CFO, CIO e CTO: insight strategici su IA e governance dei dati

La governance è un modello di leadership, e non una questione tecnologica

Si può parlare di solida governance dei dati quando le funzioni Finance e IT si allineano su responsabilità, definizioni e applicazione.

La maggior parte delle aziende concorda sulla necessità di allineare Finance e IT, ma, all'atto pratico, le cose si complicano. La funzione Finance ragiona in termini di significato dei dati per l'azienda e impatto pratico, mentre la funzione IT parla di sistemi, tracciamento e controlli. Senza un modello operativo che faccia da ponte tra le due funzioni, gli sforzi di governance tendono a perdere efficacia. In più, senza un modello operativo, non c'è chiarezza su chi prende le decisioni, chi è proprietario dei dati e chi è responsabile quando l'IA genera risultati su larga scala.

Le aziende che, invece, si distinguono per i loro successi sono quelle che allineano le funzioni Finance e tecnologia intorno a un modello di governance condiviso che consente di:

• Fungere da ponte tra impatto dei dati sull'azienda e controllo tecnico
• Esplicitare le responsabilità
• Integrare gli standard direttamente nelle piattaforme di dati e nei flussi di lavoro di IA

In cosa consiste l'allineamento nella pratica

• 5,5x

  Le aziende con un pieno allineamento tra Finance e IT sono 5,5 volte più inclini a dichiarare una fiducia totale nei dati rispetto a quelle senza un simile allineamento.

Fiducia nella maturità dei dati vs. realtà operativa

I leader hanno fiducia nei dati, ma la governance non è all'altezza degli standard.

Dopo anni di investimenti in piattaforme, integrazione e modernizzazione, i leader sono convinti che i dati a loro disposizione siano credibili e affidabili. E, in effetti, a volte è così. Ma altre volte no.

A mancare è la coerenza. Spesso, anche laddove la governance è presente, manca la prevedibilità. Le definizioni variano da team a team, e le responsabilità restano implicite e non documentate. Man mano che i dati confluiscono in modelli di analisi e IA, si finisce per perdere di vista il contesto. Visti nel loro insieme, queste problematiche aiutano a spiegare una cesura critica. Tanti leader dicono di avere programmi di governance già in uso o in fase di adozione, ma sono molto meno quelli che dispongono di una governance formale e integrata in modo coerente nei processi decisionali quotidiani e nei flussi di lavoro dell'IA.

Il risultato è un divario crescente tra fiducia teorica e disciplina pratica. Un allineamento informale poteva andare bene quando l'analisi dei dati era di entità limitata; purtroppo, però, nell'era dell'IA non funziona più così.

In cosa consiste l'allineamento nella pratica

Il costo finanziario e operativo di dati di scarsa qualità

Con l'aumentare dell'integrazione dell'IA nei workflow chiave, le aziende iniziano ad avere un'idea più chiara dell'importanza e dei rischi legati alla qualità dei dati.

Quando l'IA viene integrata nei flussi di lavoro Finance, i problemi legati ai dati emergono più rapidamente, e spesso con conseguenze significative. Errori che un tempo venivano intercettati manualmente ora emergono in fase di elaborazione delle previsioni, nei processi di chiusura e nei cicli decisionali.

In assenza di una governance formale, i team continuano ad agire in modo reattivo e finiscono per risolvere i problemi a posteriori, anziché prevenirli. Con l'integrazione dell'IA nei processi chiave aziendali e Finance, questo modello reattivo non solo rallenta le decisioni, ma amplifica anche i rischi finanziari, di conformità e di reporting su larga scala. Insomma, questo approccio non è più sensato in un contesto in cui i consigli di amministrazione si aspettano ritorni misurabili sugli investimenti nell'IA.

In cosa consiste l'allineamento nella pratica

Il paradosso dell'IA: più strumenti, più rischi

Messe sotto pressione per accelerare l'adozione dell'IA, le aziende finiscono per adottare più strumenti, ma senza una governance solida e con un aumento del rischio.

L'intelligenza artificiale è fantastica! Nel tentativo di accelerare l'adozione, le aziende aggiungono sempre più strumenti di IA al proprio stack tecnologico. Ed è qui che nasce il paradosso: la scalabilità ingigantisce le fragilità esistenti. A prescindere dal numero di strumenti IA gestiti dalle aziende, le criticità che emergono non cambiano.

In sostanza, quando l'adozione di strumenti è più veloce rispetto all'implementazione della governance, aumenta l'esposizione al rischio, ma non la capacità di ottenere informazioni strategiche. Ogni strumento introduce nuovi flussi di dati, nuove ipotesi e nuove vulnerabilità. Senza una governance applicata a livello di dati, l'IA moltiplica l'incertezza.

In cosa consiste l'allineamento nella pratica

• 4x

  I dirigenti che hanno preso decisioni basate su dati di scarsa qualità sono quattro volte più inclini ad adottare dieci o più strumenti di IA rispetto agli altri.

Leader emergenti, maggiore esposizione ai rischi dell'IA

La nuova generazione di leader Finance e tecnologici sta accelerando l'adozione dell'IA, ma non sempre dispone di meccanismi di controllo della governance e della maturità istituzionale necessaria a limitare i rischi.

I leader di nuova generazione padroneggiano bene l'IA, e vogliono agire in fretta. Si tratta senza dubbio di un vantaggio, ma il rischio è dietro l'angolo quando la velocità non tiene conto della struttura. In questi casi, l'impatto diventa tangibile, e si traduce in perdite finanziarie, esposizione al rischio di non conformità e progressiva erosione della fiducia negli output generati dall'IA. Quando le decisioni assistite dall'IA non sono accompagnate da chiare misure di sicurezza in termini di qualità dei dati, ownership e responsabilità, il rischio è quello di generare rischi finanziari e di non conformità difficili da sanare a posteriori.

In cosa consiste l'allineamento nella pratica