I punteggi di confidenza non bastano: come si presenta un vero grounding nella finanza IA

Un modello vi dice di essere sicuro al 94% che il margine lordo del terzo trimestre fosse del 41,2%. La cifra reale, quella che sta nel libro mastro, è 38,7%. Il numero di confidenza non era una misura di correttezza. Era una misura di quanto suonasse fluente la risposta sbagliata.

Questa è la trappola in cui cade la maggior parte dei team finance quando iniziano a fidarsi dell’IA per i numeri. L’output arriva avvolto in una percentuale che sembra una probabilità, e una percentuale che sembra una probabilità dà la sensazione di essere un controllo. Non lo è. Un punteggio di confidenza vi dice quanto il modello è sicuro della propria ipotesi. Non vi dice nulla sul fatto che quell’ipotesi quadri con i vostri conti.

Cosa misura davvero un punteggio di confidenza

I grandi modelli linguistici sono in modo sistematico mal calibrati, e la modalità di fallimento dominante è l’eccesso di sicurezza. Questo schema si ripete su un’ampia gamma di compiti, modelli e dataset, e anche se un modello può sembrare ben calibrato su un prompt pulito e in linea con i dati di addestramento, quella calibrazione è fragile e crolla nel momento in cui l’input si allontana da ciò che il modello ha visto in addestramento. Le tabelle finanziarie si allontanano costantemente: celle unite, subtotali corretti da note a piè di pagina, unità miste, comparativi rideterminati.

C’è un dato ancora più inquietante sotto la superficie. Lavori recenti sul rilevamento delle allucinazioni in ambito finanziario mostrano che un’alta confidenza sui token può paradossalmente predire un rischio di allucinazione più alto, non più basso. Il modello è più assertivo esattamente nei momenti sbagliati. Quindi l’istinto di filtrare le risposte con “mostrami solo cifre sopra il 90% di confidenza” può far emergere preferibilmente proprio le invenzioni.

Questo è il problema di fondo nel trattare la certezza autodichiarata come un filtro di controllo. State chiedendo al sistema che ha prodotto l’errore di valutare anche l’errore stesso. Un direttore finanziario scettico non accetterebbe mai un accordo del genere da un analista umano, e non c’è motivo di accettarlo da un modello.

Il RAG sensibile all’incertezza è meglio, ma non basta ancora

La mossa successiva ovvia è smettere di chiedere al modello cosa ne pensa e iniziare ad ancorarlo a documenti recuperati. Il retrieval-augmented generation riduce davvero le allucinazioni rispetto all’affidarsi alla memoria parametrica del modello, e le varianti più recenti, sensibili all’incertezza, rappresentano un vero passo avanti. Uno studio del 2026 sul RAG bayesiano ha integrato l’incertezza epistemica direttamente nel recupero usando il Monte Carlo dropout, riportando circa il 93% di accuratezza nelle risposte e una calibrazione dell’incertezza migliore di circa il 27% rispetto ai riferimenti di base, su bilanci 10-K di Apple e Microsoft. Si tratta di un progresso reale e da prendere sul serio.

Ma bisogna leggere cosa misura davvero. Quantifica quanto è incerto il recupero: se il sistema ha estratto il passaggio giusto. Non garantisce che il numero contenuto in quel passaggio sia stato letto correttamente, che la voce corretta sia stata selezionata da una tabella con quaranta righe, o che l’aritmetica svolta successivamente sia solida. La maggior parte delle implementazioni RAG, anche quelle buone, produce ancora risposte dal suono sicuro quando i dati sottostanti sono incompleti, non pertinenti o semplicemente interpretati male da una tabella. Il grounding basato sul recupero risponde a “da dove viene questo”. Non risponde a “il calcolo è corretto” né a “questo quadra con il libro mastro”.

Per le tabelle in particolare, è qui che si annida il danno. Un 10-K è composto per lo più da tabelle. Il modello può recuperare la pagina giusta, citarla in modo pulito, e comunque restituirvi il ricavo del segmento sbagliato perché due colonne condividevano un’intestazione. La confidenza sarà alta. La citazione sarà valida. Il numero sarà sbagliato.

Il vero grounding si collega ai conti, non al prompt

Ecco la distinzione che conta. Esistono due tipi di grounding, e il settore continua a confonderli.

Il primo è il grounding testuale: la risposta rimanda a un documento sorgente. Utile, ma un PDF non è la fonte di verità. È una rappresentazione della fonte di verità, e spesso degradata.

Il secondo è il grounding di libro mastro: ogni cifra restituita dall’IA si risolve in un valore specifico all’interno di un modello finanziario riconciliato che quadra con il libro mastro generale. Non un passaggio che menziona la cifra: la cifra stessa, con la tracciabilità fino alle transazioni che l’hanno generata.

Il vero grounding è il secondo tipo. Cambia il significato di “verificare”. Invece di cliccare su un documento sorgente e rileggere una tabella che il modello ha già interpretato male, il controller segue il numero attraverso il calcolo che lo ha prodotto fino ai saldi riconciliati da cui deriva. La fiducia non è probabilistica. È strutturale.

Questo è l’approccio dei numeri riconciliati su cui Rexfin è costruito. Colleghiamo i vostri sistemi contabili e di dati finanziari, QuickBooks, Xero, NetSuite, Sage, il vostro data warehouse, oppure i vostri estratti conto caricati, e costruiamo un unico modello riconciliato che quadra con il libro mastro. L’IA non calcola il margine. Recupera le cifre da quel modello ed esegue il calcolo tramite un motore deterministico, così come farebbe una formula in un foglio di calcolo controllato. La risposta torna con una tracciabilità: quali saldi, quali periodi, quali rettifiche. Nessun punteggio di confidenza necessario, perché il percorso è ispezionabile.

Perché il calcolo deterministico chiude l’ultimo divario

Ancorare gli input è necessario ma non sufficiente. L’altra metà è la matematica. Anche quando un LLM recupera i numeri corretti, può comunque invertire un rapporto, confondere una variazione assoluta con una percentuale, o invertire il segno di un’uscita di cassa, una classe di errore che trattiamo in l’IA ha preso i numeri giusti e la matematica sbagliata. Un punteggio di confidenza non lo intercetterà. L’aritmetica sembrava plausibile al modello, quindi è stato assertivo.

Far passare ogni calcolo attraverso un motore deterministico elimina completamente questo tipo di fallimento. Gli stessi input producono sempre lo stesso output, e il risultato è riproducibile. Questo è ciò che rende una cifra difendibile davanti a un consiglio di amministrazione o a un revisore: non che il modello fosse sicuro di sé, ma che il calcolo può essere riprodotto e tracciato. La stessa logica spiega perché i numeri generati dall’IA vanno in un consiglio di amministrazione solo dopo la verifica, e perché la verifica dovrebbe essere un controllo strutturale, non un giudizio impressionistico su una percentuale.

Il punto chiave

I punteggi di confidenza e il recupero sensibile all’incertezza sono entrambi reali, entrambi in miglioramento e entrambi insufficienti da soli. Vi dicono come si sente il modello riguardo alla propria risposta e dove ha guardato. Nessuno dei due vi dice se la risposta quadra con i vostri conti. Per la finanza, quella è l’unica domanda che conta.

Smettete di giudicare l’output dell’IA in base a quanto sicuro sembra il modello. Giudicatelo in base al fatto che ogni cifra si risolva in un modello riconciliato, calcolato in modo deterministico, tracciabile fino alla fonte. Questo è un grounding che potete difendere.

Se volete vedere come appare una cifra quando è collegata fino in fondo al libro mastro, prenotate una demo e portate un numero che il vostro ultimo strumento IA ha sbagliato.