Il paradosso dell'AI nel finance: 87% la considera strategica, 14% vede ROI misurabile
L'87% dei CFO globali considera l'intelligenza artificiale estremamente o molto importante per le operazioni del proprio dipartimento finance nel 2026. Solo il 2% pensa che non sarà importante. Il dato arriva dalla Q4 2025 CFO Signals Survey di Deloitte su 200 finance chief di aziende oltre il miliardo di fatturato.
Eppure, parallelamente, una survey RGP su 200 CFO US di aziende tra 500 milioni e 10 miliardi ha rilevato un dato meno celebrato: solo il 14% dichiara di aver visto un impatto chiaro e misurabile dai propri investimenti in AI.
Letti insieme, i tre numeri raccontano qualcosa di preciso. Non è un problema di adozione — l'AI è già strategica per quasi tutti. Non è nemmeno un problema di tecnologia — i modelli funzionano. È un problema di architettura del business case.
Dove l'AI nel finance funziona davvero, oggi
I casi d'uso dove il ROI è già misurabile e ripetibile sono specifici:
- Accounts payable automation con three-way matching: i dati Aberdeen Group 2025 indicano tassi di automazione dell'85–92% sulle fatture standard.
- Riconciliazioni di conti contabili: riduzione tipica dell'80% dello sforzo.
- Anomaly detection sul transato per controlli antifrode e quality.
- Variance explanation automatica nei reporting mensili.
Caratteristica comune: sono processi ad alto volume, regolati da logiche deterministiche, con una base dati strutturata. L'AI fa quello che fa bene — pattern recognition su grandi volumi e generazione di output standard.
Dove l'AI nel finance non funziona ancora
- Forecast a medio-lungo termine in contesti volatili.
- Scenario planning autonomi su business model nuovi.
- Decisioni di capital allocation.
- AI agent end-to-end che "gestiscono" processi finance senza supervisione umana strutturata.
Caratteristica comune: richiedono giudizio strategico, dati incompleti, interpretazione di contesto. L'AI assiste, non sostituisce. I business case che promettono ROI immediato su questi casi sono tipicamente quelli che producono il 95% di fallimenti del dato MIT.
Il problema di misurazione, non di tecnologia
Twisha Sharma di Gartner, parlando al Finance Symposium di Sydney a marzo 2026, ha messo a fuoco la radice del paradosso: i CFO trattano l'AI come un singolo investimento ROI, mentre andrebbe trattata come portafoglio di scommesse diverse.
Economics chiare, ROI misurabile in mesi.
Benefit anche intangibili: decisioni migliori, adattamento più rapido.
Orizzonti pluriennali, governance dedicata.
Forzare i tre attraverso lo stesso template ROI è il modo più rapido per sotto-stimare il valore dei primi e sovra-promettere sui terzi.
Cosa significa, operativamente
Per i CFO che stanno pianificando il 2026, tre indicazioni emergono dalla ricerca convergente di Gartner, Deloitte, MIT e RGP.
- Separare il portafoglio AI in tre categorie con framework di valutazione diversi: Routine, Advanced, Transformational. Ognuna con metriche, orizzonti e governance distinti.
- Iniziare dai casi ad alto volume e logica deterministica. AP automation, riconciliazioni, anomaly detection. ROI dimostrato in 6–12 mesi, basso rischio, base solida per ampliare il perimetro.
- Costruire la data foundation prima di scalare. Il 58% dei finance professional (IMA 2025 Survey) classifica i propri dati ERP come "incoerenti o inaffidabili" su almeno una dimensione materiale. Senza dati puliti, nessun framework AI produce ROI ripetibile.
L'AI nel finance non è il problema, e non è la soluzione. È un'infrastruttura nuova che cambia l'economics di alcuni processi e ne lascia altri sostanzialmente invariati. I CFO che otterranno ROI misurabile nei prossimi 18 mesi non saranno quelli con il budget più alto o gli strumenti più avanzati. Saranno quelli che avranno mappato in modo onesto cosa l'AI sa fare oggi, cosa saprà fare tra due anni, e cosa probabilmente non saprà fare mai.