Un modello riconciliato su 40 SPV: consolidamento multi-entità per i giga-progetti Vision 2030

Un direttore di programma pone una domanda apparentemente semplice in una riunione di governance: “Qual è il nostro capitale totale impegnato sull’intero progetto, e quanto è stato erogato?” Tre persone aprono tre file diversi. I numeri tornano con uno scarto di circa il 4% l’uno dall’altro. Nessuno sa dire quale sia corretto. La riunione prosegue, e la discrepanza diventa silenziosamente la base per la previsione successiva.

Questa scena si ripete nei più grandi programmi di costruzione del Golfo. I giga-progetti dell’Arabia Saudita non operano come singole entità legali. NEOM da sola opera attraverso una serie di controllate: NEOM Company come sviluppatore principale, ENOWA per energia e acqua, NEOM Investment Fund come porta d’ingresso per il co-investimento, più joint venture come la società per l’idrogeno verde da circa 8,4 miliardi di dollari con ACWA Power e Air Products, e una joint venture logistica in cui DSV detiene il 49%. Le cinque aziende àncora dei giga-progetti, NEOM, Red Sea Global, Qiddiya, Diriyah e ROSHN, sono ciascuna interamente controllata dal Public Investment Fund, e ognuna crea le proprie società di progetto e i propri veicoli a destinazione speciale sottostanti. Le strutture PPP e build-operate-transfer aggiungono altro ancora: ogni concessione è una propria SPV con i propri finanziatori, il proprio pacchetto di garanzie e il proprio calendario di rendicontazione.

Quindi quando qualcuno dice “le finanze del progetto”, intende dozzine di bilanci che devono confluire in un’unica vista. Ed è proprio lì che oggi si punta l’IA. Ed è esattamente lì che l’IA si rompe se si salta un passaggio.

Il problema del consolidamento è più vecchio dell’IA

Il consolidamento multi-entità è sempre stato difficile, per ragioni che non hanno nulla a che vedere con la tecnologia. I prestiti infragruppo tra una SPV e la sua controllante devono essere eliminati, altrimenti si conta due volte il debito. Una joint venture consolidata al 51% deve essere trattata diversamente da una contabilizzata al patrimonio netto al 30%. Sukuk e finanziamenti Ijara sono iscritti in bilancio in modo diverso da un prestito a termine convenzionale. Capitale denominato in dollari, contratti regolati in riyal e attrezzature fatturate in euro devono confluire tutti in un’unica valuta di presentazione, con un unico set di tassi di cambio, a una data di chiusura comune.

Sbagliare uno qualunque di questi passaggi rende sbagliato il numero consolidato, non per un errore di arrotondamento, ma per l’importo di un saldo infragruppo non eliminato, che su un giga-progetto può arrivare a miliardi. I team finanziari lo sanno. È per questo che la chiusura di fine mese su un programma con 40 entità richiede settimane e perché il foglio di lavoro del consolidamento è il file più fragile e più gelosamente custodito dell’edificio.

Ora aggiungete l’IA sopra tutto questo. La proposta è allettante: lasciare che un direttore di programma digiti “mostrami il debito netto per entità” o “qual è il nostro costo del capitale medio ponderato tra le concessioni PPP” e ottenere una risposta istantanea. Il problema è da cosa l’IA sta leggendo.

Perché puntare l’IA sulle entità grezze la peggiora

Se collegate un modello linguistico direttamente a 40 bilanci di verifica, ecco cosa succede. Il modello recupera le cifre da ogni entità, poi cerca di sommarle, eliminare le voci infragruppo, applicare le percentuali di proprietà e convertire le valute, tutto come previsione probabilistica di testo. Non sta eseguendo un consolidamento. Sta indovinando come dovrebbe apparire un consolidamento, un token alla volta.

Seguono due modalità di fallimento, e sono diverse.

La prima è la deriva di recupero. Fate la stessa domanda cross-entità due volte e potete ottenere due totali diversi, perché il modello ha estratto righe di origine leggermente diverse ogni volta. Su benchmark costruiti da bilanci finanziari reali, i modelli di frontiera rispondono correttamente a circa solo la metà delle domande realistiche di ricerca di cifre anche su un singolo documento pulito. Estendete questo a 40 documenti con strutture di piano dei conti diverse e la superficie d’errore si moltiplica.

La seconda è l’errore di ragionamento, ed è quella pericolosa perché gli input sono corretti. Il modello legge correttamente il debito di ogni entità, poi dimentica di eliminare il prestito infragruppo, oppure applica un fattore di consolidamento del 51% a una voce che dovrebbe essere al 100%, oppure netta una joint venture nel modo sbagliato. La cifra sembra plausibile. Non quadra con nulla. Un controller non può firmarla, e un revisore non l’accetterà, in particolare ora che i regolatori del GCC si aspettano che ogni cifra riportata sia riconducibile a una fonte verificata, con gli Emirati, ad esempio, che richiedono bilanci verificati entro nove mesi dalla fine del periodo.

Non si risolve questo con un prompt migliore. Si risolve cambiando cosa sta sotto al modello.

Riconciliare prima, poi lasciare che l’IA faccia domande

L’ordine conta più di ogni altra cosa in questo articolo. Il modello riconciliato deve esistere prima che l’IA lo tocchi.

Questo significa collegare il libro mastro di ogni entità, che risieda in SAP, Oracle, NetSuite, un pacchetto contabile locale o bilanci caricati manualmente, in un unico modello dove la logica di consolidamento è codificata una sola volta e applicata in modo deterministico. Le eliminazioni infragruppo sono regole, non congetture. Le percentuali di proprietà sono memorizzate per entità. La traduzione in valuta estera gira su una tabella di tassi definita a una data definita. Ogni cifra consolidata risale, riga per riga, all’entità di origine da cui proviene. Questa è un’unica fonte di verità riconciliata, non 40 fogli di calcolo che per lo più coincidono.

Una volta che questo livello esiste, il lavoro dell’IA cambia completamente. Non calcola più il consolidamento. Recupera da un modello già consolidato e già riconciliato, e ogni calcolo di cui ha bisogno, un costo del capitale medio ponderato, un indice di copertura del servizio del debito tra concessioni, un’ipotesi su un’erogazione ritardata, gira attraverso un motore deterministico, non l’aritmetica propria del modello. Il modello linguistico gestisce il linguaggio: capire la domanda, formulare la risposta, spiegare i driver. La matematica resta dove deve restare.

Il test pratico è se due persone che fanno la stessa domanda nella stessa data ottengono lo stesso numero, e se quel numero risale alla fonte. Su un livello riconciliato, accade. Sulle entità grezze, non può accadere, per quanto buono sia il modello.

Cosa comporta questo per un team finanziario di giga-progetto

Velocità, ma del tipo difendibile. Un direttore di programma ottiene una risposta cross-entità in pochi secondi invece di tre persone che aprono tre file. Un controller può mostrare a un revisore esattamente da quale entità proviene ogni riga. Gli organi di vigilanza, e i programmi Vision 2030 ne hanno molti, vedono un unico insieme coerente di numeri invece di una varianza che devono inseguire.

Questo fa emergere anche le lacune che davvero interessa vedere. Quando ogni entità confluisce in un unico modello riconciliato, un’entità che non ha chiuso, un saldo infragruppo che non netta a zero, o una percentuale di joint venture cambiata a metà anno smettono di nascondersi dentro un foglio di lavoro manuale. Il passaggio di riconciliazione rende visibile la discrepanza invece di lasciarla propagarsi nella previsione successiva.

Nulla di tutto questo elimina il controller. Le regole di riconciliazione, i trattamenti della proprietà, la logica di eliminazione: sono giudizi professionali, e devono essere stabiliti e rivisti da chi possiede la chiusura. Ciò che il livello elimina è l’errore aritmetico silenzioso e la domanda su quale file sia corretto.

Il limite onesto: è più difficile da costruire di un chatbot innestato sul vostro ERP. Codificare la logica di consolidamento in modo deterministico richiede lavoro reale, e dipende dal fatto che i libri mastro sottostanti siano collegabili. Ma questo lavoro è la differenza tra una risposta dell’IA che un direttore di programma può ripetere davanti al board e una che deriva silenziosamente del 4% ogni volta che viene interrogata.

Se gestite un consolidamento su decine di SPV e volete vedere come appare realmente porre una domanda cross-entità a un unico modello riconciliato, prenotate una demo. Per il quadro regolamentare più ampio in cui questo si inserisce, iniziate dal pilastro su costruire un livello di numeri affidabili per l’IA nel GCC, e sulla soglia di tracciabilità che i revisori ora impongono, leggete se la vostra IA può ricondurre ogni numero all’audit e perché la matematica dell’EBITDA rettificato non può essere improvvisata secondo l’IFRS 18.