Domande & Risposte

Passando da un controllo a campione a un controllo esaustivo, in cui l’operatore umano si occupa ormai solo delle eccezioni. L’IA non convalida nulla: stabilisce una gerarchia, ed è proprio questo che manca ai team.

Tre contributi concreti. Innanzitutto il rilevamento: variazioni anomale da un trimestre all’altro, incongruenze tra le fonti, campi incompleti, su tutte le righe e non solo su un campione. Poi la spiegazione: ogni allarme deve essere motivato, indicando la regola che lo ha attivato e i valori in questione, altrimenti il team smette di leggere gli allarmi. Infine, la tracciabilità: chi ha risolto l’eccezione, su quale base, con quale documento giustificativo, affinché sia l’autorità di regolamentazione che il valutatore possano ricostruire il filo conduttore.

Il modulo Middle Office di Bodic Apps applica questa logica ai dati condivisi con il resto della piattaforma, evitando così i controlli di coerenza tra i diversi strumenti. La definizione stessa del piano di controllo, delle soglie, delle priorità e delle responsabilità rientra nell’ambito della definizione delle linee guida condotta con Bodic Conseil.

Risposta breve: sì, ma a condizione di automatizzare l’intera catena dei dati, e non solo la formattazione del documento finale. La maggior parte dei progetti di automazione fallisce perché si concentra sull’ultimo miglio (la presentazione PowerPoint per il comitato, il rapporto annuale LP), mentre il costo reale si trova molto a monte, nella raccolta e nella verifica dell’affidabilità delle informazioni fornite dalle partecipate.

Perché questo tema è rimasto irrisolto per così tanto tempo

Il reporting delle partecipazioni è uno dei rari processi di una società di gestione che dipende quasi interamente dai dati prodotti da terzi: i dirigenti delle società in portafoglio. Ogni partecipazione ha il proprio sistema contabile, il proprio calendario, la propria definizione di EBITDA rettificato, il proprio modo di denominare un KPI. Il middle office riceve quindi un flusso eterogeneo di file Excel, PDF scansionati, allegati di e-mail e fascicoli fiscali, che devono essere reinseriti, riconciliati e ricalcolati prima di poterne ricavare qualsiasi informazione.

A ciò si aggiungono tre vincoli strutturali:

- La temporalità. I dati arrivano in ordine sparso, spesso in ritardo, e la chiusura del reporting dipende dall’anello più lento.
- La tracciabilità. Un dato comunicato a un LP deve poter essere spiegato e ricostruito dodici mesi dopo, cosa che una catena di file Excel successivi non consente.
- La molteplicità degli output. Lo stesso dato alimenta il reporting trimestrale per gli LP, la valutazione, la relazione annuale, il comitato di investimento, gli obblighi extra-finanziari e, sempre più spesso, le richieste ad hoc degli investitori istituzionali.

Automatizzare la produzione del documento senza affrontare questi tre punti equivale ad accelerare l’ultima fase di un processo il cui sforzo principale risiede altrove.

Ciò che è realmente automatizzabile oggi

È utile distinguere tre livelli, il cui valore cresce con la profondità.

> Livello 1: la raccolta. Sostituire il ciclo di e-mail con un portale di inserimento dati strutturato, messo a disposizione dei dirigenti delle partecipate, con schede identiche di trimestre in trimestre, solleciti automatici e monitoraggio dello stato di avanzamento. Questo singolo livello elimina la necessità di reinserire i dati e rende prevedibile la data di chiusura. Si tratta quasi sempre della fonte di guadagno più importante, eppure la più sottovalutata.

> Livello 2: controllo e standardizzazione. Una volta inseriti i dati, questi devono essere confrontati con se stessi: coerenza rispetto al trimestre precedente, scostamenti rispetto al budget, variazioni anomale, completezza dei campi obbligatori. I controlli automatici non sostituiscono l’analista, ma gli segnalano le venti righe da esaminare anziché le duemila da scorrere. È anche a questo livello che si costruisce la traccia di audit, ovvero la capacità di rispondere alla domanda «da dove proviene questa cifra?».

> Livello 3: la restituzione. Quando i dati sono univoci, datati e convalidati, la generazione dei risultati finali diventa un semplice problema tecnico: reporting LP in formato per gli investitori, board pack, tabelle di valutazione, indicatori extra-finanziari, estratti per la data room. La stessa base serve per diversi output, il che elimina il rischio di incoerenze tra due documenti che dovrebbero esprimere lo stesso concetto.

Il principio guida si riassume in una frase: un dato inserito una sola volta, alla fonte, e riutilizzato ovunque.

Ciò che non va assolutamente automatizzato

L’automazione ha un limite ben definito, e superarlo è controproducente.

La valutazione rimane un esercizio di responsabilità: la scelta dei comparabili, la gestione di un evento eccezionale, la valutazione di un piano aziendale rivisto al ribasso rientrano nella decisione del gestore, non in una regola di calcolo. Allo stesso modo, il commento qualitativo rivolto agli LP, quello che spiega perché una partecipazione si discosta dal proprio percorso, trae proprio il suo valore dal fatto di non essere automatico.

L’obiettivo non è quindi quello di eliminare la componente umana dal processo, ma di spostarla: dedicare meno tempo a elaborare il dato e più tempo a spiegarlo e a trarne decisioni.

Le quattro condizioni per il successo
- Iniziare dal quadro di riferimento, non dallo strumento. Finché il termine «fatturato» non avrà una definizione univoca e condivisa all’interno dell’azienda, nessun software produrrà un reporting consolidato affidabile.
- Coinvolgere gli utenti. Lo strumento sarà utilizzato dai dirigenti delle PMI che non hanno né il tempo né la voglia di imparare un sistema complesso. La semplicità del processo di inserimento dati determina il tasso di utilizzo, e quindi il successo del progetto.
- Accettare un percorso graduale. Un ambito ristretto (un fondo, una decina di partecipazioni, quindici indicatori) che funzioni davvero è preferibile a un modello esaustivo che non viene mai aggiornato.
- Considerare la sovranità dei dati come un criterio di selezione. Le informazioni finanziarie e operative relative alle partecipazioni sono tra le più sensibili di un portafoglio. La loro archiviazione, la loro ubicazione e le condizioni del loro trattamento da parte dei sistemi di IA sono ormai questioni sollevate dagli stessi LP durante le due diligence operative.

Da dove iniziare concretamente

Un percorso realistico su un trimestre potrebbe essere il seguente: mappare gli indicatori effettivamente utilizzati (ed eliminare quelli che nessuno legge), definire un riferimento comune, aprire un portale di raccolta su un sottoinsieme di partecipazioni volontarie, quindi collegare i report una volta che i dati si sono stabilizzati. Il passaggio completo del portafoglio avviene nel trimestre successivo, una volta che il meccanismo è stato collaudato.

Il punto di vista di Bodic

È esattamente la logica che abbiamo adottato nella progettazione di Bodic Apps: i moduli Portfolio Portal, Middle Office e Golden Source formano una catena continua che va dall’inserimento delle partecipazioni da parte dei dirigenti fino alla restituzione agli investitori, su un’infrastruttura francese e con un livello di IA sovrana. I dati non vengono copiati da un modulo all’altro, ma condivisi.

Resta il fatto che lo strumento da solo non è mai sufficiente. Il quadro di riferimento degli indicatori, la definizione dei controlli, il coordinamento con i team di investimento e la gestione del cambiamento presso le partecipate sono attività metodologiche prima ancora che di configurazione. È questo il ruolo di Bodic Conseil, che affianca le società di gestione in questa fase di definizione del quadro di riferimento, indipendentemente dal fatto che il progetto venga poi realizzato sulla nostra piattaforma o su un’altra.

Se vi state ponendo questa domanda per il vostro portafoglio, il miglior punto di partenza rimane un'analisi della situazione della durata di mezza giornata sul vostro processo attuale. Saremo lieti di discuterne con voi.

L'intelligenza artificiale può migliorare concretamente le relazioni con gli investitori e i team IR, a condizione che venga utilizzata come leva per migliorare l'affidabilità e la coerenza, e non come strumento per la produzione automatizzata di messaggi.
I team IR si trovano di fronte alla crescente necessità di rispondere più rapidamente e di fornire informazioni accurate, coerenti e contestualizzate, adattandosi al contempo a profili di investitori molto diversi. In questo contesto, l'IA può svolgere un ruolo strutturante.
In concreto, può essere utilizzata per preparare sintesi di relazioni interne, per riformulare i contenuti in base al livello di competenza del destinatario, per trovare rapidamente le informazioni nello storico degli scambi o in una data room e per migliorare la coerenza complessiva dei documenti inviati. Può anche aiutare nella produzione di risposte standardizzate (FAQ, email standard), mantenendo un alto livello di qualità editoriale.
Ma il vero contributo dell'IA non sta nella velocità di esecuzione. Sta nella capacità di allineare i messaggi. Una comunicazione IR di alta qualità si basa su un unico dato affidabile condiviso tra i team. Se l'IA è collegata a fonti frammentate o mal governate, amplifica le incongruenze invece di correggerle.
La sfida consiste quindi nell'ancorare l'IA a una catena di dati controllata: stessi dati tra BI, reporting e comunicazioni agli investitori, tracciabilità delle fonti e controllo editoriale sistematico prima dell'invio. In questo contesto, l'IA diventa un potente strumento di supporto per strutturare, armonizzare e proteggere le comunicazioni.
Il giusto equilibrio consiste nell'utilizzare l'IA per preparare e garantire l'affidabilità dei contenuti, lasciando ai team IR la responsabilità del tono, del contesto e delle relazioni. È questa combinazione che migliora sia l'efficienza operativa che la fiducia degli investitori.

Le allucinazioni sono il rischio principale quando si utilizzano agenti di intelligenza artificiale in un contesto finanziario. Non sono dovute a errori casuali, ma al comportamento strutturale dei modelli quando non dispongono di informazioni affidabili o sufficientemente vincolate.
Tre livelli di controllo possono ridurre notevolmente questo rischio.
Il primo è il rigoroso ancoraggio a una fonte di verità certificata. L'agente non deve affidarsi a conoscenze generali o a dati impliciti, ma solo a un archivio interno controllato. Ogni risposta deve essere associata a una fonte identificabile, accessibile e verificabile. Una risposta priva di fonte deve essere considerata non valida per impostazione predefinita.
Il secondo livello è la restrizione del perimetro funzionale e informativo. Un agente deve operare in un'area specifica, con un insieme limitato e controllato di dati. Più ampio è il perimetro, maggiore è il rischio di interpretazioni approssimative. In pratica, un agente specializzato in un sottoinsieme di dati finanziari, ad esempio i KPI di una partecipazione azionaria o i flussi del Middle Office, è significativamente più affidabile di un agente generalista.
Il terzo livello è l'implementazione di controlli sistematici sugli output. Tutte le informazioni numeriche destinate all'esterno, in particolare agli investitori, devono essere convalidate da un essere umano. Questa convalida deve basarsi su una tracciabilità completa: la richiesta iniziale, le fonti utilizzate, le trasformazioni applicate e la risposta generata.
Al di là di questi principi, l'architettura tecnica gioca un ruolo decisivo. Un approccio strutturato consiste nell'isolare il livello di intelligenza artificiale dai dati grezzi, utilizzando un archivio centralizzato ed esponendo agli agenti solo i dati convalidati. Ciò consente un controllo preciso su ciò che l'agente può vedere e utilizzare.
Infine, è importante trattare le allucinazioni come un problema di governance, non solo come un problema tecnico. Ciò significa definire regole di utilizzo, livelli di responsabilità e meccanismi di supervisione adeguati alla posta in gioco.
Un agente affidabile non è un agente che "risponde bene", ma uno di cui ogni risposta può essere spiegata, tracciata e verificata.