Fare leva sull’AI per potenziare il lavoro dei team Finance
I principali spunti emersi durante il webinar Agicap “Come scrivere prompt efficaci per la finanza d’impresa”
Introduzione
In un panorama finanziario in rapida evoluzione, l’integrazione dell’intelligenza artificiale (AI) nelle funzioni finance non è più una prospettiva futura, ma una realtà concreta. È stato questo il tema centrale di un recente webinar Agicap, dedicato a mostrare come l’AI – e in particolare il prompt engineering – possa trasformare le attività quotidiane di CFO e tesorieri nelle PMI e nelle medie imprese.
Al centro del webinar due professioniste d’eccezione: Anne-Claire Chanvin, CFO part-time e fondatrice di Finup 360, e Kelly Roussel, AI engineer nel team innovazione di Agicap. Con oltre 10 anni di esperienza in ambito finance – maturata anche in realtà come PwC e L’Oréal – Anne-Claire oggi affianca le aziende nella gestione finanziaria e nella formazione sull’uso dell’intelligenza artificiale. Kelly Roussel lavora all’interno del Lab di Agicap, dove si occupa di AI generativa e del suo impatto concreto sulle soluzioni dell’azienda, con l’obiettivo di portare sempre più valore ai team finance.
In questo articolo trovi una sintesi dei principali spunti emersi dal webinar: dalle best practice per scrivere prompt efficaci, alle considerazioni sulla sicurezza, fino ai casi d’uso concreti e alle ultime innovazioni degli strumenti finanziari basati sull’intelligenza artificiale.
1.Come scrivere prompt efficaci nel mondo finance
1.1. L’importanza di una scrittura strutturata dei prompt per superare le difficoltà più comuni
Uno dei temi centrali del webinar è stato il ruolo fondamentale dei prompt ben strutturati per sfruttare al meglio il potenziale dell’AI. Anne-Claire Chanvin ha sottolineato che “tutti possono scrivere un prompt, ma esiste un metodo da seguire per ottenere risultati validi”. Ha quindi presentato il metodo SCRIPT — Situation, Context, Role, Instruction, Precision, Tone — come struttura pratica per scrivere prompt davvero efficaci.
Dalla chat interattiva del webinar è emerso che molte figure finance incontrano difficoltà nell’uso degli strumenti di AI. Uno dei temi più discussi è stato il dubbio sull’affidabilità degli output, ma un’altra criticità ricorrente riguarda la difficoltà nel tradurre esigenze complesse e specifiche del mondo finance in prompt comprensibili per l’AI. Molti professionisti faticano infatti a formulare richieste in modo che portino a risultati concreti.
Il metodo SCRIPT risponde proprio a questa esigenza: suddividendo il prompt in elementi chiari e dettagliati, aiuta i team finance a colmare il divario tra la propria expertise e le capacità dell’intelligenza artificiale. Ad esempio, se si chiede all’AI di individuare i rischi finanziari legati a una crescita rapida, è fondamentale specificare il contesto (come il modello di business e i KPI rilevanti), dare istruzioni chiare (es. “elenca cinque rischi principali”) e indicare il formato di output desiderato. Questo approccio permette di ottenere risposte utili, contestualizzate e immediatamente utilizzabili, proprio come se si stesse dando un brief a un nuovo collega.
Un altro ostacolo frequente è l’incertezza su quali attività siano adatte all’automazione tramite AI. Il consiglio emerso durante il webinar è di partire dai cosiddetti “quick win”: attività manuali, ripetitive, soggette a errori e facilmente automatizzabili. Alcuni esempi? Riassumere documenti, scrivere email standard o generare report ricorrenti. Iniziare da questi casi d’uso a basso rischio permette di prendere confidenza con lo strumento, per poi passare gradualmente ad analisi più complesse e ad attività strategiche man mano che cresce l’esperienza.
1.2. Iterazione e miglioramento continuo
Uno degli spunti principali emersi è che il prompt engineering è un processo iterativo. Come ha osservato Anne-Claire Chanvin, “avere un buon prompt non basta: è necessario iterare”. Proprio come si affinerebbero le istruzioni date a un nuovo collega, anche i prompt vanno testati, rivisti e adattati in base agli output dell’AI. Tecniche più avanzate, come suddividere domande complesse in sotto-domande (chain-of-thought prompting) o invitare l’AI a valutare criticamente le proprie risposte, possono aumentare ulteriormente la precisione e la pertinenza dei risultati.
1.3. Esempi pratici
Durante la sessione non sono mancati esempi concreti, utili a mostrare l’accuratezza degli output generati dall’AI.
Il primo caso trattava un’esigenza quotidiana per qualsiasi team finance: la comunicazione interna. Con un prompt ben strutturato, è stato chiesto all’AI di scrivere un’email rivolta al team Finance per annunciare la migrazione alla soluzione per la gestione della tesoreria di Agicap. Indicando chiaramente il ruolo (“Head of Finance”), il contesto (un team di 15 persone, tra cui due tesorieri), l’istruzione (scrivere un’email informativa ma dal tono caloroso) e i dettagli richiesti (evidenziare i principali vantaggi e annunciare una sessione demo), l’AI ha generato un messaggio professionale, chiaro e perfettamente tarato sulla situazione specifica del team. Un esempio concreto di come l’AI possa far risparmiare tempo nella comunicazione di routine, garantendo al contempo coerenza e chiarezza.
Un secondo caso d’uso ha mostrato come sintetizzare documenti normativi complessi. I relatori hanno dimostrato come, partendo da un prompt ben formulato, l’AI possa riassumere uno standard IFRS di 30 pagine in 5 obiettivi chiave, utilizzando un linguaggio tecnico adatto a un chief accountant. È stato inoltre chiesto all’AI di produrre una tabella comparativa tra la vecchia e la nuova normativa, a riprova della capacità dello strumento di elaborare e riformattare grandi volumi di informazioni in insight pratici. Una funzionalità preziosa per i team finance, spesso chiamati a interpretare normative in continua evoluzione e a comunicarne le implicazioni in modo efficace all’interno dell’azienda.
2.Garantire sicurezza e riservatezza dei dati
2.1. Comprendere i rischi
Quando si integra l’AI nei processi finance, la sicurezza e la riservatezza dei dati sono prioritarie. Le relatrici hanno affrontato i principali rischi legati ai modelli di AI generativa: errori, allucinazioni e potenziali fughe di dati. Come ha sottolineato Anne-Claire Chanvin, “è importante mantenere sempre un controllo umano e un sano scetticismo, esattamente come si farebbe con un nuovo collaboratore”.
Durante il webinar sono state condivise alcune best practice fondamentali per proteggere i dati finanziari sensibili:
utilizzare strumenti di AI a livello enterprise (es. Copilot in ambiente Microsoft o Gemini in ambiente Google), che rispettano gli standard aziendali di protezione dei dati
disattivare l’opzione di training sui dati inseriti, soprattutto quando si usano strumenti AI non enterprise
anonimizzare i dati ogni volta che è possibile, in particolare con tool gratuiti o esterni
evitare di condividere informazioni riservate e preferire esempi generici per attività di brainstorming o automazione
definire e comunicare una policy interna chiara sull’uso dell’AI, assicurandosi che tutto il team la conosca e la applichi correttamente.
2.2. Il ruolo del controllo umano
Nonostante i progressi dell’AI, il controllo umano resta fondamentale. I professionisti della finanza d’impresa devono sempre validare gli output generati, soprattutto quando si tratta di decisioni regolamentate o ad alto impatto. Questo approccio combinato – sfruttare l’AI per l’efficienza, mantenendo un controllo rigoroso da parte delle persone – è la chiave per coniugare innovazione e conformità.
Innanzitutto, il controllo umano è un presidio contro errori e “allucinazioni”, ovvero quei casi in cui l’AI genera risposte plausibili ma errate o fuorvianti. Anche con prompt ben strutturati e modelli evoluti, l’AI può fraintendere il contesto, ignorare sfumature importanti o applicare logiche non in linea con le policy aziendali o i requisiti normativi. Il controllo di una persona esperta garantisce che i risultati non siano solo tecnicamente corretti, ma anche pertinenti rispetto alla situazione specifica e coerenti con gli obiettivi aziendali.
In secondo luogo, la validazione umana è essenziale per garantire compliance e tracciabilità. Attività come la redazione di bilanci, la reportistica regolamentare o il controllo interno richiedono un livello di verifica e documentazione che l’AI, da sola, non può assicurare. Verificando in modo sistematico le analisi, i report o le raccomandazioni generate dall’AI, i team finance possono assicurarsi che ogni output rispetti gli standard interni e le normative esterne, riducendo il rischio di non conformità o danni reputazionali.
Infine, il controllo umano è anche leva di miglioramento continuo. Analizzando i punti deboli degli output dell’AI o dove questi richiedono correzioni, i professionisti possono affinare i prompt, fornire un contesto più preciso e migliorare la propria capacità di usare l’AI in modo efficace. Questo processo iterativo non solo aumenta la qualità dei risultati, ma contribuisce anche a costruire competenza e fiducia nell’utilizzo degli strumenti di intelligenza artificiale all’interno dell’azienda.
3.Casi d’uso concreti dell’AI nel mondo Finance
3.1. Comunicazione e documentazione
L’AI può migliorare sensibilmente la comunicazione all’interno dei team finance. Tra i casi d’uso più diffusi: redazione di memo, procedure e report, risposta alle email, traduzione di documenti, sintesi di contratti complessi. Strumenti come Copilot e Gemini permettono di automatizzare queste attività, liberando tempo prezioso da dedicare a compiti a maggior valore aggiunto.
3.2. Analisi e decisioni strategiche
L’intelligenza artificiale è un valido supporto anche per l’analisi avanzata e la pianificazione strategica: può affiancare i team nel valutare investimenti, costruire scenari finanziari, confrontare opzioni come leasing vs acquisto, identificare opportunità di crescita o definire piani di finanziamento per nuovi progetti. Un’evoluzione promettente in questo ambito è l’integrazione del codice Python in Excel per analisi e simulazioni.
3.3. Formazione, supporto e automazione dei processi
L’AI può funzionare come un vero assistente virtuale, utile nella formazione e nel supporto operativo: può guidare l’utente nell’utilizzo di software complessi, supportare l’apprendimento linguistico per interazioni internazionali o aiutare a ottimizzare processi quotidiani. Alcuni esempi concreti: creazione di alert su file Excel, ottimizzazione dei follow-up con i clienti, generazione di slide per il CdA o creazione di checklist per la chiusura mensile e gli audit.
3.4. Reporting e dashboard potenziati
Kelly Roussel, AI engineer in Agicap, ha presentato le ultime funzionalità di dashboard arricchite con AI all’interno della piattaforma. “L’idea è rendere più potente il nostro modulo dashboard, permettendo agli utenti di creare grafici e tabelle direttamente con il linguaggio naturale,” ha spiegato. Una novità che consente ai team finance di generare report personalizzati e visualizzazioni su misura in pochi secondi, con l’assistente AI che accede ai dati rilevanti ed esegue anche calcoli complessi in tempo reale.
Conclusioni
Il webinar di Agicap ha offerto una panoramica completa su come integrare l’intelligenza artificiale nelle funzioni finance in modo efficace e sicuro. Tra i principali spunti emersi:
l’importanza di prompt strutturati e ricchi di contesto per ottenere risultati pertinenti
la necessità di un approccio iterativo e del controllo umano
le best practice per garantire sicurezza e riservatezza dei dati
un’ampia gamma di casi d’uso concreti: dalla comunicazione interna all’analisi avanzata e all’automazione
l’impegno di Agicap nell’innovazione, con nuove funzionalità AI a supporto della gestione finanziaria
Le figure finance sono invitate a:
rivedere e aggiornare le policy interne sull’uso dell’AI
formare i team su prompt engineering e protezione dei dati
sperimentare strumenti basati su AI per attività operative e strategiche
L’integrazione dell’intelligenza artificiale nella funzione Finance non è solo un aggiornamento tecnologico: è una scelta strategica per le medie imprese che vogliono restare competitive e reattive. Come dimostrato durante il webinar di Agicap, un approccio corretto al prompt engineering, alla sicurezza e all’applicazione concreta dell’AI può generare un valore significativo per i team finance.
Come hanno sottolineato anche i CFO durante la tavola rotonda “Tesoreria 2030: come l’intelligenza artificiale sta trasformando il ruolo del tesoriere” organizzata da Agicap, saper dialogare con l’AI è ormai una competenza fondamentale per chi lavora in ambito finanziario, al pari della padronanza di Excel.
Scopri le soluzioni Agicap basate sull’intelligenza artificiale e resta al passo con l’evoluzione della gestione finanziaria.
E come ricordato durante il webinar: “È un tema in continua evoluzione… ciò che abbiamo presentato oggi potrebbe essere completamente diverso tra sei mesi.”
Guarda il replay del webinar (in francese).
