Gli agenti AI di Rivian eliminano 15 giorni di lavoro di chiusura, ma gli esseri umani mantengono il controllo
Secondo AWS, gli agenti AI di Rivian eliminano ora oltre 15 giorni di lavoro manuale da ogni ciclo di chiusura finanziaria. Tuttavia, il software non può registrare una scrittura contabile senza l'approvazione umana.
Questa distinzione conta. Rivian non ha affidato i propri libri contabili a un modello autonomo. Ha automatizzato un flusso di lavoro ristretto e costoso, preservando al contempo i controlli richiesti per la rendicontazione di una società quotata.
Il sistema gestisce i ratei relativi agli ordini di acquisto per attrezzature di produzione personalizzate, comprese matrici di stampaggio e stampi a iniezione. Questi asset possono richiedere anni per essere completati, mentre le fatture dei fornitori possono arrivare molto tempo dopo l'inizio dei lavori.
In precedenza, Rivian gestiva il processo attraverso dati SAP, fogli di calcolo, email, calcoli e ripetuti solleciti. La sua nuova architettura utilizza procedure in linguaggio naturale per guidare un agente AI attraverso gli stessi passaggi.
Il risultato mette in discussione due approcci comuni all'automazione finanziaria. Gli script tradizionali diventano difficili da mantenere quando le policy cambiano, mentre un'AI priva di restrizioni crea rischi contabili inaccettabili.
L'automazione finanziaria di Rivian occupa lo spazio tra questi due estremi. Le procedure aziendali guidano l'agente, il software registra le sue azioni e i responsabili finanziari mantengono la decisione finale.
Cosa ha cambiato Rivian nella sua chiusura finanziaria
Rivian ha automatizzato la preparazione di ratei complessi, non il giudizio contabile che rende ufficiali tali registrazioni.
Un rateo registra un costo prima dell'arrivo della relativa fattura. Aiuta un'azienda a riconoscere i costi nel periodo in cui si è verificata l'attività economica.
Il processo diventa difficile quando un fornitore realizza attrezzature automobilistiche specializzate per un periodo prolungato. Rivian deve stimare quanto lavoro sia stato completato prima di ricevere una fattura finale.
Secondo il caso alla base dell'automazione finanziaria, lo sviluppo di attrezzature personalizzate può durare da 12 a 24 mesi. Le fatture arrivano spesso oltre 18 mesi dopo che Rivian ha creato un ordine di acquisto.
I team finanziari devono comunque riconoscere tali costi gradualmente secondo i principi contabili generalmente accettati, comunemente chiamati GAAP. Attendere la fattura concentrerebbe una quota eccessiva di costi in un periodo successivo.
Prima dell'automazione, gli analisti estraevano informazioni dai sistemi di pianificazione delle risorse aziendali e costruivano modelli nei fogli di calcolo. Contattavano i responsabili degli ordini di acquisto per confermare le tempistiche e calcolavano ratei basati sul tempo.
Monitoravano inoltre centinaia di ordini di acquisto attivi e mantenevano la documentazione per i revisori. Ogni data di consegna irrisolta o record incompleto generava un ulteriore sollecito manuale.
Rivian e AWS hanno completato una prova di concetto iniziale in cinque settimane. Hanno quindi portato il sistema in produzione e iniziato a sviluppare una base riutilizzabile per ulteriori flussi di lavoro.
AWS afferma che l'implementazione ha eliminato oltre 15 giorni di lavoro manuale per ciclo di chiusura. Il successivo resoconto pubblicato ha descritto lo stesso risultato.
Tuttavia, nessuna delle due fonti pubblica una metodologia di misurazione completa. Non specificano se la cifra rappresenti il tempo di un singolo dipendente, lo sforzo complessivo del team o il tempo di calendario trascorso.
L'interpretazione più prudente è quindi precisa. Rivian afferma che il suo sistema ha rimosso oltre 15 giorni di impegno manuale associato al flusso di lavoro.
Ciò non significa necessariamente che Rivian pubblichi ora i risultati finanziari con 15 giorni di anticipo sul calendario. La chiusura più ampia comprende ancora riconciliazioni, controlli, consolidamento, revisione e altri processi contabili.
Gli agenti iniziano rilevando gli ordini di acquisto che richiedono attenzione. Raccolgono il contesto, applicano le procedure di Rivian, richiedono informazioni mancanti e calcolano un rateo proporzionale.
Il sistema crea quindi una scrittura contabile parcheggiata. Una scrittura parcheggiata è una bozza all'interno del flusso contabile, non una registrazione completata nel libro mastro generale.
Un responsabile finanziario esamina tale bozza e decide se approvarla. Il controllo umano mantiene l'autorità in capo ai dipendenti responsabili, anche quando il software svolge la maggior parte del lavoro preparatorio.
Questo confine crea la tensione centrale nell'approccio di Rivian. L'azienda guadagna velocità consentendo agli agenti di coordinare il lavoro, ma ne limita l'autorità quando le conseguenze finanziarie diventano ufficiali.
Gli agenti AI di Rivian trasformano le procedure in flussi di lavoro eseguibili
La scelta progettuale più rilevante non è il modello linguistico. È la decisione di Rivian di mantenere la logica aziendale soggetta a cambiamenti all'interno di documenti leggibili.
L'automazione aziendale tradizionale traduce le policy in regole software. Uno sviluppatore potrebbe implementare migliaia di istruzioni condizionali relative a valori degli acquisti, date di consegna, tipi di attrezzature e soglie di rilevanza.
La rilevanza determina se un importo potrebbe influenzare le decisioni basate sui bilanci. Le transazioni di valore più elevato ricevono generalmente maggiore scrutinio perché un errore comporta un rischio più elevato per la rendicontazione.
I flussi di lavoro codificati possono gestire in modo affidabile regole prevedibili. Diventano più difficili da mantenere quando le eccezioni si moltiplicano o i team contabili rivedono le proprie procedure.
Rivian ha inserito procedure operative standard dettagliate in Amazon Bedrock Knowledge Bases. La generazione aumentata dal recupero, o RAG, consente all'agente di recuperare istruzioni pertinenti prima di decidere quale azione intraprendere.
Un responsabile finanziario può quindi aggiornare una regola operativa modificando il documento sorgente. L'esecuzione successiva può recuperare l'istruzione rivista senza richiedere una riscrittura dell'applicazione.
Questo approccio sposta una parte della manutenzione del sistema dagli sviluppatori verso i responsabili di processo. Rende inoltre le istruzioni di controllo più comprensibili per contabili e revisori.
I documenti non operano da soli. Un Strands Agent eseguito attraverso Amazon Bedrock AgentCore orchestra il flusso di lavoro e sceglie quali strumenti approvati chiamare.
AWS Lambda interroga SAP per le eccezioni ed elabora le email di approvazione. DynamoDB memorizza stato, timestamp e una traccia di audit per ciascun caso.
Un server Model Context Protocol espone connessioni controllate a SAP, email e funzioni di gestione dei casi. MCP fornisce un'interfaccia standard attraverso cui un agente può utilizzare strumenti esterni.
Amazon Simple Email Service invia richieste quando il sistema necessita di informazioni dai responsabili degli ordini di acquisto. SAP S/4HANA rimane il sistema aziendale in cui risiede in definitiva il lavoro contabile.
L'agente recupera un ordine di acquisto, esamina la procedura applicabile e identifica il percorso di convalida richiesto. Diversi livelli di rilevanza possono attivare controlli differenti.
Può quindi chiedere a un dipendente responsabile le informazioni di consegna mancanti. Dopo aver ricevuto la risposta, calcola un rateo lineare lungo il periodo previsto di sviluppo delle attrezzature.
La scrittura contabile risultante resta parcheggiata per la revisione. L'agente può preparare e instradare la transazione, ma non può aggirare l'approvatore designato.
I controlli di identità limitano l'accesso agli strumenti dell'agente. AWS afferma che il progetto utilizza AgentCore Identity, IAM, Cognito, Secrets Manager e il monitoraggio tramite CloudWatch.
Questa architettura rende il modo in cui funziona l'AI di Rivian più importante di qualsiasi singola risposta del modello. L'agente opera all'interno di una raccolta definita di fonti di dati, procedure, autorizzazioni e barriere di approvazione.
Questi vincoli migliorano anche la tracciabilità. I revisori possono verificare quale procedura sia stata applicata, quali informazioni il sistema abbia raccolto e quale dipendente abbia approvato la registrazione finale.
Quando un responsabile identifica un caso limite, il team può perfezionare la procedura operativa. Le esecuzioni future recuperano quindi la versione aggiornata.
Questo meccanismo di feedback non dovrebbe essere descritto come apprendimento automatico senza precisazioni. Il resoconto disponibile indica che le persone identificano gli errori e aggiornano le istruzioni, anziché consentire al modello di riscrivere autonomamente le policy.
La distinzione tutela la titolarità. I responsabili finanziari restano responsabili della policy contabile, mentre l'AI gestisce l'interpretazione e il coordinamento del flusso di lavoro entro confini approvati.
Questo progetto somiglia a un modello di knowledge blending. Istruzioni, record operativi e feedback umano diventano utili quando un sistema può recuperarli nel contesto corretto.
Perché i team finanziari sono sotto pressione per rispondere
Il risultato di Rivian mette sotto pressione i responsabili finanziari perché associa una dichiarazione misurabile sul lavoro a un flusso di lavoro in produzione, non a una dimostrazione.
Molti progetti di AI aziendale iniziano con interfacce chat o riepiloghi di documenti. Questi strumenti possono far risparmiare tempo, ma il loro impatto operativo è difficile da isolare.
I ratei degli ordini di acquisto offrono una superficie di misurazione più chiara. Il flusso di lavoro presenta input identificabili, calcoli richiesti, eventi di approvazione e scritture contabili completate.
I responsabili possono confrontare l'impegno manuale prima e dopo l'implementazione. Possono inoltre monitorare eccezioni, tassi di approvazione, correzioni e tempi di elaborazione.
Rivian ha scelto un processo ripetitivo ma non completamente deterministico. Questa combinazione lo rendeva difficile per l'automazione tradizionale e potenzialmente adatto a un agente che segue istruzioni.
La tempistica riflette anche la pressione derivante dall'espansione produttiva di Rivian. Una maggiore produzione di veicoli richiede più attrezzature, fornitori, ordini di acquisto e supervisione finanziaria.
AWS ha collegato il progetto alla crescita attorno alla linea di veicoli R2. Un volume crescente di ordini per attrezzature personalizzate renderebbe più difficile scalare l'elaborazione basata sui fogli di calcolo.
La più ampia posizione finanziaria di Rivian aggiunge peso all'argomento dell'efficienza. L'azienda resta concentrata sulla gestione dei costi di produzione, dei requisiti di capitale e del proprio percorso verso una redditività sostenuta.
Le sue comunicazioni pubbliche sottolineano inoltre l'importanza dei controlli finanziari. Il rapporto annuale sui controlli di Rivian ha dichiarato che il management riteneva efficace il controllo interno sull'informativa finanziaria alla fine del 2025.
KPMG ha espresso un giudizio senza rilievi su tale valutazione. Questi obblighi continuano ad applicarsi quando un sistema AI partecipa alla preparazione di scritture contabili.
I responsabili finanziari di altre società quotate affrontano quindi una domanda specifica. Possono riprodurre la riduzione del lavoro ottenuta da Rivian senza indebolire documentazione, separazione dei compiti o revisione?
I fornitori di software stanno già competendo per quel carico di lavoro. Workday promuove agenti per la chiusura finanziaria, le evidenze di audit, i contratti sui ricavi e la contabilità fornitori.
Il suo agente contabile è progettato per riconciliare attività, testare i controlli e instradare le eccezioni ai revisori umani. Workday definisce alcuni agenti finanziari specializzati come offerte ad accesso anticipato.
La somiglianza è importante. Entrambi gli approcci trattano l'automazione della chiusura come un processo controllato attorno a un sistema finanziario esistente, anziché come una conversazione libera con un chatbot.
I loro modelli di distribuzione differiscono. Rivian e AWS hanno costruito un agente su misura attorno a SAP, alle procedure aziendali e a integrazioni personalizzate.
Workday sta perseguendo agenti integrati nella propria piattaforma finanziaria. Questo modello può offrire ai clienti esistenti un accesso più diretto a dati e autorizzazioni standardizzati.
Microsoft, Oracle, SAP e altri fornitori aziendali stanno perseguendo combinazioni simili di agenti, automazione dei flussi di lavoro e dati aziendali governati. I loro clienti si aspetteranno risultati finanziari documentati.
L’esempio di Rivian alimenta questa aspettativa. Un fornitore che promette una chiusura più rapida dovrà sempre più identificare quali attività sono scomparse e quali controlli sono rimasti.
La pressione maggiore ricade sulle aziende che continuano a spostare dati tra fogli di calcolo, caselle di posta e sistemi aziendali. I loro flussi di lavoro contengono sia manodopera misurabile sia rischio operativo accumulato.
Tuttavia, non ogni processo manuale merita un agente. Regole stabili possono continuare a essere più adatte a software deterministico, che si comporta in modo coerente ed è più facile da testare.
Gli agenti AI di Rivian contano perché mirano al livello variabile tra l’automazione fissa e il giudizio umano. Questo livello comprende istruzioni in evoluzione, informazioni incomplete e instradamento dipendente dal contesto.
La vera sfida è tra automazione flessibile e controllo prevedibile
L’architettura di Rivian funziona solo se la flessibilità guidata dai documenti resta controllabile quanto il codice che sostituisce.
Un’applicazione codificata in modo rigido presenta un vantaggio evidente. A parità di input e versioni software, dovrebbe seguire lo stesso percorso programmato.
Un agente generativo interpreta il linguaggio. Il suo comportamento può variare in base agli aggiornamenti del modello, al contesto recuperato, alla costruzione dei prompt, alle risposte degli strumenti e a procedure ambigue.
Questa flessibilità è esattamente il motivo per cui Rivian ha scelto questo approccio. Le regole contabili implicavano molte decisioni condizionali che avrebbero prodotto codice convenzionale fragile.
Eppure la stessa flessibilità crea un onere di test. Una procedura che appare chiara a un contabile può comunque contenere ambiguità per un modello linguistico.
Aggiornare un documento è più semplice che inviare una modifica software. Può anche essere più rischioso se le modifiche alterano immediatamente il comportamento in produzione senza test e approvazione formali.
Un’implementazione matura necessita quindi di controllo di versione per le procedure. Necessita inoltre di prove che mostrino quale versione abbia regolato ciascuna proposta di registrazione contabile.
I team dovrebbero testare le procedure riviste su ordini di acquisto rappresentativi prima della distribuzione. I casi limite meritano particolare attenzione perché spesso innescano il rischio contabile più elevato.
La traccia di audit di Rivian aiuta a soddisfare questo requisito. AWS afferma che DynamoDB registra timestamp e stato del flusso di lavoro, supportando la tracciabilità delle azioni dell’agente.
Il design delle registrazioni parcheggiate fornisce un ulteriore controllo. I responsabili esaminano l’output finanziario prima che raggiunga il libro mastro.
L’approvazione umana non elimina ogni rischio. I revisori possono diventare eccessivamente fiduciosi quando un sistema automatizzato produce ripetutamente un lavoro accurato.
Questo problema viene talvolta chiamato bias dell’automazione. Le persone possono accettare troppo rapidamente una raccomandazione della macchina perché il processo circostante appare autorevole.
L’interfaccia di revisione deve quindi mostrare ipotesi, dati di origine, calcoli e informazioni mancanti. Un numero di rateo non spiegato offre all’approvatore poche basi per un giudizio significativo.
Le interazioni dell’agente via email introducono un’esposizione aggiuntiva. Una risposta fuorviante, un account compromesso o una data di consegna fraintesa potrebbero modificare il rateo proposto.
Anche i permessi degli strumenti richiedono limiti ristretti. Un agente che prepara soltanto bozze di registrazioni parcheggiate presenta meno rischi di uno con autorità di registrazione senza restrizioni.
La connessione tramite Model Context Protocol non crea di per sé governance. La sicurezza dipende da autenticazione, autorizzazione, registrazione, convalida e dalle funzioni esatte esposte attraverso ciascuno strumento.
L’approccio di Rivian riconosce questa realtà mantenendo accesso basato sui ruoli e approvazione umana. L’architettura considera l’autonomia come uno spettro anziché un interruttore.
Questa è l’interpretazione più utile degli agenti aziendali. Possono eseguire molte azioni intermedie restando al contempo bloccati prima di un passaggio finale dalle conseguenze rilevanti.
La competizione tra automazione flessibile e controllo prevedibile plasmerà l’adozione nei reparti finanziari. Gli acquirenti giudicheranno i sistemi sia in base alla riduzione del lavoro sia al comportamento nelle eccezioni.
Un flusso di lavoro rapido che genera errori inspiegati trasferirebbe lo sforzo nella revisione e nella correzione. Un sistema perfettamente controllato che fa risparmiare poco tempo faticherebbe a giustificare la propria complessità.
Rivian sostiene di aver trovato un equilibrio praticabile per i ratei sugli ordini di acquisto. La domanda successiva è se tale equilibrio resista a volumi maggiori e a un utilizzo più ampio.
Cosa non dimostra l’affermazione dei 15 giorni
Il risparmio di tempo riportato è rilevante, ma le evidenze pubbliche non mostrano ancora tassi di accuratezza, tassi di eccezione o la compressione complessiva della chiusura.
AWS e Rivian partecipano al progetto, e il dettagliato caso di studio appare su un sito web AWS. Il loro resoconto fornisce preziose informazioni tecniche, ma non è una verifica indipendente delle prestazioni.
Le fonti non rivelano come Rivian abbia calcolato la cifra di 15 giorni. Non forniscono neppure il numero di dipendenti, ore, ordini di acquisto o periodi di rendicontazione inclusi nel confronto.
I lettori non dovrebbero convertire l’affermazione in un miglioramento percentuale. La quantità di lavoro di riferimento non è stata pubblicata.
Anche l’espressione “per ciclo di chiusura” richiede cautela. Le società quotate effettuano chiusure operative mensili e processi di rendicontazione trimestrale più estesi.
Le fonti disponibili non separano pienamente questi cicli. Descrivono un’automazione a supporto delle attività di chiusura mensili e trimestrali, quindi riportano lo sforzo manuale eliminato per ciclo.
L’accuratezza rimane un’altra questione aperta. AWS afferma che l’uso coerente delle procedure ha migliorato l’accuratezza, ma non pubblica un tasso di errore precedente o successivo alla distribuzione.
Afferma inoltre che i revisori esterni hanno elogiato la trasparenza del sistema. Il resoconto non identifica i revisori che hanno fatto tale osservazione né pubblica la loro valutazione.
Questa affermazione non va confusa con un giudizio di revisione sul sistema AI. La revisione finanziaria indipendente di Rivian riguarda i suoi bilanci e i controlli interni secondo standard consolidati.
La stessa professione contabile resta cauta. Il Public Company Accounting Oversight Board ha rilevato che l’uso dell’AI generativa nelle revisioni era ancora concentrato su attività amministrative e di ricerca.
Le sue osservazioni sull’audit AI hanno inoltre sottolineato problemi di supervisione, privacy e sicurezza. L’indagine ha riguardato società che revisionano la maggior parte della capitalizzazione di mercato degli emittenti statunitensi.
Il flusso di lavoro di Rivian va oltre l’assistenza amministrativa perché calcola ratei e prepara bozze di registrazioni. L’approvazione umana gli impedisce di arrivare a una rendicontazione finanziaria autonoma.
La governance del modello presenta un’altra incertezza. AWS descrive il sistema come basato su un importante modello linguistico di grandi dimensioni, ma non nomina un modello specifico nel caso pubblicato.
Questa omissione limita la valutazione esterna. Modelli diversi possono produrre comportamenti diversi e future sostituzioni del modello possono modificarne le prestazioni.
Il RAG riduce le risposte non supportate ancorando l’agente a materiale approvato. Non garantisce che il modello recuperi o interpreti ogni volta l’istruzione corretta.
Lo stesso vale per il feedback. Correggere una SOP dopo un errore aiuta i casi futuri solo quando la revisione cattura chiaramente la condizione pertinente.
Una correzione potrebbe anche risolvere un caso creandone un’altra ambiguità. I team necessitano di test di regressione per verificare che una modifica non danneggi comportamenti precedentemente corretti.
Le linee guida nel profilo sull’AI generativa raccomandano test documentati, valutazione delle fonti, monitoraggio e verifica. Queste pratiche sono importanti quando gli output generati incidono sui registri finanziari.
Rivian ha divulgato diverse salvaguardie compatibili, tra cui tracce di audit, identità controllata, monitoraggio e revisione umana. Non ha pubblicato prove sufficienti affinché soggetti esterni ne valutino l’efficacia operativa.
Anche il costo è assente dal caso di studio. AWS afferma che l’architettura serverless allinea le spese all’utilizzo, ma non divulga costi di implementazione o operativi.
La riduzione di 15 giorni di lavoro non può quindi essere tradotta in un ritorno finanziario. Un business case completo confronterebbe il lavoro risparmiato con i costi di sviluppo, infrastruttura, revisione, sicurezza e manutenzione.
L’espansione fornirà un test più difficile. I ratei sugli ordini di acquisto implicano registri strutturati e procedure definite, anche quando le singole decisioni variano.
Altre attività finanziarie possono richiedere maggiore giudizio, previsioni incerte, prove contrastanti o complesse interpretazioni legali. La stessa architettura non produrrà automaticamente lo stesso risultato.
L’automazione finanziaria di Rivian dovrebbe essere valutata come un caso d’uso convalidato nell’ambiente dell’azienda. Non è ancora prova che gli agenti possano automatizzare in sicurezza un’intera chiusura.
Tre segnali mostreranno se il modello di Rivian può scalare
La fase successiva deve dimostrare che Rivian può espandere il sistema senza perdere controllo, accuratezza o valore misurabile.
Il primo segnale è la performance operativa attraverso ulteriori cicli di chiusura. Rivian dovrebbe monitorare ore manuali, tempi di elaborazione trascorsi, eccezioni, bozze respinte e correzioni successive all’approvazione.
Risultati stabili al variare dei volumi degli ordini di acquisto rafforzerebbero l’ipotesi che il sistema sia scalabile. Tassi di correzione in aumento suggerirebbero che i revisori umani stanno assorbendo costi nascosti.
Conta anche la qualità della base di riferimento dei 15 giorni. Una futura divulgazione che separi lo sforzo totale del personale dal tempo di calendario renderebbe il risultato più facile da confrontare.
Il secondo segnale è l’espansione a un altro flusso di lavoro finanziario. AWS afferma che Rivian sta pianificando ulteriori utilizzi basati sullo stesso schema guidato dalle procedure e sottoposto a revisione umana.
Un passaggio riuscito all’onboarding dei fornitori o alla previsione delle risorse metterebbe alla prova l’architettura con input e decisioni differenti. Rivelerebbe inoltre quanto siano riutilizzabili i componenti sottostanti.
La replica dovrebbe richiedere meno sforzo dell’implementazione originale. Altrimenti, Rivian potrebbe aver costruito una preziosa applicazione personalizzata anziché una piattaforma di agenti ampiamente scalabile.
Il terzo segnale è rappresentato dalle evidenze della governance finanziaria. Revisori e management devono continuare a sentirsi a proprio agio man mano che gli agenti partecipano a processi più rilevanti o complessi.
Occorre osservare le divulgazioni su controlli delle modifiche alle procedure, test dei modelli, revisioni degli accessi, monitoraggio delle eccezioni e responsabilità delle approvazioni. Questi dettagli contano più delle affermazioni sull’autonomia.
Una carenza di controllo, una rettifica inspiegata o un divario crescente tra registrazioni predisposte e approvate indebolirebbero il modello. Un funzionamento pulito attraverso i periodi di rendicontazione lo sosterrebbe.
Anche altre aziende osserveranno gli stessi segnali. Gli acquirenti in ambito finanziario necessitano di prove che gli agenti riducano il lavoro senza creare un secondo livello di verifica.
Rivian ha scelto un punto di partenza credibile. I ratei sugli ordini di acquisto combinano elevato lavoro manuale, dati strutturati, regole in evoluzione e un chiaro confine di approvazione umana.
L’architettura offre anche una lezione pratica per i knowledge worker. L’AI diventa più utile quando può recuperare procedure aggiornate e agire tramite strumenti con autorizzazioni limitate.
Tuttavia, il titolo richiede precisione. Secondo quanto riferito, gli agenti AI di Rivian hanno eliminato oltre 15 giorni di lavoro manuale di chiusura, non 15 giorni di calendario verificati dall’intera chiusura aziendale.
Questo risultato più circoscritto resta significativo. Collega l’AI generativa a un processo produttivo in cui tempo, controlli e responsabilità possono essere tutti misurati.
Il prossimo passo più importante non è una maggiore autonomia. Sono prove migliori attraverso più cicli, più flussi di lavoro ed eccezioni più difficili.
I leader finanziari dovrebbero porre la stessa domanda per ogni implementazione di agenti: Quale lavoro è scomparso, quali decisioni sono rimaste umane e come saranno verificate entrambe le affermazioni?
