Tesoreria 2030: come l’intelligenza artificiale sta trasformando il ruolo del tesoriere
Introduzione
Il panorama finanziario sta vivendo una profonda trasformazione, spinta dall’ascesa rapidissima dell’intelligenza artificiale (AI). Come emerso durante l’Agicap Treasury Day a Parigi, questa rivoluzione tecnologica è spesso descritta come la più significativa dai tempi dell’invenzione dell’elettricità, superiore persino all’impatto di computer, internet e smartphone. “Stiamo vivendo un’epoca entusiasmante, una rivoluzione tecnologica come l’umanità non ha mai conosciuto prima, grazie all’intelligenza artificiale”, ha dichiarato Mickaël Jordan, CRO di Agicap, aprendo il dibattito con uno sguardo rivolto al futuro della gestione della tesoreria.
Per le medie imprese, le implicazioni dell’AI sono particolarmente strategiche. Queste aziende devono conciliare agilità ed efficienza con l’esigenza di un solido controllo del rischio e della conformità. L’integrazione dell’intelligenza artificiale nelle funzioni di tesoreria promette non solo di automatizzare le attività ripetitive, ma anche di migliorare la qualità delle decisioni, aumentare l’accuratezza delle previsioni e favorire una collaborazione più stretta tra team finance e tecnici. Questa trasformazione solleva però anche interrogativi sulla governance dei dati, sull’evoluzione del ruolo del tesoriere e sulle competenze necessarie per avere successo in questo nuovo scenario.
Questo articolo raccoglie i principali spunti emersi durante la tavola rotonda con Karine Hegbor de Souza, Direttrice Tesoreria e Finanza di Longchamp, e Dimitri Letellier, Partner responsabile Data e AI in RSM, offrendo a CFO e tesorieri delle medie imprese un’analisi strutturata delle sfide e delle opportunità legate all’AI, consigli pratici per l’implementazione e una visione della tesoreria proiettata al 2030.
1. Responsabilità dei dati e collaborazione nell’era dell’intelligenza artificiale
1.1 Come sta cambiando la responsabilità sui dati
La digitalizzazione dei processi finanziari ha generato una mole di dati senza precedenti, creando al tempo stesso nuove opportunità e sfide per i team di tesoreria. Come ha osservato Dimitri Letellier: “Non è una novità: man mano che digitalizziamo e automatizziamo i flussi, i team tecnici, soprattutto l’IT, diventano centrali nei processi aziendali.” Questa evoluzione solleva una domanda cruciale: i reparti finance rischiano di perdere il controllo sui dati di tesoreria a favore dei team tecnici?
Secondo i relatori, la risposta sta in un coinvolgimento attivo. I responsabili finanziari devono essere i primi a promuovere progetti legati all’intelligenza artificiale all’interno dei propri team, sviluppando competenze tecniche accanto a quelle finanziarie. Questo approccio non solo consente di mantenere la titolarità dei dati in ambito finance, ma alimenta anche un circolo virtuoso di innovazione e collaborazione con l’IT.
1.2. Costruire sinergie tra Finance, Data e IT
In Longchamp, il team di tesoreria — composto solo da tre persone — gestisce le operazioni di cassa a livello globale in 26 Paesi. Karine Hegbor de Souza ha spiegato come l’intelligenza artificiale abbia già permesso al team di lavorare in modo più autonomo, ad esempio automatizzando la traduzione dei contratti bancari in più lingue. “L’AI serve davvero a lavorare in modo più efficiente e a spingersi oltre nel modo in cui operiamo”, ha sottolineato.
L’approccio di Longchamp prevede il mantenimento di team distinti per Data e IT, entrambi al servizio delle esigenze delle diverse business unit. La prima missione del team Data è identificare e dare priorità ai bisogni di ogni dipartimento, finance incluso. Questo assicura che l’innovazione tecnica sia sempre allineata agli obiettivi di business e che le competenze restino distribuite, evitando che si concentrino in una sola funzione.
1.3. Da logiche competitive a percorsi condivisi
I relatori concordano: il futuro non è nella competizione, ma in una collaborazione sempre più stretta tra team finance e team tecnici. “L’obiettivo non è trasferire la responsabilità a funzioni puramente tecniche, ma costruire insieme all’IT una partnership,” ha spiegato Dimitri Letellier. Questo modello collaborativo permette alla funzione finance di guidare l’innovazione, sfruttando al contempo le competenze tecniche dei team IT e Data.
Un approccio di questo tipo è particolarmente rilevante per le medie imprese, dove le risorse sono spesso limitate e la cooperazione tra funzioni è essenziale per avere successo. Promuovendo una cultura della responsabilità condivisa, le aziende possono garantire che i progetti legati all’intelligenza artificiale generino un valore concreto, senza compromettere la governance dei dati o l’allineamento con gli obiettivi di business.
2. Previsioni guidate dall’AI: tra potenzialità e applicazione concreta
2.1. Come stanno cambiando gli strumenti di forecasting
Una delle applicazioni più attese dell’intelligenza artificiale in ambito tesoreria è l’automatizzazione e il potenziamento delle previsioni di cassa. Durante la tavola rotonda si è discusso del percorso che ha portato dall’entusiasmo iniziale —acceso dal lancio di strumenti come ChatGPT — a una valutazione più realistica delle effettive capacità dell’AI. “Dopo il primo entusiasmo, molte aziende si sono rese conto che i casi d’uso concreti erano ancora limitati o poco affidabili,” ha osservato Mickaël Jordan.
Molte imprese hanno vissuto una “fase di delusione”, in cui il passaggio dal brainstorming e dai test di fattibilità a soluzioni realmente scalabili si è rivelato complesso. I primi modelli di AI faticavano a gestire la complessità e la variabilità dei dati finanziari e i risultati generati non erano sempre abbastanza affidabili per supportare decisioni critiche.
Nonostante queste difficoltà iniziali, lo scenario sta rapidamente cambiando. L’intelligenza artificiale viene sempre più utilizzata per automatizzare e migliorare attività specifiche legate al forecasting. Ad esempio, oggi i modelli sono in grado di accelerare le riconciliazioni bancarie, un’attività che in passato richiedeva un notevole intervento manuale. In alcuni ERP, queste operazioni vengono ormai eseguite quasi istantaneamente, liberando tempo prezioso per i team di tesoreria. L’AI viene inoltre impiegata per prevedere ritardi nei pagamenti a livello di singola fattura, analizzando una molteplicità di parametri come lo storico dei pagamenti del cliente, il numero di fatture insolute e i cicli medi di pagamento. Aggregando questi dati interni, i modelli possono offrire previsioni più dettagliate e affidabili, permettendo ai tesorieri di anticipare con maggiore precisione entrate e uscite di cassa.
2.2. Il punto di partenza: dati affidabili e uno storico solido
Nonostante i progressi, il successo dell’AI applicata alle previsioni dipende fortemente dalla disponibilità e dalla qualità dei dati storici. Come ha sottolineato Karine Hegbor de Souza: “Quando parliamo di AI e trattamento dei dati, non dobbiamo sottovalutare l’impatto e il tempo necessario per avere dati corretti.” In Longchamp, l’integrazione delle filiali nel sistema di tesoreria ha talvolta limitato la disponibilità di uno storico completo, rendendo necessario continuare a utilizzare Excel per alcune attività.
Per le medie imprese, ciò evidenzia quanto sia fondamentale investire nella gestione e nella validazione dei dati prima di avviare progetti di previsione basati sull’intelligenza artificiale. Solo con basi dati solide l’AI può offrire risultati affidabili e realmente utili.
2.3. Sicurezza e protezione dei dati: come gestire i rischi
La tavola rotonda ha inoltre evidenziato i rischi legati all’uso di strumenti di intelligenza artificiale open-source e la necessità di proteggere i dati aziendali sensibili. “È fondamentale proteggere i dati aziendali e fare in modo che non siano accessibili a chiunque,” ha sottolineato Karine Hegbor de Souza.
L’adozione diffusa di strumenti AI pubblici e open-source, come ChatGPT, può infatti esporre involontariamente informazioni riservate, se non adeguatamente regolamentata. Questi strumenti tendono a diffondersi rapidamente all’interno delle aziende, spesso senza un controllo formale, aumentando il rischio di perdita di dati, soprattutto quando sono ospitati in Paesi con standard di protezione meno rigorosi.
Per ridurre questi rischi, gli speaker hanno suggerito alcune azioni concrete. In primo luogo, è essenziale definire policy chiare sull’uso dell’AI e monitorare regolarmente gli accessi a piattaforme esterne. In secondo luogo, è importante formare il personale, affinché comprenda il valore della riservatezza dei dati e le possibili conseguenze della condivisione di informazioni sensibili con strumenti esterni. Infine, le aziende dovrebbero privilegiare soluzioni AI sicure e di livello enterprise, integrate nei software SaaS o nei TMS già in uso, che garantiscono un maggiore controllo e una migliore conformità normativa.
Non si tratta solo di rispettare le normative, ma anche di proteggere il vantaggio competitivo e la fiducia di clienti, partner e stakeholder. Con l’AI sempre più integrata nei processi finanziari, una solida governance dei dati diventerà un requisito imprescindibile.
3. L’AI non sostituisce, migliora: come cambia l’esperienza utente sulle piattaforme SaaS
3.1. Il futuro dei Treasury Management Systems
Una delle domande centrali sul futuro è se gli agenti AI finiranno per sostituire i tradizionali Treasury Management System (TMS) e le piattaforme SaaS. Sebbene alcune voci abbiano previsto “la fine del SaaS”, i relatori della tavola rotonda hanno adottato una visione più cauta. “È molto più probabile che assisteremo a piattaforme SaaS potenziate dall’AI, piuttosto che a una sostituzione rapida da parte degli agenti,” ha affermato Dimitri Letellier.
I provider SaaS attuali, Agicap compresa, stanno già integrando funzionalità AI come la reportistica automatizzata e la rappresentazione dei dati con linguaggio naturale. Questi miglioramenti aumentano l’usabilità e l’efficienza, mantenendo però l’ambiente strutturato necessario per garantire operazioni finanziarie affidabili.
3.2. La supervisione umana resta indispensabile
Anche con l’aumento dell’automazione, il controllo umano resta cruciale. “È fondamentale verificare i dati e le informazioni fornite dall’intelligenza artificiale prima di prendere decisioni,” ha sottolineato Karine Hegbor de Souza. I cambiamenti nelle attività aziendali, l’evoluzione delle strategie e i limiti intrinseci dei modelli probabilistici rendono indispensabile la revisione e la validazione da parte di esperti.
Il rischio di affidarsi troppo all’AI è concreto: “Se ci basiamo esclusivamente sull’intelligenza artificiale o sulle informazioni che ci fornisce, potremmo prendere decisioni del tutto sbagliate,” ha avvertito. Il ruolo del tesoriere continuerà a richiedere giudizio, esperienza e una profonda comprensione del contesto aziendale.
3.3. Tornare a dare priorità alle attività ad alto valore
Automatizzando attività ripetitive come le riconciliazioni bancarie, l’intelligenza artificiale consente ai tesorieri di concentrarsi su attività a maggior valore aggiunto: finanziamenti, negoziazioni con le banche, analisi dei rischi e pianificazione strategica. “Se l’AI riuscisse a gestire i problemi quotidiani, sarebbe davvero utile, perché ci permetterebbe di dedicare più tempo a ciò che conta davvero,” ha commentato Karine Hegbor de Souza.
Questo cambiamento è particolarmente vantaggioso per le medie imprese, dove i team di tesoreria sono spesso ridotti e costretti a gestire più attività contemporaneamente. La padronanza degli strumenti digitali diventa così un elemento distintivo, che consente ai tesorieri di generare un impatto ancora più rilevante all’interno dell’azienda.
Se ti interessa ottimizzare la struttura del tuo team finance per una gestione della liquidità più efficace, che tu stia già utilizzando l’AI o meno, scarica gratuitamente questo e-book:
4. Formazione e competenze: come preparare i collaboratori all’intelligenza artificiale
4.1. Far crescere competenze tecniche e trasversali
Il messaggio emerso con chiarezza dalla tavola rotonda è uno: la formazione continua è indispensabile per evitare che i team finance restino indietro di fronte alla rivoluzione dell’AI. “La chiave è offrire formazione sia sugli aspetti tecnici e sulla gestione del rischio, sia sul business in senso più ampio e sul miglioramento dei processi,” ha spiegato Dimitri Letellier.
L’esperienza dimostra che è spesso più semplice formare i professionisti della finanza d’impresa sulle competenze tecniche, piuttosto che insegnare a un profilo tecnico le complessità del mondo finance. Con l’intelligenza artificiale che rende sempre più accessibile la creazione di workflow e automazioni anche agli utenti business, una solida conoscenza dei processi finanziari e della strategia aziendale resterà il vero elemento distintivo.
4.2. Team interfunzionali e cultura dell’apprendimento continuo
In Longchamp, sono stati creati team interfunzionali per monitorare le innovazioni in ambito AI e garantire che ogni dipartimento sia coinvolto nello sviluppo dei nuovi strumenti. “Quando ho iniziato la mia carriera, saper usare Excel era fondamentale. Oggi, l’AI sta diventando altrettanto ovvia,” ha commentato Karine Hegbor de Souza. Un approccio mentale di questo tipo è particolarmente importante per le aziende di medie dimensioni, dove spesso i tesorieri ricoprono ruoli trasversali.
Promuovendo curiosità, flessibilità e apertura verso le nuove tecnologie, le organizzazioni possono preparare i propri team a cogliere appieno le opportunità offerte dall’intelligenza artificiale.
Conclusioni
La tavola rotonda durante l’Agicap Treasury Day ha offerto una panoramica approfondita sulle sfide e le opportunità che i tesorieri si trovano ad affrontare, mentre l’intelligenza artificiale trasforma la professione. Ecco i principali takeaway:
La collaborazione è fondamentale: Finance, Data e IT devono lavorare insieme per favorire l’innovazione, garantendo al contempo una solida governance dei dati.
La qualità dei dati è alla base di tutto: previsioni affidabili guidate dall’AI richiedono dati storici validati e di alta qualità.
Il futuro è un SaaS potenziato: l’AI non sostituirà le piattaforme esistenti, ma le arricchirà, migliorando efficienza ed esperienza utente.
L’expertise umana resta centrale: l’automazione va affiancata da una supervisione esperta per garantire decisioni corrette.
La formazione continua è indispensabile: i team devono sviluppare sia competenze tecniche sia conoscenze di business per restare competitivi.
Per CFO e tesorieri delle medie imprese, la strada da seguire passa per azioni concrete e graduali: investire nella qualità dei dati, sperimentare casi d’uso dell’AI con un chiaro valore di business e dare priorità alla formazione e alla collaborazione tra funzioni.
L’integrazione dell’intelligenza artificiale nella gestione della tesoreria non è una prospettiva futura: è già in atto. Come ha sintetizzato efficacemente uno dei relatori: “L’AI è l’anti-stress per prendere decisioni con serenità.” Accogliendo questa trasformazione, i responsabili finanziari possono guidare le loro aziende verso una maggiore agilità, resilienza e capacità strategica.
Agicap continua a supportare le aziende di medie dimensioni in questo percorso, offrendo soluzioni che uniscono il meglio dell’expertise umana e dell’innovazione tecnologica.
Guarda la registrazione della tavola rotonda (in francese)
