sponsored story

AI nelle decisioni finanziarie: la sfida della fiducia e della responsabilità


Indirizzo copiato

L’AI è una realtà nelle divisioni finanziarie, ma poche organizzazioni si fidano al punto da affidarle decisioni senza supervisione. Vediamo cosa ostacola la fiducia e come i CFO possono costruirla attraverso un modello di Governance by Design 

Pubblicato il 20 nov 2026

Emanuele Villa

Giornalista Nextwork360



Riassumi questo articolo
Approfondisci con altre fonti
pianificazione basata sui dati
business analytics



Nessuno si stupisce che l’AI stia assumendo un ruolo importante nelle divisioni amministrativo-finanziarie. Lo conferma il Global Finance AI Trust Index 2026 di Esker, secondo cui il 32% delle organizzazioni utilizza l’AI per formulare raccomandazioni e un ulteriore 29% le consente di eseguire operazioni previa approvazione umana.

Il dato sull’adozione non è il più interessante. La stessa ricerca, infatti, evidenzia come soltanto l’8% delle organizzazioni consenta all’AI di eseguire autonomamente la maggior parte delle decisioni finanziarie (entro limiti prestabiliti), e appena il 14% dichiari piena fiducia nelle raccomandazioni AI-generated.

Emerge così un tema chiave non solo per la divisione finanziaria e il CFO, ma per tutta l’azienda: quanto ci si può fidare dell’AI ed entro quali limiti le si può dare autonomia nelle decisioni finanziarie?

I confini dell’autonomia: quali decisioni affidare all’AI?

Ogni giorno, i professionisti dell’area Finance prendono decisioni che vanno dall’approvazione delle fatture alla pianificazione degli investimenti e all’allocazione dei budget, influenzando non soltanto l’efficienza operativa e i costi, ma anche le prospettive di crescita e la competitività dell’azienda.

L’AI può intervenire in tutti questi ambiti, ma dove è opportuno fermarsi? La risposta banale sarebbe tracciare un confine tra decisioni operative e quelle strategiche, ma la realtà è molto più sfumata.

La ricerca Esker offre indicazioni interessanti. Da un lato troviamo un 61% di intervistati favorevole all’approvazione autonoma delle fatture e un 52% che vede di buon occhio la pianificazione AI-driven dei pagamenti entro condizioni definite; dall’altro, il 78% dei CFO ritiene che l’AI non debba decidere gli obiettivi di fatturato e il 74% si oppone alla sua autonomia nell’assegnazione di personale e budget per le assunzioni.

Non esiste un confine universalmente valido tra ciò che può essere affidato all’AI e quello che, al contrario, richiede sempre un professionista. Bisogna modulare l’autonomia dell’AI in funzione della natura, del rischio e dell’impatto delle decisioni. Il punto interessante è che l’AI può già entrare in tutti i processi decisionali, anche i più strategici, ma con ruoli diversi: nei processi rule-based può operare autonomamente, ma quando entrano in gioco valutazioni relative a rischio e contesto, dovrebbe proporre ed eseguire decisioni solo previa approvazione umana. Nelle scelte strategiche, il suo contributo c’è ma rimane prevalentemente analitico, lasciando al CFO la responsabilità della scelta.

La mancanza di Trust dipende anche da dati e integrazione

Quanto detto finora è puro buon senso: nessuno mette in discussione il potenziale dell’AI, ma sulla fiducia c’è ancora da lavorare. La supervisione umana è un punto di equilibrio tra la volontà di ampliare il ruolo dell’AI e la necessità di garantire controllo e una chiara attribuzione delle responsabilità.

Ma cosa impedisce di dare più fiducia ai sistemi intelligenti? Si parla sempre di limitata trasparenza dei modelli, di scarsa affidabilità delle risposte e di questioni di compliance, soprattutto in materia di protezione dei dati e controllo degli accessi.

La ricerca Esker aggiunge altri elementi con cui i CFO e i CIO hanno sistematicamente a che fare: la scarsa fiducia nella qualità dei dati e l’insufficiente integrazione tra sistemi e strumenti AI, oltre alle onnipresenti preoccupazioni normative e di compliance.

Se il primo problema richiama il notissimo principio del garbage in, garbage out, il secondo è molto meno scontato. Nelle organizzazioni complesse, infatti, i dati finanziari risiedono in sistemi eterogenei, sviluppati in epoche diverse e non sempre adeguatamente integrati. Garantire all’AI un accesso tempestivo a informazioni coerenti e sempre aggiornate richiede un lavoro architetturale tutt’altro che banale.

Il nodo della responsabilità delle decisioni dell’AI

La fiducia nell’AI si scontra anche con il tema della responsabilità. Per rimanere all’interno dell’area Finance, se un agente AI autorizza un’operazione sulla base di informazioni errate, la responsabilità ricade sull’azienda che utilizza il sistema, su chi è incaricato della supervisione, sul fornitore della soluzione, sull’integratore o su chi ha sviluppato il modello sottostante?

Il problema è che, nell’attuale quadro normativo, individuare il soggetto o i soggetti responsabili può essere molto complesso proprio perché le responsabilità coinvolgono diversi attori, ciascuno con obblighi differenti. Anche quando è previsto un supervisore umano, la sua presenza non esclude eventuali responsabilità di altri soggetti coinvolti nella catena tecnologica e decisionale.

Il quadro normativo sta cercando di affrontare questa complessità. In Europa, l’AI Act introduce obblighi differenziati per fornitori e utilizzatori dei sistemi AI, mentre la nuova direttiva sulla responsabilità per prodotti difettosi (2024/2853) estende la disciplina anche al software e all’AI. Non esiste, tuttavia, una regola universale che semplifichi l’attribuzione della responsabilità di una decisione errata, e questa complessità rappresenta un ulteriore ostacolo alla fiducia, soprattutto quando l’AI acquisisce maggiore autonomia.

Come costruire la fiducia nell’AI: le priorità per i CFO

Fidarsi dell’intelligenza artificiale non può dipendere dall’evoluzione dei modelli sottostanti perché significherebbe rinviare a tempo indefinito l’adozione di soluzioni AI. Al contrario, la fiducia deve essere costruita attraverso un percorso che affronti le criticità tecniche, di controllo e responsabilità che ancora ne limitano l’utilizzo.

Esker individua alcune priorità concrete per i CFO e le direzioni Finance:

  • Partire da casi d’uso ben definiti, privilegiando processi caratterizzati da regole chiare, rischi gestibili e risultati verificabili. Per ciascuno vanno stabiliti i livelli di autonomia concessi all’AI e le condizioni che richiedono l’intervento umano. 
  • Garantire qualità dei dati e integrazione dei sistemi, come detto precedentemente.
  • Misurare sempre i risultati, non limitandosi al risparmio di tempo. Occorre valutare il contributo dell’AI rispetto a indicatori finanziari concreti, come il capitale circolante, l’efficienza operativa e il ROI dei progetti.  

Queste iniziative vanno inserite in un quadro più ampio di AI governance, che definisca regole relative alla sicurezza, alla gestione dei dati, alla trasparenza, alla conformità normativa e, appunto, all’attribuzione delle responsabilità. A tal proposito, un tema sempre più rilevante è quello della prevenzione dello Shadow AI, ovvero l’utilizzo di strumenti non autorizzati, che può sottrarre al controllo aziendale dati sensibili oltre a rendere difficoltoso il calcolo del ROI dei progetti.

L’obiettivo è concretizzare il principio della Governance by Design, incorporando regole e controlli direttamente nelle tecnologie e nei processi finanziari, così da sfruttare il potenziale dell’AI in modo sicuro e sostenibile. Questo significa adottare soluzioni che utilizzino dati aziendali affidabili, garantiscano la tracciabilità delle operazioni attraverso audit trail e integrino nativamente meccanismi di supervisione umana, secondo criteri e livelli di autonomia definiti dall’azienda. Il controllo, in altri termini, diventa parte integrante del funzionamento dei sistemi AI.

La piattaforma Esker è un esempio concreto di questo approccio. Attraverso una suite che copre i processi core aziendali Source-to-Pay e Order-to-Cash, la piattaforma integra funzionalità ed agenti AI nei workflow finanziari, anziché introdurre strumenti isolati dal contesto operativo. L’integrazione con i sistemi aziendali, la gestione dei flussi autorizzativi, la tracciabilità delle operazioni e i meccanismi di supervisione umana built-in consentono di applicare nativamente le regole di governance modulando automazione e controllo in funzione delle esigenze di ogni struttura.  

Articolo realizzato in collaborazione con Esker 

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x