La resilienza finanziaria riguarda la capacità di un'organizzazione di assorbire shock senza che l'ambizione si arresti: fluttuazioni nel fatturato, costi imprevisti, ritardi in progetti che costano denaro prima di generarne. Come dimensione di prontezza nel test di ambizione, la resilienza finanziaria misura qualcosa di specifico: se la funzione finanziaria è in grado di individuare e sostenere in tempo gli scenari che accompagnano un'ambizione basata sull'AI.
Questo è diverso da un bilancio sano. Un'ambizione che presuppone lavoro basato sull'AI cambia lo schema dei costi: meno costi di lavoro variabili in alcuni processi, più investimenti in tecnologia e supervisione, e un ritmo diverso di uscite anticipate rispetto a benefici successivi. La resilienza finanziaria come capability significa che l'organizzazione è in grado di calcolare, monitorare e adeguare questo schema prima che diventi un problema, invece che dopo.
In alcune parti della gestione operativa questa è già pratica corrente. Cicli di reportistica, riconciliazioni, previsioni di flusso di cassa basate su schemi storici: sono compiti in cui l'AI può gestire la maggior parte del lavoro di calcolo, con un controller che approva o respinge il risultato motivandolo. In altre parti della funzione finanziaria la situazione è diversa. La pianificazione di scenari in condizioni di incertezza strategica, il bilanciamento tra spazio di investimento e rischio, il dialogo con la banca o il consiglio di sorveglianza sulla resilienza in caso di difficoltà: questo resta lavoro umano, perché richiede un giudizio che non deriva da dati storici.
La differenza tra le aziende che già organizzano le cose così e quelle che non lo fanno non sta nella disponibilità di strumenti. Sta nel fatto che i dati e i processi sottostanti siano già strutturati in modo tale che un sistema possa farne qualcosa di affidabile. Un'organizzazione dove le cifre provengono da fogli di calcolo sparsi e dove le chiusure si basano su conoscenze individuali può avere la stessa ambizione di un'organizzazione con un'amministrazione finanziaria costantemente aggiornata, ma la prontezza a far effettivamente attecchire il lavoro basato sull'AI è fondamentalmente diversa.
La differenza percepibile non sta nel bilancio annuale. Sta nella velocità con cui una direzione può rispondere a una domanda. Con una prontezza bassa, ci vogliono giorni per sapere cosa significa un mese negativo per il resto dell'anno, perché le cifre devono essere raccolte e interpretate da persone che devono liberare tempo per farlo. Con una prontezza più alta, quella risposta arriva più rapidamente, perché parte della raccolta e della sintesi è già stata spostata e il tempo umano residuo va al giudizio invece che al calcolo.
Questo non risparmia solo tempo. Cambia anche ciò che viene richiesto alla funzione finanziaria. Le ore che prima andavano alla compilazione di rapporti si liberano per la loro valutazione. Se quella capacità liberata viene impiegata per più scenari, per intervenire prima in caso di deviazioni, o per qualcos'altro, è una scelta che spetta all'organizzazione stessa.
La prontezza su questa dimensione dipende da alcuni elementi difficili da nascondere. I dati finanziari si trovano in un luogo dove un sistema può leggerli in modo coerente, oppure sono sparsi in file con convenzioni proprie. Le ipotesi dietro una previsione sono rese esplicite, oppure risiedono nella testa di un solo controller. Esiste un processo definito per ciò che accade quando uno scenario supera una determinata soglia, oppure questo viene reinventato ogni volta.
Questo riguarda anche il modo in cui vengono prese le decisioni: chi può approvare un investimento sulla base di una previsione generata dall'AI, e quando un essere umano deve assumere esplicitamente quel giudizio. È una questione di diritti decisionali, non solo di tecnologia, e va quindi trattata come tale. Come strategia e governance si rapportano all'assunzione da parte dell'AI del lavoro decisionale è, sotto questo aspetto, una questione adiacente, e la risposta a essa determina in parte se la resilienza finanziaria come dimensione può stare da sola o attende invece altre capability.
Se la raccolta e la sintesi dei dati finanziari finiscono in gran parte all'AI, cambia il profilo di ciò che viene richiesto alla funzione finanziaria. C'è meno bisogno di elaborazione manuale, e più bisogno di persone che sappiano quando un risultato non è corretto e perché. È uno spostamento di competenza, non automaticamente di numero di persone: cosa ne fa un datore di lavoro rientra nei propri obblighi legali e non è una domanda a cui risponde questa pagina.
Ciò a cui invece si può rispondere: quale parte del lavoro finanziario in questa specifica azienda si presta effettivamente a essere assunta dall'AI dipende dalla qualità dei processi sottostanti, non solo dall'ambizione. Questa domanda viene risolta compito per compito con la werkscan di FTE TO AI. E poiché la resilienza finanziaria non è slegata da come sono organizzati i processi, è utile guardare anche a come processi e operazioni si rapportano al lavoro che l'AI assume, e a cosa descrive davvero un target operating model in parole semplici.
La domanda su quanto costi rendere la resilienza finanziaria pronta per l'AI non ha una risposta fissa: dipende da dove si trovano ora i dati, da come sono organizzati i processi e da quale ambizione è in gioco. Un primo quadro lo si ottiene con il controllo di prontezza gratuito: otto domande brevi, una per dimensione, con un risultato che mostra dove si è più avanti e dove meno. Il test di ambizione completo, con i quattro livelli e i cinque confidence gate, è in fase di costruzione. Chi vuole già sapere quali capability servono alla propria organizzazione per l'ambizione posta trova lì il punto di partenza.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.