L’AI sta cambiando il modo in cui i team Finance misurano il ROI, spostando l’attenzione dalla spesa all’adozione, alla trasformazione e all’impatto sul business nel lungo periodo.
Il Finance è costretto a rivedere uno dei suoi presupposti più consolidati: che il valore di un investimento possa essere misurato con un unico business case. Questo approccio ha funzionato per decenni. Ma potrebbe non funzionare per l’AI.
Nel podcast The CFO Playbook, Riccardo Calliano, responsabile Finance degli investimenti GenAI per l’area commerciale di GSK, sostiene che il modo in cui il Finance misura tradizionalmente il ritorno degli investimenti non possa funziona per l’AI, perché mette in discussione l’unico dato su cui quasi tutti i team Finance costruiscono i propri modelli.
L’assunto alla base di ogni business case
Quando si acquista qualcosa, si confronta il suo costo con il potenziale risparmio e il rapporto tra le due grandezze indica se procedere o meno. È il classico calcolo relativo al periodo di rientro dell’investimento: semplice, difendibile e applicabile allo stesso modo a una fotocopiatrice, a una migrazione ERP o a innumerevoli altri investimenti. Per anni questo tipo di analisi ha rappresentato la base di ogni business case.
L’assunto è che ciò che il bene acquistato sia completo al momento stesso dell’acquisto. Svolgerà lo stesso lavoro oggi come dopo due anni, quindi una singola osseravzione dello stato delle cose è sufficiente per sapere tutto ciò che serve.
Con l’AI è diverso.
I sistemi di AI migliorano grazie a nuovi modelli, dati più accurati e al modo in cui le persone imparano a utilizzarli. Questo significa che la funzionalità approvata dal Finance sei mesi prima può raramente coincidere con quella che si sta considerando sei mesi dopo.
Se si misura qualcosa che continua a evolversi, i risultati possono essere fuorvianti. Nel valutare un investimento in AI nei primi trimestri – prima che la tecnologia sia matura e le persone abbiano adattato il proprio modo di lavorare – il ritorno potrebbe non riflettere il valore che quell’investimento sarà in grado di generare nel tempo.
L’AI introduce anche una nuova sfida in termini di visibilità. Il Finance non sta più valutando un’attività con caratteristiche immutabili. A differenza del software tradizionale, l’AI viene spesso adottata gradualmente nei diversi team e il valore si costruisce attraverso l’apprendimento e il modo in cui le persone la integrano nel proprio lavoro.
Capire chi utilizza l’AI, con quale frequenza e se sta davvero cambiando il modo di lavorare diventa importante quanto sapere cosa è stato acquistato.
L’adozione è il momento in cui emerge il valore
Monica Proothi, alla guida della Global Finance Transformation di IBM Consulting, sostiene che la parte più difficile dell’AI non sia mai stata la tecnologia, bensì quello che lei definisce stickiness, “adesione” in italiano, ovvero la capacità di fare sì che “l’AI diventi parte si integri con le persone e ne potenzi il lavoro nel quotidiano”. È questo l’elemento che distingue gli investimenti che producono risultati da quelli che non ne producono.
Secondo Monica, la stickiness non dipende dalla fortuna né è un problema che tocca risolvere al fornitore della tecnologia. Le aziende devono mettere ordine nei propri dati, definire una governance per l’AI e investire nella formazione. L’AI dovrebbe rappresentare il modo più semplice per portare a termine un compito, non un ulteriore carico cognitivo.
Sia Monica sia Riccardo ritengono che il vero valore emerga quando l’investimento viene realmente integrato nei processi aziendali. Questo rende l’AI una sfida tanto umana quanto tecnologica.
Per il Finance è importante allo stesso modo capire perché nessuno utilizza l’AI, e quanto stia costando all’azienda.
Questa riflessione riflette un cambiamento più ampio del ruolo del Finance. Come afferma Riccardo: “I CFO e i reparti Finance devono iniziare a considerarsi non solo come custodi del valore, ma anche come promotori della trasformazione e dell’innovazione.”
Questo significa andare oltre la spesa pura e semplice per comprendere se e dove l’adozione dell’AI sta rallentando e aiutare l’azienda a intervenire prima che il valore potenziale venga perso.
Questa sfida emerge anche dalla ricerca sulla Produttività aziendale di Soldo: sebbene i dipendenti riconoscano il potenziale dell’AI, il 58% afferma che i tool di intelligenza artificiale sono difficili da utilizzare e il 57% non comprende in che modo dovrebbero aiutarli a migliorare il proprio lavoro.
L’adozione non avviene in automatico: le organizzazioni hanno bisogno dei processi giusti e della visibilità necessaria a utilizzare la tecnologia per prendere migliori decisioni.
La governance conta ancora
Tutto questo non significa che il Finance debba allentare i controlli. Significa però che il tipo di controllo di cui ha bisogno oggi è diverso da quello a cui era abituato.
La spesa per i tool AI raramente deriva da un unico contratto aziendale. Più spesso cresce gradualmente nei diversi reparti, attraverso abbonamenti acquistati con carte aziendali. Questo complica la risposta a una domanda molto semplice: “quanto stiamo spendendo e qualcuno sta davvero utilizzando questi strumenti?”
La governance rimane fondamentale. Ma il suo focus sta cambiando. Il Finance deve capire dove l’AI viene adottata prima della chiusura di fine mese, non limitarsi a verificare se la spesa è rimasta entro il budget.
E i ricavi?
La domanda che molti CFO si pongono è semplice: “se stiamo investendo di più nell’AI, perché i ricavi non stanno aumentando?”
Secondo Riccardo, il problema raramente è la tecnologia. L’AI può creare capacità operativa aggiuntiva. Riuscire a trasformarla in crescita dipende dalle decisioni che l’azienda prenderà successivamente, proprio con l’aiuto del Finance.
Per i responsabili Finance, dimostrare che l’AI funziona non significa solo misurare quanto è costato.
Significa capire se l’organizzazione la sta adottando in modo efficace e quali cambiamenti deve affrontare in modo da assicurarsi che l’investimento porti risultati concreti.
