Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza Artificiale - GUIDA AFP
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
GUIDA AFP®
Identificare il valore per la
Tesoreria: Automazione,
Machine Learning e
Intelligenza Artificiale
Sottoscritto da
Serie “Tesoreria nella pratica”
SOMMARIO
4 INTRODUZIONE
6 AUTOMAZIONE ROBOTIZZATA DEI PROCESSI, MACHINE
LEARNING E INTELLIGENZA ARTIFICIALE
7 COME VENGONO USATE LE TECNOLOGIE EMERGENTI
9 DIMOSTRARE LA CONVENIENZA PER L'AZIENDA
10 IL FUTURO TENDE A UN'AUTOMAZIONE SEMPRE MAGGIORE
11 CONCLUSIONE
13 RINGRAZIAMENTI E RISORSE AGGIUNTIVE
2 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza Artificiale
GUIDA AFP®:
IDENTIFICARE IL VALORE PER LA TESORERIA: AUTOMAZIONE, MACHINE
LEARNING E INTELLIGENZA ARTIFICIALE
SERIE “TESORERIA NELLA PRATICA”
Kyriba è lieta e fiera di continuare a sostenere la serie "Tesoreria nella pratica" di AFP, e ciò vale anche
per quest'ultima pubblicazione, "Identificare il valore per la Tesoreria: Automazione, Machine Learning e
Intelligenza Artificiale”
RPA (Robotic Process Automation, Automazione Robotizzata dei Processi), ML (Machine Learning) e IA
(Intelligenza Artificiale) non sono più soltanto sigle e concetti alla moda. Sono sempre di più i casi d'utilizzo
reali e convincenti e le storie di successo riscontrabili nel loro uso quotidiano. Il progresso delle tecnologie
e l'ampliamento degli scenari d'implementazione pongono la tesoreria e le più grandi organizzazioni
finanziarie dinanzi a una nuova sfida: come sfruttare gli strumenti e la tecnologia che permettono di
raggiungere una maggiore efficienza, concentrandosi al tempo stesso sulle proprie attività fondamentali ad
alto valore aggiunto. In realtà, queste ultime traggono vantaggio dai primi. Anche se non risolve i problemi
di processo o procedura, se si utilizza un approccio olistico la tecnologia può efficacemente farsi carico delle
operazioni manuali e ridondanti e delle attività prive di valore aggiunto.
Questa guida intende offrire una spiegazione funzionale delle tecnologie disponibili associate a IA/ML e RPA.
In essa definiamo a grandi linee in cosa consistono tali tecnologie e come procedere all'individuazione delle
operazioni e dei processi da rivedere e automatizzare, assicurando allo stesso tempo che l'organizzazione
possa individuare i KPI più pertinenti e misurare i risultati.
I temi e i contenuti chiave di questa guida sono:
• Quali sono i principali componenti e le principali tecnologie dietro a RPA, ML e IA
• Potenziali vantaggi dell'RPA e del machine learning
• Casi d'utilizzo d'impatto e storie di successo nell'uso di ML/IA
• Perché si dovrebbe ricorrere all'RPA e al ML
• Principali lezioni apprese da alcuni recenti progetti
• Come anticipare le tendenze del business, con uno sguardo alla "finanza in tempo reale" del futuro
Kyriba è fiera di essere sponsor della serie “Tesoreria nella pratica” di AFP. Siamo lieti di aiutare i team di
tesoreria e finanza di tutto il mondo a informarsi e a prepararsi al meglio all'evoluzione tecnologica e alle
nuove tendenze della tesoreria, nonché a sfruttare le opportunità emergenti negli ambiti della finanza e
della tesoreria.
Cordiali saluti,
Bob Stark
Direttore Generale delle Strategie per il Mercato
Kyriba
3 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeINTRODUZIONE
Per assicurare la propria operatività, i reparti tesoreria sfrutta un'ampia gamma di tecnologie
aziendali di tesoreria già oggi fanno molto diverse, dai fogli di calcoli sviluppati internamente
affidamento sulla tecnologia. La tecnologia varia per gestire processi specifici a sistemi di gestione
ed è in continua evoluzione, offrendo nel tempo della tesoreria altamente sofisticati. La tecnologia
soluzioni e funzionalità sempre più sofisticate. La apre anche nuovi orizzonti, permettendo alla
L'EVOLUZIONE DELL'AUTOMAZIONE NELLA TESORERIA
Le aziende automatizzano le attività a ritmi differenti, a seconda delle circostanze e dei loro specifici
punti dolenti. La maggior parte dei reparti di tesoreria utilizza un mix di tecnologie. Un tipico repar-
to di tesoreria può usare un foglio di calcolo per alcune semplici attività e automatizzare le attività
più dispendiose in termini di tempo tramite RPA.
Intelligenza artificiale
Livello di automazione
Intelligenza artificiale
prescrittiva
predittiva*
robotizzata dei
Automazione dei
Implementazione
Automazione
flussi di lavoro
processi
di sistema
Foglio di
calcolo
Tempo
*incluso il machine learning
4 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza Artificialetesoreria di assumere nuove vesti: da reparto individuare. La sfida consiste nello scegliere la
meramente operativo, grazie al ruolo sempre più soluzione più appropriata per risolvere quei problemi.
importante giocato dall'automazione la tesoreria
Tutte le aziende presentano dei punti dolenti che,
può diventare un partner strategico per il business
se lasciati a sé stessi, finiranno solo col causare
dell'azienda.
problemi sempre maggiori. Con l'intensificarsi
La tecnologia è fondamentale per migliorare dell'adozione dei pagamenti in tempo reale, ci
l'efficienza operativa, ma questo obiettivo si può stiamo avvicinando sempre di più a un mondo di
raggiungere solo se la tecnologia viene impiegata “finanza in tempo reale”, un ambiente di dati in
in modo appropriato, per svolgere compiti alla sua continuo aggiornamento. Senza una maggiore
portata. Ciò richiede un'attenta valutazione di ciò che automazione, i professionisti della tesoreria
ciascun tipo di tecnologia è o non è in grado di fare. I semplicemente non saranno più in grado di
tesorieri devono essere capaci di fare due cose: prendere decisioni tempestive.
1. individuare le inefficienze chiave delle proprie Fortunatamente, sono già disponibili strumenti di
operazioni, i cosiddetti "punti dolenti” tesoreria digitale per facilitare l’automazione della
tesoreria, come l'RPA (Robotic Process Automation)
2. abbinare a ogni attività una tecnologia che sia in
e il machine learning. È dimostrabile come l'uso
grado di risanare quei punti dolenti.
di questi strumenti conduca a processi decisionali
I punti dolenti si manifestano in molti modi: migliori e permetta ai professionisti della tesoreria
errori quali mancate opportunità d'investimento, più abili di concentrarsi su iniziative di valore
esposizione a rischi non coperti o processi manuali strategico. In questa guida vogliamo illustrare come
dispendiosi in termini di tempo, come per esempio possano essere e come vengano usati l'RPA e il
la preparazione della posizione di cassa. Di fatto, machine learning e perché sia vantaggioso per il
le cause di fondo e le debolezze operative a esse business avviare un nuovo progetto di automazione.
associate sono spesso relativamente semplici da
5 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeAUTOMAZIONE ROBOTIZZATA DEI
PROCESSI, MACHINE LEARNING E
INTELLIGENZA ARTIFICIALE
In questa sezione daremo la definizione di RPA, MACHINE LEARNING E
machine learning e intelligenza artificiale (IA) INTELLIGENZA ARTIFICIALE
e illustreremo quali possano essere i vantaggi
derivanti dal loro utilizzo. La sezione successiva L'intelligenza artificiale (IA) consiste nell'utilizzo di
presenta tre casi d'utilizzo per mostrare come un computer o di una macchina al fine di imitare
aziende diverse tra loro abbiano già implementato certi aspetti dell'intelligenza umana. Il machine
tecnologie digitali per snellire le proprie operazioni. learning (ML) è un ramo dell'IA, il cui obiettivo è
permettere alla macchina di imparare a individuare
AUTOMAZIONE ROBOTIZZATA degli schemi nei dati.
DEI PROCESSI A differenza dell'RPA, che si limita a replicare una
serie di processi ripetitivi, il machine learning può
L'automazione robotizzata dei processi è una
essere usato per analizzare i dati e individuare
tecnologia basata su regole che permette agli utenti
trend o schemi tramite l'uso di algoritmi. Esso può
di automatizzare le operazioni ripetitive. Essa sfrutta
risolvere uno dei principali problemi che molte
un software "bot" per replicare una serie di processi
aziende hanno in merito all'analisi dei dati: spesso,
manuali svolti da una persona. A differenza dei flussi
infatti, le aziende posseggono o conservano enormi
di lavoro standard, che operano all'interno di un
quantità di dati che però non sono in grado di
singolo sistema, i bot RPA possono essere impostati
convertire in informazioni utili.
per raccogliere dati da più sistemi, rispecchiando
l’attività di un membro del personale della tesoreria, Come l'RPA, anche il machine learning dedicato
che è posto al di sopra e si serve dei sistemi all'analisi dei dati è più efficiente di una risorsa
esistenti. Questa caratteristica permette ai processi umana. Una volta impostato, il machine learning può
RPA di essere implementati rapidamente e senza operare in qualsiasi momento (costantemente, di
creare grossi problemi alle operazioni esistenti. Di notte o a orari predefiniti), consentendo di prendere
solito l'RPA si utilizza per replicare un'operazione o ogni decisione sulla base di dati ottimali, in quanto
una serie di operazioni manuali e ripetitive, e che è più recenti.
possibile definire con grande precisione.
La sua implementazione, tuttavia, è più complessa
rispetto a quella dell'RPA. Tramite modifiche agli
algoritmi sottostanti, le macchine possono imparare
6 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza Artificialenel tempo a riconoscere gli schemi, ma per poter • Risultati disponibili all’occorrenza e a livello
offrire risultati significativi devono poter accedere a globale. Il machine learning e l'RPA possono
grandi moli di dati. Le aziende devono essere pronte operare in qualsiasi momento, quindi i calcoli
a compiere i necessari investimenti nella tecnologia possono essere eseguiti di notte o a orari
e nella pulizia o preparazione dei dati, prima di predefiniti per venire incontro alle esigenze
poter effettivamente trarre vantaggio dal machine operative dell'azienda. Così, per esempio, nel
learning sia in termini di risultati sia di costi. caso del cash positioning di un'organizzazione
multinazionale, è possibile mettere i dati a
I POTENZIALI VANTAGGI DELL'RPA E disposizione dei team locali all'inizio delle
DEL MACHINE LEARNING rispettive giornate lavorative, anziché due o più
ore dopo.
Sebbene i casi d'utilizzo siano molto vari, i potenziali
vantaggi offerti da RPA e machine learning • Gestione del tempo. Eliminate dalla propria
sono simili: giornata lavorativa le operazioni più banali, i
professionisti della tesoreria hanno più tempo per
• Maggiore accuratezza. Se il processo è stato dedicarsi ad attività di maggior valore aggiunto,
impostato correttamente, il bot RPA svolgerà come quelle volte a risparmiare ulteriore tempo o
le stesse operazioni ogni volta nello stesso a supportare il business in generale o le
modo. Ciò elimina il rischio di errori umani decisioni strategiche.
nell'elaborazione e, se viene individuata una
divergenza tra i risultati dell'RPA e i risultati • Innalzamento del morale. Alcuni membri
reali, il processo RPA può essere regolato di del personale di tesoreria potrebbero nutrire
conseguenza. Nel caso del machine learning, delle preoccupazioni riguardo all'impatto
l'accuratezza migliora nel tempo, man mano che dell'RPA e del machine learning sulla loro
la macchina apprende e gli algoritmi posizione lavorativa, ma per la maggior
vengono affinati. parte delle organizzazioni queste tecnologie
costituiranno un ulteriore processo in grado di
• Tempi di elaborazione significativamente migliorare l'esperienza dei membri del team,
ridotti. I bot e le macchine sono in grado di che non saranno più costretti a calcolare il cash
eseguire i compiti assegnati in una mera frazione positioning sotto pressione e ridurranno il rischio
del tempo che una persona impiegherebbe di errore. Inoltre, i membri del team potranno
per svolgere lo stesso lavoro. Ciò significa che dedicare più tempo ad attività più interessanti e
determinate attività possono essere completate appaganti a livello personale.
più rapidamente, consentendo di prendere
decisioni sui dati più recenti disponibili.
7 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeCOME VENGONO USATE LE
TECNOLOGIE EMERGENTI
In questa sezione mostreremo tre modi in cui l'RPA uno strumento utile nell'ottica di un miglioramento
e il machine learning sono stati usati da alcuni delle previsioni dei flussi di cassa, visto che vengono
reparti di tesoreria per risolvere create a partire dai dati delle banche, dei sistemi di
determinati problemi. gestione della tesoreria, dei sistemi ERP e di altri
reparti aziendali, inclusi i team dei pagamenti.
CASE STUDY: Séverine Le Blevennec, direttrice senior della
AUTOMATIZZARE I COMPITI DISPENDIOSI IN
Tesoreria EMEA di Honeywell, ha guidato lo sviluppo
TERMINI DI TEMPO TRAMITE L'RPA
di un processo RPA volto a migliorare l'accuratezza
Il reparto di tesoreria di una compagnia assicurativa e la tempestività delle previsioni dei flussi di
dedicava centinaia di ore all'anno per elaborare cassa della banca interna. Dopo aver individuato
le richieste di assegni dei clienti interni. Sebbene nell'RPA la tecnologia più adatta a migliorare le
si tratti di un'attività fondamentale per l'azienda previsioni, si è presa del tempo per verificare se tale
nel suo complesso, è anche molto dispendiosa in tecnologia potesse effettivamente servire allo scopo,
termini di tempo e, dal punto di vista finanziario, non esaminandola più nel dettaglio.
presenta alcun valore aggiunto.
Convinta che l'RPA potesse in effetti rappresentare
Il team di tesoreria ha allora sviluppato un processo una soluzione, Le Blevennec ha coinvolto i soggetti
RPA interno, che sfrutta un bot per automatizzare il interessati interni ed esterni per comunicare loro la
processo. Sebbene il team abbia dovuto impiegare sua visione. Si è poi messa al lavoro con i fornitori
del tempo per spiegare ai clienti interni il nuovo di tecnologia e i partner bancari di Honeywell per
processo e formarli in modo che tutte le richieste capire se fosse possibile fornire i dati in un modo
venissero fatte seguendo lo standard richiesto dal più accessibile, poiché desiderava che i il bot fosse
bot, il sistema è ora operativo e viene eseguito tre considerato dai membri dei vari team come un utile
volte al giorno. collega, e non una minaccia al proprio posto
di lavoro.
L'utilizzo del bot ha migliorato i tempi di risposta
nei confronti dei clienti interni della tesoreria, Cosa molto importante, Le Blevennec aveva
consentendo nel frattempo alla tesoreria di dedicare compreso che il bot avrebbe dovuto produrre
più tempo ad attività a maggior valore aggiunto: il un significativo impatto positivo sin dall'inizio:
team di tesoreria non deve più occuparsi di quel tipo in questo modo sarebbe stato più facile, in
di operazioni. Inoltre anche l'esperienza del cliente futuro, far accettare ai colleghi nuovi progetti di
e gli SLA ne hanno beneficiato, poiché adesso la digitalizzazione. In altre parole, il nuovo processo
tesoreria è in grado di rispondere alle richieste dei avrebbe dovuto fornire i risultati attesi.
clienti interni nel giro di ore, anziché di settimane.
Per raggiungere questo obiettivo, occorreva
esaminare il processo in atto in quel momento e
CASE STUDY: realizzare un programma di testing molto severo. Le
MIGLIORARE LE PREVISIONI DEI FLUSSI
Blevennec aveva scoperto che "la programmazione
DI CASSA
basata su regole [come l'RPA] richiede una
Uno dei principali vantaggi dell'RPA è la possibilità documentazione dettagliata". La direttrice senior
di utilizzarlo per elaborare i dati provenienti da una ha preso dunque in esame tutti i processi esistenti
grande varietà di sistemi aziendali. Ciò rende l'RPA e creato sette flussi di lavoro per sette diverse
8 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza Artificialeattività, dalla maturazione dei depositi vincolati alle Si è così progettata una soluzione che avrebbe
riscossioni e ai pagamenti intragiornalieri. Ha poi delegato alle macchine gran parte delle precedenti
enfatizzato l'importanza del testing. Tutti i test sono operazioni manuali. C'erano, però, degli ostacoli
stati svolti nell'ottica e con l'aspettativa che le cose da superare. Per esempio, i clienti di una divisione
sarebbero potute andare storte. Per questo motivo, tendevano a pagare a seguito di richieste di
prima del lancio ufficiale, il team ha usato il nuovo pagamento, più che tramite fattura, e il sistema ERP
foglio di calcolo affiancandolo al vecchio processo, non era in grado di conservare i dati delle richieste.
per assicurarsi che tutto funzionasse a dovere. Ma il team ha compreso che il machine learning
sarebbe stato in grado di risolvere il problema,
Dal giorno del lancio, Honeywell ha registrato
gettando un ponte tra il sistema contenente i dati
benefici significativi. Il nuovo sistema è più
delle richieste e l'ERP.
efficiente: Si risparmiano due ore di lavoro al
giorno. Fornisce risultati più accurati: il vecchio Una volta messa in produzione, la soluzione ha
sistema manuale poteva integrare i dati di 40 consentito al team di avere il tempo di occuparsi
conti bancari soltanto, mentre oggi le previsioni della gestione delle eccezioni e di migliorare la
prendono in considerazione i dati di oltre 160 conti, qualità dei dati su cui faceva affidamento l'IA. Il
e aggiungerne di nuovi è molto facile. La maggiore tempo ora a disposizione poteva essere impiegato
visibilità ha comportato un miglioramento della per lavorare con i clienti per inviare e migliorare i
gestione del rischio di controparte, una riduzione dati da inserire nel sistema, affinché lo strumento
della liquidità non investita e, di conseguenza, un di machine learning affinasse la propria capacità
maggior ritorno sugli investimenti. di consolidare e abbinare i dati, per offrire risultati
sempre migliori.
E, soprattutto, anche il team di tesoreria di
Honeywell ha tratto vantaggio da questa L'impatto è stato esplosivo. Prendendosi carico della
implementazione. Il personale è meno stressato e raccolta, del consolidamento e della formattazione,
più incline ad accogliere positivamente le prossime svolti in precedenza manualmente ogni mattina, la
novità nel percorso di digitalizzazione di Honeywell. soluzione di gestione dei crediti basata sull'IA ha
permesso all'azienda di ridurre rapidamente il tempo
CASE STUDY: necessario per elaborare un pagamento. La maggior
GESTIONE DEI CREDITI parte dei pagamenti è infatti ora elaborata nel giro
di due giorni. Questo risultato è stato raggiunto
Normalmente, una crescita costante delle vendite,
grazie al consolidamento dei dati. Ora i pagamenti
e quindi dei crediti, è una bella notizia. Potrebbe
sono standardizzati. La riconciliazione è più
però non esserlo per un team di contabilità che
semplice e il team è sicuro che il sistema contenga
faccia troppo affidamento su una costosa procedura
tutti i dati necessari.
di lockbox. Gli oltre 2.500 assegni al mese, che
richiedono tutti una qualche forma di intervento Tre mesi dopo, le macchine continuano ad
umano, insieme all'incremento delle vendite, apprendere dalle azioni di gestione manuale delle
avevano inferto un duro colpo al team di gestione eccezioni e il tempo a disposizione è aumentato
dei crediti di un'azienda tecnologica, portando a ulteriormente. Il team può dedicare più tempo
ritardi nell'elaborazione dei crediti e a una minor alle attività di riscossione e ai clienti, per aiutarli
fiducia nell'accuratezza dei dati del reparto inseriti a fornire migliori informazioni sui pagamenti,
nell'ERP. Il risultato era che il team di tesoreria era affinando ulteriormente le capacità di abbinamento
così impegnato a elaborare i pagamenti da non della macchina. L'IA riunisce automaticamente
avere il tempo di convincere i clienti a migrare a trasferimenti e pagamenti e il team può sviluppare
formati di pagamento elettronico, più efficienti e l'adozione dei pagamenti elettronici. Ora, ogni volta
meno costosi. che un abbinamento viene confermato, il sistema
ne viene messo a conoscenza ed è in grado di
Il team ha individuato la necessità di una soluzione
apprendere da quella conferma.
che fosse scalabile e che gli consentisse di reagire
prontamente nel sempre mutevole ambiente dei Il team può rispondere rapidamente alle richieste.
pagamenti B2B. Ma una cosa è riconoscere la Le informazioni vengono tracciate immediatamente
necessità di un cambiamento, un'altra è capire come e le lunghe ricerche di dati sono solo un ricordo
realizzarlo. Il team ha perciò condotto delle ricerche del passato. Il team ha fiducia nei dati e il morale è
e si è confrontato con i propri partner bancari. Dopo elevato, poiché il personale può dedicarsi ad attività
aver discusso sulla possibilità di implementare un a maggior valore aggiunto.
“lockbox” più moderno, che utilizzasse i codici OCR,
il team ha scoperto che il machine learning poteva
essere usato per automatizzare una parte
dei processi.
9 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeDIMOSTRARE LA CONVENIENZA
PER L'AZIENDA
Come per ogni progetto tecnologico, se si vuole essenziale per il successo di qualsiasi progetto. Il
adottare una soluzione di RPA o machine learning è progetto dovrà essere approvato dall'alta dirigenza.
necessario dimostrarne la convenienza. L'obiettivo Se occorre il contributo dell'IT, sarà necessario
è coinvolgere uno sponsor di progetto e ottenere coinvolgere il dipartimento sin da subito nel
l'approvazione da parte di tutti i soggetti interessati. processo di pianificazione, in modo da assicurarsi
Fissare e raggiungere importanti indicatori di le risorse necessarie. Anche le banche, i fornitori di
successo conferirà credibilità al progetto, aiutando tecnologia e i fornitori di dati dovrebbero essere
i professionisti della tesoreria a introdurre in futuro coinvolti nelle fasi iniziali per pianificare il loro
nuove iniziative digitali. Ecco una serie di importanti supporto al progetto. I membri del team di tesoreria
considerazioni che possono aiutare a dimostrare vorranno conoscere le implicazioni per il loro posto
l'utilità del progetto per l'azienda e a definirne al di lavoro.
meglio gli obiettivi.
Individuare i potenziali benefici. Uno dei principali
Comprendere la tecnologia per massimizzarne benefici dell'automazione dei processi tramite RPA o
i potenziali benefici. Come già detto, tecnologie ML è l'eliminazione dell'intervento umano in processi
differenti sono adatte a risolvere problemi diversi e banali e standardizzati o nella raccolta e nell'analisi
specifici. Il titolare del progetto deve comprendere dei dati, in sé molto dispendiose in termini di tempo.
la natura del problema e il modo in cui la tecnologia Per cui, anche se ci saranno sicuramente dei costi e
proposta aiuterà a risolverlo. dei benefici concretamente misurabili, vale la pena
Alcune proposte, che potrebbero sembrare limitate ricordarsi dei vantaggi immateriali, come il maggior
alla soluzione di un singolo problema, con un tempo a disposizione per il personale e la riduzione
impatto ridotto sull'azienda nel suo complesso, del rischio di errori e frodi.
se esaminate più approfonditamente potrebbero
Fissare e monitorare gli indicatori di successo.
dimostrarsi applicabili ad altre funzioni e/o
Può essere utile individuare alcuni obiettivi chiari
richiedere una modifica delle operazioni di
che fungano da misura del successo del progetto,
tali funzioni.
come per esempio il tempo risparmiato grazie al
Ottimizzare i processi prima di automatizzarli. progetto di RPA. Si potrebbero anche illustrare gli
Se esiste già un processo, conviene mapparlo ulteriori vantaggi che ne conseguirebbero, come
ed analizzarlo per vedere se possa essere reso per esempio l'incremento del rendimento degli
più efficiente. Molti processi manuali prevedono investimenti, dovuto alla maggiore accuratezza delle
molteplici controlli e approvazioni distinti e separati previsioni di cassa. Se possibile, conviene utilizzare
per mettersi al riparo da errori e frodi. Sebbene queste misure per affinare il bot o la macchina e
alcuni di questi controlli possano essere incorporati ottenere ulteriori guadagni in termini di efficienza.
nei processi automatizzati, per esempio nel caso in
Scalare la soluzione; guardare allo step successivo.
cui una transazione superi un determinato limite,
La misurazione dei risultati positivi di un progetto
potrebbe non essere necessario incorporarli tutti, se
contribuirà a ottenere più facilmente un maggior
le regole vengono definite con grande precisione.
supporto per quelli successivi. Il progresso
Per offrire un'analisi dei dati automatizzata
tecnologico metterà sempre a disposizione nuovi
affidabile, i progetti di machine learning potrebbero
strumenti per migliorare le operazioni di tesoreria.
richiedere dei miglioramenti nella gestione dei dati.
Comunicare con i soggetti interessati e istruirli
sulla soluzione proposta. La comunicazione è
10 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeIL FUTURO TENDE A UN'AUTOMAZIONE
SEMPRE MAGGIORE
Come specificato in questa guida, grazie in tempo reale sono soltanto uno degli esempi più
all'automazione dei processi e ad analisi dei dati rilevanti. È anche da notare come il passaggio a
più avanzate, la tecnologia consente ai reparti di un'elaborazione in tempo reale comporti anche il
tesoreria delle aziende di operare in modo più passaggio a un modello di operatività 24/7/365,
efficiente. Inoltre, questi cambiamenti consentono a ossia di operatività continua. La tesoreria dovrà
tali reparti di trasformarsi ed evolversi: da squadre ragionare su come gestire questo cambiamento e, in
tattiche, operative e ad alta intensità di lavoro, particolare, su come gestire i rischi che potrebbero
possono trasformarsi in partner strategici per emergere la notte e durante i weekend.
l'azienda nel suo complesso.
La crescita dell'e-commerce ha già offerto un
L'adozione di nuove tecnologie di tesoreria continua assaggio dei cambiamenti che ci aspettano. I
ad accelerare, spinta da una varietà di fattori. consumatori che pagano online si aspettano di
Tra questi, i due principali sono l'evoluzione dell' vedere aggiornato in tempo reale lo stato del
"Internet of Things" e il passaggio verso una finanza proprio ordine e, in alcuni settori, di ricevere in
"in tempo reale". I catalizzatori dello sviluppo di tempo reale anche il prodotto o il servizio. Con
queste due tendenze sono diversi tra loro, ma le l'adozione dei pagamenti in tempo reale, nell'ambito
loro implicazioni per la tesoreria e la finanza sono dell'avvio del processo di pagamento devono essere
strettamente connesse. messe in atto altre azioni in tempo reale, volte
alla prevenzione delle frodi ma non solo, e questo
L'INTERNET OF THINGS perché i pagamenti in tempo reale di solito sono
irrevocabili e non possono essere bloccati
Il valore dell'Internet of Things deriva dal modo
o modificati.
in cui i dati vengono condivisi tra miliardi di
dispositivi diversi connessi tra loro tramite Ma la gestione dei processi di pagamento è solo
Internet. Esso permette agli individui di controllare un aspetto del più ampio cambiamento che
il proprio ambiente personale (per esempio, l'adozione dei pagamenti in tempo reale produrrà
illuminazione e riscaldamento intelligenti) e alle sull'operatività di tesoreria e finanza. Se i pagamenti
aziende di gestire una vasta gamma di processi, vengono effettuati in tempo reale, i reparti di
dagli ordini di magazzino alla gestione della tesoreria devono essere in grado di gestire in tempo
logistica. Per la tesoreria e la finanza, il suo valore reale anche la liquidità. Per farlo, dovranno affidarsi
consiste nella possibilità di collegare le catene di in una certa misura all'automazione e all'intelligenza
approvvigionamento fisica e finanziaria e di ottenere artificiale. Presto anche il mercato valutario e i
migliori dati sulla cassa. Affinché questi benefici mercati monetari si avvicineranno all'elaborazione in
possano essere effettivamente ottenuti, i dati inviati tempo reale, modificando profondamente la tipica
dai dispositivi connessi a Internet devono essere giornata lavorativa della tesoreria, attualmente
analizzati da un'intelligenza artificiale: i dispositivi organizzata intorno agli orari di chiusura.
producono semplicemente troppi dati per poter
Per tutti questi motivi, appare inevitabile che sia
essere analizzati diversamente.
l'RPA sia l'intelligenza artificiale, machine learning
incluso, giocheranno negli anni a venire un ruolo
LE IMPLICAZIONI DELLA FINANZA IN sempre più importante nella gestione dei reparti di
TEMPO REALE tesoreria delle aziende.
Esiste una chiara tendenza verso un'attività sempre
più in tempo reale di tesoreria e finanza. I pagamenti
11 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeCONCLUSIONE
Sebbene RPA e IA siano considerate tecnologie all'avanguardia,
in realtà molte aziende ne stanno già beneficiando attraverso
le soluzioni fornite dai loro partner tecnologici o bancari. Le
organizzazioni che devono ancora affidarsi a queste tecnologie
devono sapere che un'implementazione di successo richiede i
seguenti tre step:
1. Individuare un punto dolente da
risolvere. RPA e IA/machine learning
funzionano al meglio se implementati
per risolvere determinati problemi.
Non iniziare a usare l'RPA: inizia a
usare l'RPA per automatizzare
un processo.
2. Usa la tecnologia giusta per un
determinato compito. Tecnologie
differenti risolvono problemi
differenti. Per automatizzare un
processo, probabilmente l'RPA
rappresenta la soluzione più adatta.
Per analizzare dei dati, esplora le
soluzioni di IA, comprese quelle di
machine learning.
3. Dimostra la convenienza della
soluzione. Probabilmente RPA e
IA/ML rivestiranno un ruolo ancora
più centrale in futuro, quindi è
importante che il primo progetto
basato su queste tecnologie abbia
successo. Assicurati che la tecnologia
scelta sia in grado di fare ciò per cui
è stata selezionata, quindi coltiva
il supporto dei soggetti interessati
(incluso, cosa molto importante,
il team di tesoreria). Il successo di
questo primo progetto servirà da
trampolino per il lancio di
progetti futuri.
12 GUIDA AFP: Identificare il valore per la Tesoreria: Automazione, Machine Learning e Intelligenza ArtificialeTrasforma il modo in cui la tua azienda
utilizza la liquidità come veicolo dinamico
per la crescita e la creazione di valore
Vai al di là dei tradizionali sistemi di gestione Vuoi sapere come Active
Liquidity di Kyriba può
della tesoreria per attivare e proteggere la trasformare il tuo business?
liquidità di tutta l'azienda in modi prima
Ottieni una valutazione d'idoneità gratuita
impossibili. Active Liquidity Network di
offerta dal team di Value
Kyriba, un set unificato di potenti prodotti Engineering di Kyriba.
che coinvolgono gli ambiti della tesoreria,
del rischio, dei pagamenti e del capitale
circolante, funge da veicolo dinamico per la
crescita e la creazione di valore.
treasury@kyriba.com | www.kyriba.comGLI AUTORI
Guy Voizey, WWCP Ltd
Guy Voizey è autore e giornalista finanziario da oltre 20 anni. È il
direttore di WWCP Ltd, casa editrice e società di ricerca specializzata
nella pubblicazione di informazioni e articoli sulla tesoreria aziendale e la
gestione della cassa. Guy ha scritto (da solo o in collaborazione) quattro
libri co-editi da WWCP, che si aggiungono agli oltre 20 tra paper e guide
per AFP su una varietà di argomenti, tra cui gestione della liquidità,
cybersicurezza, struttura del capitale, tassazione e contabilità. Ha inoltre
redatto "Essentials of Treasury Management (6th edition)" di AFP.
Tom Hunt
Direttore dei Servizi di Tesoreria, Association for Financial Professionals
Tom Hunt, CTP, è il Direttore dei Servizi di Tesoreria della Association for
Financial Professionals. Hunt vanta un'esperienza diretta di oltre 15 anni
nell'ambito della tesoreria, avendo ricoperto diversi ruoli in aziende di
vari settori, incluse Medtronic, Fairview Health Systems e, più di recente,
3M Company. In 3M, ha curato la strategia bancaria globale, riprogettato
e implementato una nuova struttura di gestione della cassa a livello
nazionale e guidato attività di acquisizione per conto del dipartimento di
tesoreria. Ha conseguito un MBA in Finance all'Opus College of Business
presso la University of St. Thomas di St. Paul, MN.
thunt@afponline.org
INFORMAZIONI SU AFP®
La Association for Financial Professionals (AFP), con sede alle porte di
Washington, D.C. e una filiale a Singapore, è una società di professionisti
volta ad agevolare il successo dei membri dei team di tesoreria e finanza
e delle loro organizzazioni. AFP ha creato e conferisce il Certified
Treasury Professional® e il Certified Corporate FP&A Professional®,
standard di eccellenza nella tesoreria e nella finanza. Ogni anno AFP
ospita la più grande conferenza di networking al mondo, con più di
7.000 professionisti della finanza aziendale.
4520 East-West Highway, Suite 800
Bethesda, MD 20814, USA
T: +1 301.907.2862 | F: +1 301.907.2864
www.AFPonline.orgPuoi anche leggere
