel mio processo, prima di iniziare a programmare l’algoritmo, passo 1 o 2 giorni con la parte dell’azienda per la quale lo sto costruendo. Vai in quella fabbrica se l’algoritmo è destinato a prevedere il consumo energetico, oppure partecipa a una giornata con i venditori se l’algoritmo dovrà stimare le vendite in uno specifico punto vendita.
Una volta che hai percepito il reparto, il team o la sede interessata, annota tutti i driver che possono influenzare la previsione e assicurati che l’algoritmo non restituisca solo un “risultato finale”, ma spieghi anche quali driver e caratteristiche hanno portato a quel risultato.
5. Valida i Risultati
Gli algoritmi di apprendimento automatico devono essere accuratamente validati per garantire che i loro output abbiano senso. Questo implica l'esame delle metriche di performance del modello, come accuratezza, precisione, richiamo ed errore assoluto medio. Se le prestazioni del modello sono inferiori alle soglie accettabili, potrebbe essere necessario un ulteriore perfezionamento, una nuova fase di addestramento o l’esplorazione di algoritmi alternativi.
Nelle ultime settimane, ho parlato con molti professionisti della finanza e descrivono quest’ultimo passaggio in modi diversi: alcuni lo chiamano "sensazione istintiva"; altri, "il fiuto" per i risultati delle previsioni.
In parole semplici, è necessario usare la propria conoscenza empirica e la competenza sul campo per valutare se la previsione ha senso. Si possono usare i calcoli matematici descritti sopra per farlo, ma è anche importante avere una mentalità da vero business partner e continuare a costruire le proprie conoscenze aziendali per valutare correttamente il risultato di un modello di intelligenza artificiale.
Il verdetto
Dai a una persona un'automazione di ML: automatizzerà per un giorno. Insegna a una persona come usare l’AI in FP&A: automatizzerà per tutta la vita.
I casi d’uso sono molti, man mano che le capacità dell’AI continuano a crescere e a essere scoperte. Ma le decisioni aziendali non sono ancora affidate ai robot.
I vantaggi dell’AI possono semplificare la vita dei CFO e dei professionisti di FP&A, ma al momento ChatGPT non è ancora in grado di svolgere il lavoro in modo completamente autonomo.
Se vuoi restare sempre un passo avanti con l’implementazione dell’AI nella finanza, iscriviti alla newsletter di The CFO Club e ricevi le migliori guide direttamente nella tua casella di posta.
