Dettaglio

Nel 2026 si stanno moltiplicando le soluzioni di analisi dati basate sull’intelligenza artificiale.
Strumenti evoluti, flessibili, capaci di interrogare i dati, costruire dashboard, commentare scostamenti e suggerire possibili interpretazioni.
La promessa è ridurre il tempo dell’analisi.
Ma forse il punto non è quanto tempo impieghiamo ad analizzare i dati.
Il punto è capire chi sta facendo il lavoro della macchina e chi sta facendo il lavoro della persona, o in altri termini, chi sta ponendo domande e chi esegue il lavoro.

Due problemi distinti
Chi lavora nell’area Amministrazione, Finanza e Controllo conosce bene due problemi distinti.
Il primo è analizzare i dati secondo direttrici realmente significative per il modello di business.
Prodotti, clienti, canali, marginalità, processi, assorbimento finanziario.
Non basta leggere i numeri. Occorre fare le giuste domande per comprenderne le relazioni, individuare le cause, distinguere ciò che è rilevante da ciò che non lo è e tradurre l’analisi in decisioni.
Questo è un lavoro umano.

Il secondo problema viene prima:
i dati sono corretti, tempestivi, completi e classificati in modo coerente?
Qui entrano in gioco attività come:

• registrare fatture;
• imputare costi e ricavi;
• gestire stanziamenti;
• riconciliare conti;
• aggiornare ammortamenti;
• correggere classificazioni;
• verificare quadrature;
• rincorrere informazioni mancanti.

Attività necessarie, ma ad alto assorbimento di tempo spesso standardizzabili.
Questo è il terreno sul quale la macchina dovrebbe alleggerire il lavoro della persona.

La parte visibile e quella invisibile
La narrazione sull’AI applicata al Finance tende a concentrarsi sulla parte più visibile.
La dashboard.

• La domanda formulata in linguaggio naturale.
• Il commento automatico.
• L’analisi dello scostamento.
• Il suggerimento strategico.

Non perché manchino soluzioni per automatizzare i processi amministrativi, le soluzioni esistono, il problema è che il valore percepito sembra concentrarsi soprattutto nell’ultimo tratto della catena del dato, quello in cui la macchina assume il ruolo dell’analista.
Nel frattempo, la persona continua a raccogliere, correggere, classificare e riconciliare.

La piramide rovesciata
Il rischio è quello di costruire una piramide rovesciata.
Si efficienta un’attività di analisi che, in un sistema informativo ben progettato, può richiedere ben poco tempo.
Si lascia invece sostanzialmente invariato il lavoro a monte, quello necessario per rendere il dato utilizzabile.
La persona rischia così di restare affogata nelle attività più meccaniche mentre la macchina viene portata sul terreno dell’interpretazione.
Attenzione, la macchina, ormai l’abbiamo capito, può fare efficacemente anche interpretazione, ma l’interpretazione non consiste soltanto nel riconoscere correlazioni o descrivere variazioni.
Significa comprendere il modello di business, individuare ciò che manca, formulare domande e assumersi la responsabilità di una decisione.

Il rischio non è l’errore della macchina
Il rischio più profondo non è che l’intelligenza artificiale produca un commento sbagliato ma che la persona smetta progressivamente di esercitare la parte più qualificata del proprio lavoro.
Che si abitui a produrre dati per la macchina.
Che dedichi il proprio tempo a rendere disponibili informazioni che qualcun altro interpreterà.
Che finisca per controllare quadrature, registrazioni e riconciliazioni, mentre l’algoritmo formula osservazioni sul business.
In questo scenario la tecnologia non libera necessariamente la persona ma semplicemente la sposta verso il basso nella catena del valore con evidente impatto sulla qualità delle decisioni e sulla capacità di innovazione aziendale.

La domanda corretta
La domanda non è se l’AI sia utile.
La domanda è:
quali attività vogliamo affidare alla macchina e quali competenze vogliamo lasciare alla persona?
La macchina dovrebbe supportare la produzione del dato, ridurre gli errori, segnalare anomalie, automatizzare riconciliazioni e alleggerire le attività ripetitive.
La persona dovrebbe mantenere il governo dell’analisi anche utilizzando, certamente, strumenti avanzati basati su AI.
Se lasciamo alla persona il lavoro meccanico e assegniamo alla macchina quello interpretativo, rischiamo di realizzare un paradosso: la persona diventa l’elaboratore e la macchina diventa l’analista.
Questa non è una critica alla tecnologia, è una domanda su un certo modo di interpretare il mutamento tecnologico, la crescita delle persone e l’organizzazione del lavoro.
Nell’AFC del futuro, siamo davvero sicuri di sapere chi debba essere la macchina e chi debba restare la persona?