L’intelligenza artificiale è rapidamente diventata una priorità strategica per i leader finance in tutti i settori, trainata da promesse di processi più rapidi, insight più accurati e maggiore efficienza operativa. Secondo un recente rapporto KPMG, il 75% delle organizzazioni utilizza ora attivamente l’AI nella funzione finance, con un forte aumento rispetto al solo 30% del 2024.

Eppure, per molti, la prima generazione di strumenti di AI è stata inferiore alle aspettative. Più che trasformare in modo sostanziale il modo in cui operano i team finance, l’AI è rimasta in gran parte confinata alla funzionalità di chatbot: riassume informazioni e offre suggerimenti generici senza comprendere il contesto aziendale più ampio o connettersi ai sistemi in cui il lavoro finanziario avviene realmente. Nonostante l’elevato tasso di adozione, solo il 23% delle organizzazioni afferma che l’AI stia superando le aspettative.

Tuttavia, l’era del chatbot sta volgendo al termine. La prossima generazione di AI nella finanza sarà definita da strumenti dotati del contesto, della connettività ai sistemi e della governance necessari per agire come partecipanti attivi nelle operazioni finanziarie — ciò che il settore più ampio ha iniziato a definire "agentic AI", un cambiamento su cui stanno investendo anche grandi fornitori tecnologici come Google, Microsoft e Salesforce.

L’AI standalone non soddisfa le esigenze della finanza

Per la maggior parte dei team finance, la prima ondata di adozione dell’AI ha significato l’uso di interfacce chat basate su modelli all’avanguardia come ChatGPT e Claude. I dati venivano esportati dagli stack tecnologici esistenti e incollati in un chatbot. Nel frattempo, i fornitori di software correvano ad aggiungere funzionalità AI alle piattaforme legacy, mentre le startup promuovevano esperienze "AI-native".

Modelli come ChatGPT e Claude possono certamente migliorare la produttività per attività come la sintesi di documenti e altre operazioni semplici. Ma questo livello di utilità è ben lontano dalla trasformazione che i leader finance immaginavano quando hanno effettuato i primi investimenti in AI.

Il limite principale dell’AI standalone è che opera al di fuori dei sistemi in cui il lavoro finanziario viene effettivamente svolto. Non può accedere ai workflow di accounts payable (AP), ai registri dei fornitori, ai dati delle fatture o alla cronologia dei pagamenti — cioè alle informazioni che forniscono il contesto critico necessario per raccomandazioni significative. Inoltre, poiché l’AI standalone opera in isolamento rispetto agli altri strumenti dello stack tecnologico finance, non può agire sulle raccomandazioni che genera. Uno strumento può analizzare una discrepanza ma non può indagarla; un altro può raccomandare un’approvazione ma non può instradare la fattura alla persona giusta al momento giusto.

Protocolli aperti come MCP rappresentano la prossima era

I protocolli aperti, come il Model Context Protocol (MCP), stanno iniziando a colmare questo divario. MCP, introdotto da Anthropic alla fine del 2024 come standard open source, fornisce un metodo standardizzato per consentire all’AI di connettersi in modo sicuro ai sistemi in cui si svolge il lavoro finanziario. Invece di funzionare come un chatbot standalone, l’AI abilitata tramite MCP può accedere ai dati pertinenti, comprendere il contesto aziendale ed eseguire azioni approvate in tempo reale.

Si tratta di un cambiamento significativo. Dove l’AI era un tempo limitata a rispondere a domande, i protocolli aperti le consentono di diventare un partecipante attivo nei processi finanziari.

Si consideri uno scenario in cui un fornitore invia una fattura al team AP dell’acquirente e il prezzo non corrisponde all’ordine di acquisto. Uno strumento di AI standalone potrebbe spiegare la discrepanza o suggerire i passi successivi. L’AI connessa tramite un protocollo aperto come MCP, invece, può svolgere un ruolo diretto nell’indagine e nella risoluzione: può individuare l’ordine di acquisto corretto e la cronologia del fornitore, confrontare i prezzi attuali con le fatture precedenti, identificare la probabile causa della discrepanza, inoltrare la fattura all’approvatore appropriato, notificare gli stakeholder rilevanti e registrare la risoluzione — tutto all’interno delle autorizzazioni, delle policy di approvazione e dei workflow stabiliti dall’organizzazione. L’impegno manuale diminuisce, ma il team mantiene il pieno controllo.

L’impatto è particolarmente evidente nella finanza e nell’AP

Ogni giorno, i team finance generano e gestiscono enormi volumi di dati operativi — fatture, ordini di acquisto, registri dei fornitori, cronologie dei pagamenti, contratti e workflow di approvazione. Insieme, questi dati possono fornire all’AI il contesto necessario per prendere decisioni migliori e intraprendere azioni di valore. Tuttavia, nella maggior parte delle organizzazioni, i dati finanziari sono distribuiti su sistemi disconnessi e soggetti a controlli rigorosi.

I protocolli aperti come MCP forniscono la struttura necessaria affinché l’AI si connetta ai dati finanziari in modo sicuro. I team non devono più trasferire manualmente i dati tra strumenti disconnessi, perché l’AI può accedere alle informazioni giuste al momento giusto, restando entro i confini delle autorizzazioni, delle policy di approvazione e dei requisiti di audit esistenti. Di conseguenza, la finanza può risparmiare tempo e procedere più rapidamente, mantenendo al contempo sicurezza e controllo.

Sebbene i protocolli aperti possano avere un impatto significativo su tutte le funzioni aziendali, l’effetto è particolarmente evidente negli accounts payable, dove la mancanza di contesto porta spesso a pagamenti tardivi ai fornitori, frodi non individuate e spese eccessive. Ad esempio, la risoluzione di una discrepanza in una fattura può richiedere di trovare l’ordine di acquisto corretto, verificare i prezzi storici, confermare che la merce sia stata effettivamente ricevuta e identificare l’approvatore appropriato. Oppure, la gestione di una disputa con un fornitore può implicare la ricerca tra innumerevoli email, registri di pagamento e documentazione di supporto. Tutte queste attività richiedono tempo e una risoluzione lenta può comportare un rischio reale per il business.

Con protocolli aperti come MCP, indagini che in precedenza richiedevano un notevole lavoro manuale possono spesso essere completate in pochi minuti. I problemi vengono risolti più rapidamente e i team hanno più tempo da dedicare ad attività di maggior valore.

Con i protocolli aperti in atto, l’AI evolve da funzionalità di produttività “nice-to-have” a infrastruttura finance di base. L’organizzazione è in grado di prendere decisioni migliori e più tempestive che fanno avanzare il business, senza sacrificare accuratezza, governance o controllo.

I protocolli aperti introducono governance dove prima non c’era

Man mano che l’AI si integra sempre più nelle operazioni aziendali, molti leader finance restano cauti. La sicurezza è spesso la preoccupazione principale, e a ragione. I sistemi finanziari contengono informazioni altamente sensibili e i leader devono assicurarsi che qualsiasi tecnologia che tocchi tali dati rispetti i più elevati standard di sicurezza.

Fortunatamente, i protocolli aperti non significano accesso indiscriminato ai sistemi finanziari. Anzi, è vero l’opposto. Protocolli come MCP stabiliscono connessioni sicure basate sui ruoli tra AI e sistemi finance che rispettano le autorizzazioni utente esistenti, le policy di approvazione e i requisiti di audit. Ogni interazione può essere delimitata, monitorata e registrata.

In effetti, questo approccio è spesso molto più sicuro di ciò che accade attualmente in molte organizzazioni. Oggi, i dipendenti spesso inseriscono fatture, contratti o altri dati finanziari sensibili in strumenti AI pubblici. Questi flussi di lavoro informali non sono adeguatamente governati e, quando i dipendenti li utilizzano, aprono la porta a rischi di sicurezza e conformità.

I protocolli aperti offrono un’alternativa più sicura. Invece di aggirare i sistemi esistenti, le organizzazioni possono fornire all’AI un accesso sicuro e verificabile alle informazioni corrette, mantenendo la governance, la responsabilità e il controllo richiesti dai team finance.

Cosa accadrà alla finance AI

L’era del chatbot nell’AI per la finanza sta lasciando spazio a una nuova generazione in cui i protocolli aperti forniscono all’AI il contesto e la connettività necessari per creare vero valore per il business. I team finance che adottano questo approccio in anticipo vedranno significativi guadagni di efficienza, oltre a un vantaggio competitivo duraturo che continuerà a crescere.

Più a lungo questi protocolli restano in vigore, più contesto l’AI ha da cui apprendere. Di conseguenza, la sua capacità di semplificare le attività di routine, mettere in evidenza insight e supportare il processo decisionale continua a migliorare. Le organizzazioni che ritardano l’adozione troveranno difficile recuperare rispetto ai primi adottanti.

Allo stesso tempo, i protocolli aperti stanno cambiando il ruolo della finanza. Quando le organizzazioni dispongono di un sistema operativo finanziario in grado di gestire il lavoro di routine in background, i team hanno più tempo da dedicare ad attività a maggior valore, all’analisi e alle decisioni che richiedono davvero l’intervento umano.

Il sistema operativo finanziario non è definito da un singolo strumento o piattaforma. È la direzione verso cui si sta muovendo il settore, in cui l’AI ha il contesto, la connettività e la governance necessari per diventare un partecipante attivo nelle operazioni finanziarie quotidiane.

Informazioni su Ottimate

Ottimate è una piattaforma di automazione degli Accounts Payable basata su AI che consente ai team finance di ridurre i costi, prevenire i sovrapagamenti, rilevare le frodi e far rispettare la conformità alle policy lungo l’intero ciclo di vita dalla fattura al pagamento.

Scopri altri Fintech Insights : The AI Shift in Fraud: Why Banks Need a New Playbook

[To share your insights with us, please write to psen@itechseries.com ]