Il sondaggio di Board sul processo decisionale con l'AI rileva che la fiducia dei CFO supera la governance

Board ha rilevato un notevole conflitto all'interno del C-suite: il 48% dei CFO segue i consigli dell'AI quando contraddicono il proprio giudizio. Il sondaggio di Board sul processo decisionale con l'AI suggerisce che i responsabili finanziari si affidano ai large language model più facilmente di CIO e COO. Tuttavia, i controlli formali non hanno tenuto il passo con questa fiducia.

Il cambiamento va oltre un semplice aumento dell'uso dell'AI sul lavoro. I large language model, o LLM, stanno diventando input per decisioni strategiche su budget, previsioni, assunzioni, inventario e investimenti. Stanno inoltre sostituendo fonti di cui i dirigenti si fidano da decenni.

La questione centrale, quindi, non è AI contro dirigenti umani. È adozione da parte dei dirigenti contro responsabilità istituzionale. Le aziende stanno invitando l'AI a partecipare a decisioni rilevanti prima che molte siano in grado di spiegarne, rivederne o misurarne in modo affidabile l'influenza.

Il sondaggio di Board sul processo decisionale con l'AI rivela una nuova abitudine nel C-suite

Gli LLM sono passati da assistenti per la produttività a fonti influenti di consulenza strategica.

Board ha intervistato 300 CFO, CIO e COO statunitensi tra maggio e giugno 2026. Ogni partecipante lavorava per un'organizzazione con ricavi annuali pari ad almeno 100 milioni di dollari.

L'azienda ha pubblicato i risultati il 16 settembre tramite il rapporto sulla planning intelligence. Poiché Board vende software di pianificazione aziendale, le sue conclusioni meritano lo stesso esame riservato a qualsiasi ricerca sponsorizzata da un fornitore. Ciononostante, le differenze tra i ruoli rivelano un cambiamento importante nel comportamento dei dirigenti.

Il sessantuno percento degli intervistati ha indicato gli LLM tra le fonti esterne che influenzano maggiormente le proprie decisioni strategiche. Questo ha collocato ChatGPT, Claude, Gemini e Copilot davanti a ogni fonte tradizionale elencata nel sondaggio.

I pari del settore e le reti professionali hanno ottenuto il 42%. I fornitori tecnologici hanno ottenuto il 37%, mentre i consulenti esterni il 28%. Gartner è stato citato dal 14%.

Il risultato non dimostra che i dirigenti ritengano l'AI più accurata di consulenti esperti. Mostra che l'output degli LLM è diventato insolitamente accessibile durante il processo decisionale. Un dirigente può richiedere un riepilogo, uno scenario, una critica o una raccomandazione senza fissare un'altra riunione.

I CFO hanno riportato l'utilizzo più elevato tra i tre ruoli. Il sessantanove percento ha citato gli LLM come risorse influenti, rispetto al 58% dei COO e al 56% dei CIO.

La differenza diventa più rilevante quando l'AI non è d'accordo con il dirigente. Il quarantotto percento dei CFO ha dichiarato di seguire la raccomandazione dell'AI in tale situazione. Le percentuali corrispondenti erano del 33% per i CIO e dell'11% per i COO.

In tutti e tre i gruppi, il 31% ha affermato di seguire i consigli dell'AI quando entrano in conflitto con il proprio giudizio. Solo il 39% ha riportato procedure formali di governance ed escalation per le decisioni guidate dall'AI.

Questi numeri descrivono due sviluppi collegati. L'AI ha ottenuto un posto nel processo decisionale, mentre i sistemi di responsabilità assomigliano ancora a quelli costruiti per il software convenzionale.

Il CFO di Board Gordon Pothier ha dichiarato a CFO Dive che i responsabili finanziari sono solitamente più conservatori e scettici. Ha sostenuto che la loro adozione indica la forza dell'attuale spinta verso l'AI. Il suo consiglio più importante riguardava il disaccordo: i dirigenti dovrebbero sottoporre la raccomandazione a verifiche approfondite anziché accettarla automaticamente.

Questa distinzione è importante. Consultare un LLM non equivale a delegare una decisione. Tuttavia, seguire la sua raccomandazione in caso di conflitto avvicina la tecnologia all'autorità decisionale, anche se l'approvazione finale viene firmata da una persona.

Perché i CFO si stanno rivolgendo agli LLM ora

I dirigenti stanno adottando l'AI perché i loro cicli di pianificazione non riescono a tenere il passo con la velocità delle decisioni che devono affrontare.

I risultati più ampi di Board descrivono un'organizzazione alle prese con informazioni non aggiornate. L'ottantacinque percento degli intervistati ha riportato una maggiore pressione a prendere decisioni più rapidamente nell'anno precedente. Solo il 27% ha affermato che la propria organizzazione poteva ripianificare in tempo reale.

Tre quarti hanno affermato che circa la metà o più delle proprie decisioni di pianificazione si basava su dati vecchi di oltre 30 giorni. L'ottantatré percento ha dichiarato che i propri consigli di amministrazione avevano agito su previsioni notoriamente obsolete. Il quaranta percento ha riportato conseguenze aziendali significative derivanti da quelle decisioni.

Questi risultati forniscono il contesto mancante per il processo decisionale dei CFO con l'AI. I team finanziari non sono semplicemente attratti da un'interfaccia conversazionale. Stanno cercando di ridurre la distanza tra il mutare di una condizione e la risposta di un dirigente.

La pianificazione tradizionale richiede spesso di raccogliere dati operativi, riconciliare definizioni, aggiornare un modello e preparare una presentazione. Quando la previsione rivista raggiunge i direttori, le ipotesi alla base potrebbero essere già cambiate.

Un LLM sembra offrire una strada più rapida. Può riassumere rapporti, confrontare scenari, estrarre ipotesi e formulare domande in pochi secondi. I sistemi connessi possono anche recuperare informazioni interne e incorporare segnali esterni.

Questa velocità crea valore reale quando il compito è esplorativo. Un responsabile finanziario potrebbe chiedere quali ipotesi contribuiscono maggiormente a un calo dei margini. Il modello può aiutare a identificare scenari che richiedono un'analisi più approfondita.

Il pericolo emerge quando un output fluente viene scambiato per prove aggiornate. Un LLM non sa automaticamente se i dati di vendita sottostanti sono completi o correttamente governati. Può produrre una spiegazione convincente da una previsione obsoleta con la stessa facilità con cui la produce da una previsione aggiornata.

Il rapporto di Board contiene un segnale scomodo di questo problema. Il cinquantanove percento ha affermato che il proprio investimento nell'AI supera attualmente il valore che genera. Eppure il 92% di quel gruppo prevedeva comunque di aumentare la spesa nei 12 mesi successivi.

Un ulteriore 21% ha dichiarato che le proprie aziende presentano le prestazioni dell'AI a consigli di amministrazione, investitori e pari in modo più positivo di quanto la realtà giustifichi. Il risultato suggerisce che la pressione verso l'adozione non è guidata interamente da rendimenti verificati.

Pothier ha riassunto la pressione dei pari con una domanda: “Voglio davvero essere il CFO che non sta cogliendo l'onda?” La preoccupazione è comprensibile, ma non costituisce un business case.

Il Chief Product Officer di Board David Marmer ha proposto un inquadramento più disciplinato. Acquistare ulteriore AI, ha detto, non risolverà il problema di pianificazione sottostante. Le organizzazioni devono collegare l'AI a decisioni specifiche, ipotesi e persone responsabili.

Qui diventa rilevante una base di conoscenza AI organizzata. Il modello ha bisogno di contesto tracciabile, non di un accumulo incontrollato di documenti. La qualità delle decisioni dipende dal sapere quali informazioni sono state usate, quando sono state aggiornate e chi ne è responsabile.

Il processo decisionale dei CFO con l'AI sottopone la finanza a nuove pressioni

I responsabili finanziari devono ora difendere sia il valore economico dell'AI sia l'integrità delle decisioni influenzate dall'AI.

I CFO occupano una posizione insolita in questa transizione. Approvano la spesa tecnologica, monitorano i rendimenti, supervisionano la pianificazione e spesso mettono in discussione proiezioni ottimistiche. Ora stanno anche diventando utilizzatori frequenti della tecnologia che devono valutare.

Questo duplice ruolo spiega perché i risultati di Board sono rilevanti oltre i dipartimenti finanziari. Una raccomandazione di un CFO influenza l'allocazione del capitale, il personale, i prezzi, le acquisizioni e la comunicazione con gli investitori. Gli errori possono propagarsi in tutta l'azienda prima che qualcuno ne riconosca la fonte comune.

I responsabili finanziari affrontano inoltre pressioni da parte dei consigli di amministrazione, che si aspettano risposte più rapide. Un LLM può produrre una risposta immediata quando i direttori chiedono un ulteriore scenario. Un ciclo di pianificazione convenzionale potrebbe richiedere giorni.

La comodità modifica le aspettative. Quando un team dirigenziale vede una risposta generata dall'AI in pochi minuti, diventa più difficile difendere un processo più lento. Ciò resta vero anche quando il processo più lento include una validazione essenziale.

I CIO affrontano una pressione diversa. Devono proteggere i sistemi, controllare gli accessi, scegliere i modelli e gestire l'affidabilità tecnica. Eppure Board ha rilevato che i CIO erano meno propensi dei CFO a citare gli LLM come influenze strategiche.

I COO hanno riportato una disponibilità ancora minore a seguire consigli dell'AI in conflitto con il proprio giudizio. Il loro lavoro spesso riguarda vincoli fisici, condizioni dei fornitori e operazioni sul campo che un modello generalista non può osservare direttamente.

Queste differenze tra ruoli creano attriti organizzativi. La finanza può accettare uno scenario generato dall'AI che le operazioni considerano irrealistico. I leader tecnologici possono respingere un flusso di lavoro perché il modello non dispone di accessi approvati o controlli di audit.

Board ha rilevato anche un'adozione disomogenea dell'AI agentica, che si riferisce a sistemi in grado di pianificare ed eseguire attività in più passaggi con interventi limitati. Il sessantasei percento dei CIO e il 60% dei CFO hanno riportato un utilizzo attivo in processi aziendali reali. Solo il 38% dei COO ha affermato lo stesso.

I rendimenti riportati hanno seguito un modello simile. Il settantatré percento dei CIO e il 71% dei CFO ha dichiarato rendimenti chiari e misurabili dall'AI agentica. La percentuale è scesa al 52% tra i COO.

Queste percentuali sono auto-riferite e provengono da una ricerca sponsorizzata da un fornitore. Non stabiliscono un calcolo comune del rendimento tra le aziende. Tuttavia, il divario suggerisce che ogni funzione dirigenziale possa valutare l'AI attraverso una diversa lente operativa.

L'organizzazione finanziaria necessita quindi di un meccanismo di revisione condiviso. Ogni raccomandazione rilevante dovrebbe identificare i dati di origine, il modello, le ipotesi e il responsabile umano. I team dovrebbero inoltre registrare ciò che è cambiato dopo che la raccomandazione è entrata nel processo.

Questa documentazione è importante quando i risultati deludono. Senza di essa, i leader non possono separare il fallimento del modello da dati deboli, implementazione inadeguata o una decisione dirigenziale che ha ignorato il sistema.

Un ruolo umano utile non consiste semplicemente nell'approvare l'output finale. Consiste nel mettere in discussione l'inquadramento, verificare le prove e decidere se la domanda fosse adatta all'assistenza dell'AI. La responsabilità inizia prima che appaia la risposta.

L'adozione ha proceduto più rapidamente della comprovata qualità delle decisioni

Un utilizzo elevato dell'AI non dimostra che l'AI abbia migliorato le decisioni con le maggiori conseguenze finanziarie.

Una ricerca indipendente rafforza questa distinzione. Un sondaggio di Gartner su 204 leader finanziari ha rilevato che il 45% degli investimenti nell'AI per la finanza enfatizzava la produttività. Solo il 20% si concentrava principalmente sulla qualità delle decisioni.

I risultati sull'AI nella finanza indicano un divario tra attività e valore aziendale. Una preparazione più rapida dei documenti o la riconciliazione possono creare efficienze utili. Tuttavia, questi guadagni non migliorano automaticamente le decisioni su prezzi, investimenti o rischi.

La produttività è più facile da misurare. Un team può confrontare le ore impiegate prima e dopo l'automazione. La qualità delle decisioni spesso diventa visibile solo mesi dopo e le condizioni esterne possono oscurare il risultato.

Questo problema di misurazione complica il sondaggio di Board sul processo decisionale con l'AI. I dirigenti possono riferire che gli LLM li influenzano, ma l'influenza non è un risultato. Il sondaggio non determina se seguire un modello abbia prodotto una decisione migliore.

Le prove della Federal Reserve Bank di Richmond aggiungono un contesto utile. Le sue evidenze aziendali sull'AI si sono basate su 603 risposte raccolte alla fine del 2025, più 145 risposte supplementari.

Le aziende hanno segnalato benefici in termini di efficienza produttiva, rapidità decisionale e output. Tuttavia, i ricercatori hanno trovato poche evidenze che l'AI abbia modificato in modo sostanziale l'organico complessivo o i costi. Gli intervistati si aspettavano inoltre un impatto limitato, nel breve termine, sull'occupazione aggregata.

Questi risultati sono compatibili con significativi guadagni operativi. Sono però anche meno eclatanti delle affermazioni secondo cui l'AI avrebbe già trasformato l'economia delle imprese.

Capgemini ha intervistato 500 dirigenti C-suite nell'agosto e nel settembre 2025. Solo il 17% ha dichiarato di utilizzare attivamente l'AI in più fasi del processo decisionale strategico come pratica standard. Un ulteriore 42% la usava in modo selettivo.

La ricerca sulle decisioni dei dirigenti ha rilevato che il 47% ha segnalato miglioramenti evidenti o maggiori nella qualità delle decisioni. Il cinquantanove percento ha riportato guadagni analoghi nei tempi e nei costi decisionali.

Tuttavia, lo stesso studio ha rilevato che solo l'1% si aspettava che l'AI prendesse autonomamente determinate decisioni strategiche entro tre anni. I dirigenti sembrano a proprio agio con l'assistenza, ma non con la rinuncia alla responsabilità formale.

Questo confine è facile da descrivere e difficile da far rispettare. Un leader può restare il decisore ufficiale pur affidandosi fortemente al modo in cui un modello inquadra una questione. La persona può rivedere la risposta senza ricostruire il ragionamento che vi sta dietro.

Gli LLM possono anche favorire il bias di automazione, ovvero la tendenza a preferire le raccomandazioni delle macchine anche quando esistono prove contrarie. La fluidità conversazionale rende questo effetto più difficile da individuare, perché la raccomandazione assomiglia a un consiglio umano ragionato.

La domanda del sondaggio Board sul conflitto è quindi la sua misura più importante. Un CFO che segue l'AI nonostante il proprio disaccordo personale potrebbe aver scoperto elementi che inizialmente gli erano sfuggiti. Lo stesso comportamento può però anche riflettere deferenza verso una risposta persuasiva ma priva di fondamento.

Il sondaggio non rivela quale spiegazione si applichi. Questa distinzione irrisolta dovrebbe impedire ai lettori di considerare il dato del 48% come una prova di progresso o di imprudenza.

La governance è l'anello debole nell'uso dell'AI da parte dei dirigenti

Il divario di responsabilità diventa più pericoloso quando l'AI influenza una decisione che non può essere facilmente annullata.

Solo il 39% degli intervistati di Board ha riferito di disporre di processi formali di governance ed escalation per le decisioni guidate dall'AI. Ciò significa che la dipendenza dei dirigenti è in crescita mentre molte organizzazioni non hanno una risposta definita a raccomandazioni contrastanti, poco chiare o ad alto rischio.

La governance non richiede di sottoporre ogni prompt a un comitato. Richiede di adeguare il livello di revisione alle conseguenze della decisione.

Preparare domande per una riunione comporta pochi rischi diretti. Raccomandare una valutazione per un'acquisizione, una politica creditizia, una riduzione del personale o un'ipotesi sugli utili ne comporta molti di più. Queste decisioni necessitano di dati tracciabili e revisione indipendente.

Il problema della governance non è ipotetico. Deloitte ha intervistato 200 CFO di aziende nordamericane con almeno 1 miliardo di dollari di fatturato annuo. Il novantatré percento ha dichiarato che le proprie aziende utilizzavano l'AI nelle principali operazioni.

Il novantasei percento ha espresso fiducia nei propri framework di governance. Tuttavia, il 59% ha indicato il bilanciamento tra velocità di implementazione e gestione del rischio come la principale sfida di governance. Anche la trasparenza dei costi, la cybersecurity e i contenuti protetti erano preoccupazioni significative.

Il sondaggio sulla governance dell'AI ha rilevato che il 19% dei CFO si riteneva principalmente responsabile della governance dell'AI. Ciò collocava i responsabili finanziari dietro CIO e responsabili della sicurezza, ma davanti a CEO e consigli di amministrazione.

La fiducia in un framework non dimostra che i dipendenti lo seguano con coerenza. Le organizzazioni hanno bisogno di prove che i controlli operino durante le decisioni reali, soprattutto quando i dirigenti subiscono pressioni temporali.

Capgemini ha rilevato che il 71% degli intervistati temeva esposizione legale e di sicurezza. Il sessantanove percento ha citato la difficoltà di spiegare decisioni influenzate dall'AI, mentre il 60% ha indicato l'inadeguatezza dei dati aziendali.

Il cinquantadue percento temeva la propria capacità di verificare qualità o pertinenza dell'output. Il trenta percento ha citato specificamente il rischio di prendere una decisione errata sulla base dell'AI.

Queste preoccupazioni individuano i controlli minimi per l'uso da parte dei dirigenti. I modelli dovrebbero accedere a informazioni approvate, mostrare i materiali fonte e conservare i registri delle decisioni. Una persona qualificata deve contestare il risultato prima di agire.

Le organizzazioni hanno inoltre bisogno di una regola di escalation in caso di disaccordo. Se il giudizio di un dirigente entra in conflitto con l'AI, la risposta non dovrebbe dipendere da quale parte sembri più sicura di sé.

Una revisione potrebbe confrontare le fonti del modello con i documenti sottostanti. Potrebbe chiedere a un secondo team di ricreare l'analisi senza vedere la raccomandazione. I casi ad alta posta in gioco possono richiedere una revisione legale, di sicurezza o di dominio.

Le aziende dovrebbero anche distinguere gli LLM pubblici dai sistemi aziendali protetti. L'inserimento di previsioni riservate in un servizio non approvato può creare rischi per la privacy e la conservazione dei dati. Anche i sistemi approvati possono fornire risposte errate sulla base di dati interni incompleti.

La governance deve coprire il contesto decisionale, non solo il modello. Una raccomandazione tecnicamente accurata può comunque ignorare gli effetti sui dipendenti, gli obblighi contrattuali o le mutevoli condizioni di mercato.

Per questo la supervisione umana deve comportare una reale autorità. Un revisore che non può ritardare o respingere una raccomandazione serve solo da ornamento. Una supervisione efficace assegna a qualcuno la responsabilità di chiedersi se l'organizzazione debba agire.

Tre segnali mostreranno se la fiducia dei dirigenti è giustificata

La prossima fase dell'AI aziendale sarà valutata attraverso registri decisionali, rendimenti misurabili e una governance applicabile.

Il primo segnale è se le aziende inizieranno a misurare la qualità delle decisioni separatamente dalla produttività. Un'analisi più rapida ha valore, ma non può restare il principale indicatore di un giudizio migliore.

I team finanziari dovrebbero monitorare un insieme definito di decisioni influenzate dall'AI. Possono registrare la raccomandazione, l'alternativa considerata, la motivazione umana e l'esito finale. Questo crea evidenze che vanno oltre i sondaggi tra utenti e le affermazioni dei fornitori.

Una migliore accuratezza delle previsioni rafforzerebbe la tesi a favore del processo decisionale dei CFO supportato dall'AI. Annullamenti ripetuti, correzioni o errori inspiegati la indebolirebbero. La misura rilevante non è la frequenza con cui i dirigenti utilizzano l'AI, ma quanto affidabilmente essa migliora gli esiti scelti.

Il secondo segnale è se la governance formale raggiungerà il livello di utilizzo. Board ha rilevato che solo il 39% dei dirigenti disponeva di processi di governance ed escalation consolidati. I sondaggi futuri dovrebbero mostrare se questo numero cresce insieme all'adozione.

Un sistema credibile definirà quali decisioni richiedono validazione umana e quali fonti di dati il modello può utilizzare. Conserverà una registrazione dei casi in cui il consiglio dell'AI entra in conflitto con il giudizio dei dirigenti.

I fallimenti della governance comprometterebbero la narrativa dell'adozione. Potrebbero includere l'esposizione di dati riservati, affermazioni finanziarie non supportate, controlli normativi o decisioni che nessuno riesce a spiegare a posteriori.

Il terzo segnale è se l'aumento degli investimenti genererà rendimenti che i consigli di amministrazione possono verificare. Board ha rilevato che il 59% riteneva che l'investimento attuale nell'AI superasse il valore generato. Quasi tutti gli appartenenti a quel gruppo si aspettavano comunque una spesa maggiore.

Questo andamento può proseguire durante un ciclo iniziale di investimento. Diventa più difficile da difendere quando i progetti restano scollegati da ricavi, riduzione del rischio, accuratezza delle previsioni o guadagni operativi misurabili.

I consigli di amministrazione dovrebbero chiedersi se la spesa aumenta perché un caso d'uso convalidato si sta espandendo. Dovrebbero distinguere tale motivazione dagli investimenti guidati dall'ansia competitiva.

Il sondaggio Board sul processo decisionale con l'AI coglie un cambiamento reale, ma non una vittoria definitiva dell'AI. Gli LLM sono diventati fonti principali di input per i dirigenti prima che le organizzazioni abbiano concordato come governarne l'influenza.

Per i knowledge worker, la lezione immediata è altrettanto pratica. L'AI può ampliare le evidenze disponibili per una decisione, ma la sua risposta dovrebbe restare collegata a materiali fonte verificabili. Strumenti come ask remio possono supportare questo processo, ancorando le domande alla conoscenza dell'utente.

Il test è semplice: la tua organizzazione può ricostruire perché è stata presa una decisione influenzata dall'AI dopo che il risultato è arrivato? In caso contrario, il prossimo investimento dovrebbe rafforzare contesto, misurazione e responsabilità prima di aggiungere altra autorità automatizzata.