Intelligenza artificiale e strumenti del controllo
Parliamo con la direzione e con il controllo di gestione, e lavoriamo fianco a fianco con l’IT e con i fornitori dei vostri sistemi. Non rivendiamo software e non siamo una software house: non abbiamo un prodotto da installare. Quando serve scriviamo codice — regole di calcolo, formule, indicatori, algoritmi — e ci occupiamo dell’integrazione dei dati, sempre dentro gli strumenti che l’azienda ha già scelto, o in altri strumenti di mercato che possiamo consigliare quando serve introdurne di nuovi.
Un’architettura collaudata, estesa con l’intelligenza artificiale
Il controllo di gestione gira su più famiglie di strumenti, che conosciamo da vent’anni: le fonti e le data platform in cui il dato si raccoglie, gli strumenti di integrazione che lo trasformano, quelli di reporting, pianificazione e consolidato in cui si legge e si decide. A questi oggi si aggiungono le piattaforme di intelligenza artificiale, che per la prima volta possono lavorare dentro la chiusura, il reporting e gli scenari di simulazione.
Su questa base l’intelligenza artificiale cambia la scala del lavoro. L’azienda conosce i propri dati molto più a fondo, ottiene risposte a domande che prima restavano aperte perché costava troppo porle, e può simulare in poco tempo decine di scenari invece di due o tre. Non è solo velocità: è la possibilità di esplorare di più prima di decidere, e quindi di alzare la qualità del lavoro e dei risultati.
Schema illustrativo. L’architettura si adatta al contesto di ciascuna azienda: si può semplificare fino a un modello costruito interamente in Excel, oppure arricchire fino a integrare più ERP, più data platform in cloud e diversi strumenti di front end. Non è uno schema dell’intelligenza artificiale: è l’insieme degli strumenti con cui i dati si raccolgono, si governano e si leggono, dentro cui gli agenti trovano posto. Ogni agente ha un compito circoscritto e un insieme di skill, cioè istruzioni e controlli che applica sempre allo stesso modo.
Strumenti, piattaforme AI e agenti
Il lavoro si appoggia su strumenti di natura diversa: i sistemi gestionali e le altre fonti, i database e le data platform, gli strumenti di integrazione e i connettori, le applicazioni di reporting, pianificazione e consolidato, e ora le piattaforme di intelligenza artificiale. Nessuno di questi corregge un margine calcolato con criteri incoerenti: più lo strumento è potente, più in fretta propaga l’errore, e l’AI non fa eccezione. Per questo il lavoro sul modello conta oggi più di prima, non meno. L’AI entra nei progetti attraverso gli agenti, sopra un modello già costruito.
La tecnologia
Per ogni famiglia, gli strumenti su cui abbiamo già lavorato in progetti reali e di cui conosciamo pregi e limiti.
Database relazionali e data platform in cloud, strumenti di data integration per estrarre, trasformare e caricare i dati dalle fonti. È la parte che non si vede e da cui dipende tutto il resto: se il dato arriva sbagliato o in ritardo, nessun report lo corregge. Esperienza direttaMicrosoft Fabric · Google Cloud · Oracle Database
Strumenti di business intelligence per report, dashboard e analisi. Lavoriamo su quelli che l’azienda ha già, e sappiamo come si comportano davvero quando i volumi crescono e il modello cambia. Esperienza direttaPower BI · Tableau · Qlik Sense · Looker · MicroStrategy · SAP BusinessObjects
Applicazioni per budget, riprevisione e consolidato di gruppo: la parte del ciclo in cui il margine viene atteso prima di essere misurato, e riconciliato con il bilancio. Esperienza direttaOracle EPM · SAP BPC · Talentia CPM · IBM Planning Analytics · Board
Affiancano gli strumenti, non li sostituiscono. Lavoriamo con i principali provider e scegliamo caso per caso in base a dove stanno i dati e a quali ambienti l’azienda ha già approvato. La piattaforma si può cambiare; il lavoro che ci sta intorno resta. Esperienza direttaClaude · ChatGPT · Gemini
Un agente ha un compito circoscritto: preparare la chiusura, il pacchetto di reporting, simulare uno scenario. Le skill sono le istruzioni e i controlli che l’agente applica, scritti una volta e usati sempre allo stesso modo: è ciò che rende il suo lavoro ripetibile e verificabile. Gli agenti si collegano al modello dati attraverso connettori standard, come il Model Context Protocol: interrogano le misure già definite e certificate, non le tabelle grezze, e rispettano gli stessi permessi di chi li usa.
Perché gli strumenti e l’intelligenza artificiale lavorino bene sul modello, e non soltanto più in fretta.
Nessun dato esce dal vostro perimetro senza una vostra decisione esplicita. Dove possibile l’AI lavora dentro gli ambienti che già usate e che già governate.
Nessuna piattaforma proprietaria e nessuna dipendenza da noi: quello che l’AI produce — codice, controlli, testi — resta leggibile e manutenibile dal vostro team.
Ogni numero e ogni frase prodotti da un agente si possono ricondurre ai dati e alla regola che li hanno generati. Un risultato di cui non si può ricostruire l’origine non si usa.
L’AI prepara, una persona verifica. Nessun numero e nessun commento arriva in direzione senza che qualcuno ne abbia risposto.