Nel 2020, i CFO avevano bisogno di nuovi strumenti. Ora sono gli strumenti a cambiare il ruolo.
Il ruolo stava diventando più strategico, ma il software era ancora obsoleto. I CFO erano un po' analisti di dati e un po' architetti: cucivano insieme le esportazioni di una costellazione di soluzioni puntuali e file Excel che orbitavano attorno a ERP vecchi di trent'anni. I dati erano il collo di bottiglia. Erano sparsi in troppi posti e difficili da gestire, mentre gli strumenti sovrastanti erano fragili e limitati nelle loro funzionalità.
Oggi l'AI sta eliminando questi vincoli. Assemblare i dati è diventato più semplice e il software ha iniziato a fare gran parte del lavoro in autonomia. E quando questo cambia, cambiano sia il modo in cui si lavora, sia chi lo fa. Significa che la funzione finance stessa si trasforma, insieme al team e all'archetipo della persona che lo guida.
Da contabile a banchiere, fino a costruttore
Lo si nota osservando chi le aziende hanno assunto per questo ruolo nel corso del tempo:
Le caratteristiche di un grande CFO hanno retto straordinariamente bene attraverso le epoche. I migliori CFO non si limitano a consegnare numeri o presentazioni per il board. Usano anche i dati per orientare una visione sulla direzione che l'azienda dovrebbe prendere. Ciò che il ruolo richiede loro è ciò che continua a cambiare, seguendo la competenza più rara del momento.
L'archetipo di ogni epoca ha seguito questa evoluzione. Quando il compito era ripulire i libri contabili, stabilire controlli e rendicontare i risultati, le aziende assumevano CFO provenienti dalle Big 4 della revisione. Quando il compito era raccogliere capitali e chiudere le operazioni, li cercavano nell'investment banking. Quando il ruolo è diventato pianificazione, metriche e business partnering, le competenze di pianificazione ("FP&A") hanno acquisito importanza, con le aziende che spesso continuavano ad assumere persone con background nel banking o nel private equity.
La competenza rara di oggi è qualcosa di nuovo: progettare il sistema operativo su cui gira l'azienda. Questo significa i dati, i workflow, gli agenti, le skill e i controlli che trasformano il contesto in intelligenza e decisioni. Lo si vede nell'ascesa del "finance engineer" all'interno dei team finanziari, e nei CFO che interpretano sempre più spesso quel ruolo in prima persona.
I leader finance che operano in questo modo descrivono la funzione in termini diversi rispetto ai loro predecessori. Sarah Friar, CFO di OpenAI, definisce la finanza come una funzione in tempo reale. La finanza punta verso una chiusura contabile a giorno zero e una previsione aggiornata in continuo, un cambiamento radicale rispetto al tradizionale ritmo della chiusura mensile. Che si tratti di allocare potenza di calcolo o capitale, i migliori leader finance oggi sembrano meno dei segnapunti e più dei costruttori.
Più dati, strumenti migliori, team più snelli
Il cambiamento nell'archetipo del CFO e nella più ampia organizzazione finanziaria è guidato dai rapidi progressi degli strumenti AI-native. Un accesso ai dati più facile e veloce ha sbloccato strumenti migliori, cambiando il modo in cui si lavora e chi lo fa, e di conseguenza come i team finance sono strutturati e come operano.
1. I dati hanno smesso di essere il collo di bottiglia. La lamentela principale del nostro articolo del 2020 era che la materia prima del CFO — i dati — fosse obsoleta, frammentata e faticosa da aggregare. I team finance spendevano la maggior parte delle energie alla base della piramide per mettere insieme gli input: estraendo esportazioni, riconciliando fogli di calcolo e rincorrendo la spiegazione di uno scostamento sepolta in una catena di email o, peggio, nei DM e nei canali Slack. L'AI rende più rapido e semplice estrarre, acquisire e interpretare dati sparsi tra sistemi e formati diversi. I team possono dedicare meno tempo a recuperare informazioni e più tempo ad agire su di esse.
2. Il finance stack sta diventando parte del team finance. Nel 2020 abbiamo mappato il finance stack livello per livello, sostenendo che un'ondata di strumenti moderni stesse arrivando per ciascuno di essi. Con l'AI che aiuta a risolvere il problema dei dati, quell'ondata è arrivata. La nuova generazione si implementa in giorni anziché trimestri, automatizza la raccolta dei dati invece di aspettare che vengano inseriti manualmente e fornisce insight in tempo reale anziché a fine mese. Ogni area di quella mappa di mercato originale ha oggi un concorrente AI-native, dall'ERP alle tasse, fino agli acquisti.
Alcuni esempi dal nostro portafoglio:
- L'ERP di Rillet riduce l'implementazione da mesi a giorni o settimane, importa automaticamente i dati e trasforma una chiusura mensile in una giornaliera.
- Concourse distribuisce agenti per la pianificazione e le previsioni finanziarie, importando dati di pipeline in tempo reale per costruire scenari live.
- Lio utilizza un modello multi-agente per gli acquisti, i cui agenti svolgono la due diligence sui fornitori, negoziano contratti, supervisionano le approvazioni interne e monitorano l'evasione degli ordini.
- Stuut gestisce l'intero ciclo dei crediti commerciali, dal primo contatto al follow-up, fino all'incasso e alla risoluzione delle controversie, automatizzando il processo di applicazione dei pagamenti.
- Sphere trasforma la complessa compliance fiscale indiretta in un processo automatizzato end-to-end.
- Petual automatizza i test SOX e i workflow di internal audit aziendali.
Si tratta di workflow che in precedenza richiedevano team dedicati o fornitori di servizi esterni.
La precedente generazione di software aiutava i professionisti della finanza a gestire il lavoro. Questa generazione svolge il lavoro direttamente. Il miglior software finance AI-native oggi fa finanza.
3. L'ascesa del finance engineer. Con il problema dei dati in via di risoluzione, è emerso qualcosa che nel 2020 non avevamo previsto. I team finance più avanzati non stanno solo utilizzando strumenti software basati sull'AI, ma costruiscono le proprie automazioni, dashboard e altri tool interni. Molte di queste persone non avevano mai scritto codice, erano scettiche verso l'AI e non avevano accesso a risorse ingegneristiche. Negli ultimi 9-12 mesi, si sono convertite all'AI.
Il team finance di Anthropic ha costruito e mantiene una libreria di oltre 70 skill AI specifiche per la finanza, che tratta come codice di produzione. Una di queste produce una revisione finanziaria mensile completa al 90-95%, comprimendo ore di lavoro umano in circa trenta minuti. In OpenAI, il team di Friar crea GPT personalizzati per le relazioni con gli investitori e gli acquisti, oltre a dashboard live per sostituire i report statici destinati al board.
Un CFO di un'azienda in fase di crescita del nostro portafoglio ha chiesto al suo team di creare agenti: in due settimane ne avevano 50. Non tutti erano utili, ma hanno dato a ognuno la possibilità di vivere il momento magico in cui un agente produce effettivamente lavoro reale. Un altro ha raccontato che i suoi team finance e accounting stanno diventando product manager, lavorando con gli ingegneri per creare i propri strumenti.
Così come abbiamo visto nascere il GTM engineer, il growth engineer e il talent engineer, molte aziende stanno iniziando ad avere un "finance engineer". Simile agli altri ruoli che combinano competenza di dominio e capacità di costruire, si tratta generalmente di una persona dell'area finanza, spesso con un background tecnico, diventata esperta di Codex o Claude Code e che guida la creazione di strumenti per il team. Spesso collega i sistemi e risolve i colli di bottiglia nei workflow. Ad esempio, potrebbe significare costruire uno strumento che combina i ricavi dei clienti con i costi di inferenza del modello, l'utilizzo del cloud e i costi di supporto, segnalando poi gli account in cui i margini si stanno deteriorando o dove l'utilizzo ha reso un determinato contratto non redditizio.
In passato, questo richiedeva un improbabile supporto da parte dei team di engineering core o il tentativo di assumere ingegneri all'interno del team finance. Oggi molti CFO passano più tempo a costruire con l'AI o a utilizzare strumenti AI-native, e meno tempo in riunione. "Questi nuovi prodotti sono divertenti da usare" è un feedback che sentiamo spesso.
La disciplina operativa dietro il finance engineer è semplice: se fai una cosa due volte, scrivi un workflow; se scrivi il workflow due volte, crea un agente.
4. Il team finance diventa più piccolo e ad alta leva. La maggior parte dei team finance è ancora organizzata secondo il vecchio schema: un livello controller, un livello FP&A, un livello ops e un CFO. Tutto questo è costruito per una cadenza mensile e per un'assegnazione di responsabilità "una persona per task". Quella struttura aveva senso quando ogni livello esisteva per spostare e riconciliare dati.
Anche la vecchia regola empirica della finanza a circa il 5% dell'organico sta cambiando. I team più snelli che vediamo puntano al 2% e privilegiano la densità di talento rispetto al numero di teste. Il nuovo assunto in ambito finance sa collegare più sistemi con una chiamata API, scrivere SQL e prototipare un'automazione. La padronanza dell'AI sta diventando un requisito di base. "Spiegami il tuo modello" sta diventando "spiegami la tua sequenza di prompt".
Gli esperti senior di dominio riescono a ottenere la massima leva dall'AI. In Anthropic, l'utente più attivo del team finance è il responsabile fiscale. Come ha detto uno dei nostri CFO di aziende in fase di crescita, è facile presumere che i profili più junior saranno gli adopter più forti, ma mancano dell'esperienza e del contesto necessari per sapere cosa significhi un risultato "eccellente", o cosa costruire.
5. La pianificazione diventa continua. I ricavi basati sul consumo (ad es. token, minuti, chiamate API) sono sempre stati complessi da prevedere. Inoltre, processi e strumenti standard che operano su base mensile non sono abbastanza veloci, soprattutto da quando gli agenti sono diventati attori attivi nel conto economico. Molti leader finance stanno ora abbracciando le previsioni continue, che offrono una visione live utilizzando modelli statistici, evidenze a livello di singolo account e giudizio finanziario. L'FP&A si sta evolvendo dalla budgetizzazione annuale alle decisioni operative continue. Ora puoi eseguire scenari complessi in tempo reale durante una riunione.
6. I controlli diventano una feature critica del prodotto. Con il software che si fa carico di più lavoro in ambito finance, una catena verificabile e affidabile che colleghi ogni numero alla sua fonte è fondamentale. La finanza deve sapere da dove proviene ogni cifra, come è stata calcolata e dove e quali agenti sono intervenuti. Se un agente sta redigendo una scrittura contabile, ad esempio, deve conservare i documenti di supporto e le evidenze, e seguire le regole di approvazione prima di registrarla. L'AI può ancora essere utilizzata per riconciliare i record, segnalare e spiegare scostamenti ed eccezioni, ma è la finanza a stabilire le regole e ad avere l'ultima parola sulle approvazioni. Avere controlli abilita la velocità. Il team può concentrarsi sul lavoro strategico senza dover ricostruire e verificare ogni passaggio a mano.
7. La finanza ottiene un mandato più ampio. Con dati in tempo reale e la capacità di eseguire rapidamente degli scenari, la finanza viene coinvolta in molte più decisioni strategiche. Per numerose aziende AI, la potenza di calcolo è una delle maggiori voci di costo operativo e una delle decisioni di allocazione del capitale più rilevanti. Ora i team finance possono aggregare una visione aggiornata dei dati di utilizzo, dei costi infrastrutturali e dei ricavi dei clienti, e gli strumenti AI possono aiutare a determinare come una nuova funzionalità o un aumento dell'utilizzo da parte dei clienti inciderebbe sui margini. Questo offre alla finanza una base più solida per dire la propria su pricing, lanci di prodotto e impegni di spesa.
Le aziende prendono anche molte più decisioni in cui il CFO è un arbitro chiave. Ad esempio, il modo in cui i team dividono il lavoro tra persone e software è una questione cruciale in tutte le organizzazioni, ed è una decisione finanziaria. Con dati più granulari sui compromessi tra tempo impiegato, utilizzo di token, impiego del software e altro ancora, la finanza può valutare questi trade-off. Anche la scelta tra sviluppare internamente o acquistare fa parte di questo insieme di decisioni. Sviluppare potrebbe significare un grande progetto di engineering oppure semplicemente un team non tecnico che fa vibecoding di uno strumento più piccolo. Acquistare potrebbe significare pagare per l'utilizzo o per il lavoro completato, quindi i costi variano in base all'adozione. Ora, grazie all'AI, la finanza può modellizzare questi scenari più complessi in modo più rapido e accurato.
Il ruolo, riscritto
Il lavoro del CFO è già cambiato in passato. Ciò che oggi sembra diverso è quanto della funzione finance e dell'organizzazione stessa venga ridisegnato. Storicamente, il CFO costruiva team finanziari basati su livelli di persone necessarie per raccogliere, riconciliare e revisionare dati sparsi tra molti strumenti, il tutto impostato per tracciare e gestire il lavoro. Ora il CFO, con un team più piccolo e una maggiore leva, può costruire e utilizzare gli strumenti che svolgono il lavoro. Le decisioni che avvenivano a intervalli settimanali o mensili ora possono essere prese in continuo.
Il CFO sta diventando un costruttore e architetto del sistema operativo aziendale. Questo significa capire cosa è meglio far fare al team e cosa al software. Il CFO AI-native deve avere un approccio automation-first e sapere come costruire, formare e dotare di risorse un team finance moderno. Ha anche bisogno di nuovi framework per decidere cosa sviluppare, cosa acquistare e come calcolare il ROI di tali decisioni. Il vantaggio è più tempo dedicato al business stesso e al ruolo di partner strategico del CEO. Il lavoro resta quello finanziario, ma oggi gran parte di esso consiste nel progettare come la finanza viene fatta.
cc: @IvanoMakSF David Borecky
Grazie a @astrange e @BKRoberts per il loro contributo a questo articolo!
