Agenti AI per la tesoreria: cos'è l'AI agentica e come usarla in azienda

Un agente AI per la tesoreria è un sistema di intelligenza artificiale che riceve un obiettivo, per esempio verificare se la cassa resta sopra una soglia nelle prossime 13 settimane, e lo porta a termine in più passaggi: legge i saldi bancari, controlla incassi e pagamenti attesi, ricalcola gli scenari e ti propone le azioni da approvare. In questo caso si parla di AI agentica, che si distingue dagli assistenti AI pensati per rispondere a una domanda alla volta.

Tra le aziende italiane con almeno 20 dipendenti, la quota che usa strumenti di AI è salita al 32% all'inizio del 2026: secondo un'indagine della Banca d'Italia pubblicata a giugno 2026, nel 2025 era già raddoppiata al 27%, mentre l'uso intensivo resta al 5%. Sugli agenti le aspettative vanno però calibrate, perché Gartner prevede che oltre il 40% dei progetti di AI agentica verrà cancellato entro la fine del 2027, per costi crescenti, valore poco chiaro o controlli del rischio inadeguati.

Che cosa sono gli agenti AI?

Gli agenti AI sono sistemi di intelligenza artificiale che, ricevuto un obiettivo, organizzano da soli i passaggi necessari per raggiungerlo e li eseguono usando dati e strumenti esterni. L'AI agentica si colloca accanto ad altre tre famiglie di tecnologia ed è la meno matura.

Che differenza c'è tra un assistente AI e un agente AI?

Un assistente AI risponde alla domanda che gli fai, mentre un agente AI riceve un obiettivo e sceglie da solo i passaggi per arrivarci. Per sapere il saldo di oggi basta un assistente; per capire se a dicembre la cassa scenderà sotto 1,5 milioni, e cosa fare, serve un agente che costruisca uno scenario e lo confronti con la soglia.

Gartner stima che solo circa 130 delle migliaia di fornitori che si dicono "agentici" offrano davvero queste capacità: quando valuti una soluzione, chiedi al fornitore quali operazioni può svolgere in sequenza sui tuoi dati e con quali autorizzazioni.

Cosa può fare un agente AI per la gestione della tesoreria?

Tra i casi d'uso, un agente AI si presta soprattutto alle attività manuali ripetitive e ad alto volume, mentre le decisioni critiche restano alle persone. Si possono distinguere quattro livelli di delega, dall'automazione intelligente alle decisioni che restano umane:

Monitorare la cassa e prevedere i flussi

L'agente legge ogni giorno i saldi di tutti i conti, li confronta con le soglie che hai definito e ti avvisa solo quando un saldo esce dai limiti fissati, così il team non deve aprire a mano i portali di ogni banca. Sulle previsioni, i modelli di machine learning riconoscono le uscite ricorrenti e indicano, oltre alla stima più probabile, una forchetta entro cui dovrebbe cadere il dato effettivo (l'intervallo di confidenza): sai quanto è incerta la previsione e su questa base decidi quanto margine di sicurezza tenere.

Spiegare gli scostamenti

L'analisi degli scostamenti confronta a posteriori previsto e consuntivo. Un agente AI può risalire alle transazioni che generano lo scarto e distinguere, per esempio, una fattura incassata in ritardo da un costo superiore al budget, aiutando il team di tesoreria a identificare più rapidamente le cause dello scostamento.

Riconciliazione bancaria e solleciti

Nella riconciliazione bancaria l'AI associa una causale troncata come "PYMNT_AGI_789" alla "Fattura #789" perché riconosce schemi ricorrenti, e riduce gli errori di inserimento manuale. Sui crediti può redigere solleciti adatti allo storico dei ritardi di ciascun cliente; all'inizio conviene comunque approvare tu ogni invio.

Esempio: un agente AI verifica le previsioni a 13 settimane

Prendi un'azienda con una soglia minima di liquidità di 1,5 milioni di euro. Il CFO chiede all'agente se la cassa resterà sopra la soglia nelle prossime 13 settimane, anche se i tre clienti principali pagassero 15 giorni più tardi.

Saldo alla settimana 13 = 2.400.000 € + 6.500.000 € - 7.300.000 € = 1.600.000 €; con i ritardi = 1.600.000 € - 900.000 € = 700.000 €

La decisione resta al CFO, e nessun pagamento parte senza la sua approvazione. Valori indicativi, a scopo illustrativo.

Quali rischi comporta l'AI agentica in tesoreria?

Un agente lavora sui dati di tesoreria che trova: se le transazioni non sono categorizzate in modo coerente o mancano i dati su crediti (AR) e debiti verso fornitori (AP), le sue analisi saranno incomplete anche quando sembrano convincenti. Per questo, nella fase iniziale, conviene evitare di:

• •

• lasciare all'AI l'avvio o l'approvazione dei pagamenti

• •

• spostare in automatico la liquidità tra conti e investimenti

• •

• usare previsioni generate dall'AI per il consiglio di amministrazione senza revisione

La supervisione umana si traduce in regole semplici: l'agente ha gli stessi permessi dell'utente e le azioni che spostano denaro passano da un'approvazione esplicita. In Italia la legge 23 settembre 2025, n. 132 si affianca all'AI Act europeo: prima di estendere un agente a processi critici, verifica gli obblighi con il tuo consulente.

Come iniziare a usare un agente AI in tesoreria

Conviene partire da un progetto pilota limitato. Nei primi 30 giorni scegli una sola società con molte transazioni e usa l'AI per categorizzazione, riconciliazione bancaria e report settimanale. Tra il 30° e il 90° giorno integra i dati dell'ERP e imposta una previsione a 13 settimane con intervallo di confidenza. Poi estendi il progetto alle altre società del gruppo. Le competenze necessarie si costruiscono rivedendo ogni giorno le proposte meno sicure dell'AI e correggendone gli errori.

Come funzionano gli agenti AI in Agicap

In Agicap gli agenti AI lavorano sui dati già centralizzati nella piattaforma di gestione della tesoreria, con i permessi di chi li usa, attraverso lo Smart Assistant o l'Agicap MCP.

Lo Smart Assistant, integrato in Agicap e basato sui modelli Claude di Anthropic, risponde in linguaggio naturale su conti, fatture e situazione di cassa, genera report in PowerPoint, PDF o Excel, imposta previsioni e si collega a strumenti esterni come Microsoft Business Central. Per alcune richieste delega il lavoro a un agente specializzato, l'analista del cash runway, che ricostruisce la cassa sull'orizzonte scelto e segnala le ipotesi da verificare. Lo attiva l'amministratore dell'organizzazione dalle impostazioni di Agicap.

L'Agicap MCP, basato sul Model Context Protocol, permette invece di lavorare sui dati del tuo account da assistenti AI esterni come Claude, con gli stessi permessi che hai nella piattaforma. Nello Smart Assistant le operazioni che sovrascrivono dati richiedono una tua conferma esplicita. Per altri esempi vedi la pagina sulla gestione della cassa con l'AI e il resoconto del Treasury Day di Milano.

Prova un agente AI sui numeri della tua tesoreria

Se il tuo team finance passa più tempo a raccogliere i dati che ad analizzarli, un agente da mettere alla prova è quello che controlla la cassa e le previsioni a 13 settimane, perché lavora su dati che hai già e non sposta denaro.

In una demo personalizzata ti mostriamo come lo Smart Assistant di Agicap legge saldi, transazioni in attesa e scenari della tua azienda e prepara un'analisi dell'autonomia di cassa. Prenota ora la tua demo gratuita.

FAQ: agenti AI per la tesoreria

Un agente AI può eseguire pagamenti in autonomia?

No: le transazioni finanziarie non dovrebbero partire in autonomia. Nella scala di delega descritta sopra, la validazione dei pagamenti in uscita rientra tra le attività da automatizzare con controlli, cioè con un intervento umano. Nello Smart Assistant di Agicap le operazioni che sovrascrivono dati richiedono una tua conferma esplicita, e l'amministratore dell'organizzazione può concedere o revocare l'accesso all'assistente utente per utente.

Quali dati servono a un agente AI per lavorare sulla tesoreria?

Servono prima di tutto i movimenti di tutti i conti bancari, collegati alla piattaforma tramite la connettività bancaria e categorizzati in modo coerente, perché l'agente lavora sui dati che trova. Non tutte le aziende ci sono già: secondo la CFO Survey di Agicap, condotta con Innofact su 516 CFO di aziende con fatturato tra 30 e 500 milioni di euro, il 12% dei CFO italiani non ha una visione in tempo reale della posizione di cassa consolidata. Per le previsioni servono anche le fatture aperte su crediti (AR) e debiti (AP), che in un software di tesoreria come Agicap possono arrivare dall'ERP collegato alla piattaforma. Sul fronte delle previsioni, la stessa ricerca indica che il 55% dei CFO italiani non dispone di una previsione di cassa a breve termine.

I dati della tesoreria restano riservati se usi un agente AI?

Con lo Smart Assistant di Agicap l'accesso ai dati segue i permessi che hai già: vedi solo le entità a cui sei abilitato, e ciò che non vedi in Agicap non lo vedi nemmeno tramite l'assistente. L'assistente funziona con Claude di Anthropic, che agisce come sub-responsabile del trattamento. Anthropic non usa i tuoi dati per addestrare o migliorare i propri modelli, e i dati restano protetti dagli abituali standard di sicurezza di Agicap. Se colleghi l'Agicap MCP a uno strumento esterno, verifica con il tuo responsabile IT anche le condizioni di quello strumento.

Un agente AI sostituisce il tesoriere?

No. Nella scala di delega descritta sopra, allocazione del capitale e strategia di finanziamento restano alle persone, perché richiedono giudizio e responsabilità. L'AI può automatizzare attività ripetitive come la riconciliazione bancaria e preparare analisi su cui poi decide il team. Un caso concreto sono le carenze di liquidità impreviste: secondo la CFO Survey di Agicap, le aziende italiane con fatturato tra 30 e 500 milioni di euro ne affrontano in media 11 all'anno superiori a 50.000 euro, e la ricerca le collega a previsioni poco affidabili. L'analista del cash runway dello Smart Assistant può ricostruire la cassa sull'orizzonte che scegli; le decisioni di finanziamento che ne derivano spettano a chi ne ha la responsabilità, come prevede la scala di delega.