IDW PS 861: come il tuo revisore testerà le cifre finanziarie generate dall'IA nel 2026, e cosa viene respinto

Immagina il momento in cui un partner del tuo studio di revisione fa una sola domanda: “Mostrami come il modello ha prodotto questo numero, e riproducilo di nuovo.” Se la risposta è una trascrizione di chat e un’alzata di spalle, la cifra non è un risultato revisionato. È materiale di lavoro non verificato. Questa distinzione ora è messa nero su bianco.

L’IDW, l’istituto tedesco dei revisori contabili, ha pubblicato l’IDW PS 861 nel marzo 2023 come primo standard di revisione formale per i sistemi IA. È stato costruito sul framework internazionale di assurance ISAE 3000 ed era originariamente pensato per gli incarichi di assurance sull’IA al di fuori della revisione del bilancio. Ma lo standard afferma qualcosa che la professione ha da allora esteso alla revisione di fine esercizio stessa: quando un’applicazione IA produce un output rilevante per il bilancio, il revisore deve valutarlo, e si applicano gli stessi requisiti minimi. Nel 2026, questo non è più teorico. L’IA è nei flussi di lavoro vicini al libro mastro, e i revisori arrivano con una checklist.

Cosa richiede davvero l’IDW PS 861

Riducendo lo standard alle sue parti portanti, emergono tre requisiti.

Tracciabilità (Nachvollziehbarkeit). Il revisore deve poter seguire come è stato prodotto un risultato, e dove si trova il confine tra la logica del modello e i dati che ha consumato. Un numero che compare senza un percorso che riconduca ai suoi input non è tracciabile, e un numero non tracciabile non è valutabile.

Riproducibilità. È quella che manda in crisi la maggior parte delle implementazioni di IA generativa. Le linee guida dello standard stesso ammettono un limite invalicabile: per una singola transazione o poche, si può verificare riproducendo il risultato; sul volume e sulla varietà di un libro mastro reale, non si può riprodurre manualmente ogni caso. Quindi il sistema stesso deve essere sufficientemente deterministico da produrre gli stessi output a partire dagli stessi input. Poni la domanda due volte, ottieni la stessa cifra due volte. Un modello linguistico di grandi dimensioni per costruzione non lo fa. Chiedigli di sommare una colonna oggi e domani e potresti ottenere due risposte, entrambe plausibili, nessuna delle due ancorata.

Validazione, sicurezza IT e performance. Oltre ai due punti principali, il PS 861 stabilisce requisiti minimi che coprono governance, gestione del cambiamento, la sicurezza dell’infrastruttura IT circostante e la performance dimostrata rispetto a criteri definiti. Il punto non è che l’IA sia vietata. Il punto è che un risultato IA guadagna lo status di “rilevante ai fini della revisione” solo quando può essere governato, protetto e dimostrato performante.

Vale la pena notare anche un obbligo di competenza: dall’inizio del 2025, ci si aspetta che le organizzazioni garantiscano che il personale che utilizza sistemi IA abbia un’alfabetizzazione IA adeguata. Il revisore darà per scontato che le persone che si affidano all’output ne comprendano i limiti.

Perché un chatbot collegato al tuo libro mastro fallisce il test

Ecco la parte scomoda per chiunque abbia collegato un modello linguistico direttamente ai propri dati contabili. Il fallimento non è un problema di taratura. È strutturale.

Un modello generalista risponde a una domanda sui ricavi predicendo token. È, alla base, una macchina probabilistica. Ne conseguono due cose. Primo, è non deterministico, il che entra in collisione diretta con il requisito di riproducibilità. Secondo, anche quando arriva alla cifra giusta, di solito non sa dirti quali scritture contabili, quali cutoff di periodo, quali eliminazioni intercompany l’hanno prodotta. Questo entra in collisione con la tracciabilità. Ti ritrovi con un numero che a volte è giusto, occasionalmente sbagliato, e mai dimostrabilmente collegato al libro mastro. Secondo il PS 861, questa è la definizione di materiale di lavoro, non di un risultato.

L’errore è chiedere al modello di essere la calcolatrice. I revisori non hanno obiezioni sul fatto che l’IA legga e riassuma. Hanno obiezioni sul fatto che l’IA inventi un’aritmetica che nessuno può riprodurre o tracciare.

Il meccanismo che sopravvive allo standard

È qui che l’architettura conta più del modello. La soluzione è separare i due compiti che l’LLM sta attualmente svolgendo entrambi male: comprendere la domanda e calcolare la risposta. Lascia che l’IA gestisca il linguaggio. Fai gestire la matematica a un motore deterministico.

Questa separazione è esattamente il modo in cui Rexfin è costruita. La piattaforma si collega alle tue fonti contabili e di dati finanziari, le integrazioni con QuickBooks, Xero, NetSuite, Sage, SAP, Oracle, o un data warehouse, oppure con bilanci caricati, e costruisce un unico modello finanziario riconciliato. Quel modello è un’unica fonte di verità che quadra con il libro mastro. Quando qualcuno pone una domanda, l’IA interpreta la richiesta e recupera le cifre, ma il calcolo passa attraverso un motore deterministico, non attraverso il modello linguistico. Stessi input, stesso output, ogni volta. E ogni cifra risale alla fonte: la scrittura, il conto, il periodo da cui proviene.

Letto alla luce del PS 861, i requisiti coincidono. La riproducibilità arriva dal motore deterministico. La tracciabilità arriva da un modello che quadra con il libro mastro e mantiene la lineage. Il confine tra “l’IA” e “i dati” è esplicito, perché l’IA non tocca mai l’aritmetica. Gli scenari what-if girano sulla stessa base riconciliata, quindi un’analisi di sensitività è tracciabile quanto il numero di chiusura. Questa è la differenza tra consegnare al tuo revisore una trascrizione e consegnargli una carta di lavoro.

Non voglio esagerare: il PS 861 copre anche governance, gestione del cambiamento e sicurezza IT, e nessuna architettura verifica questi aspetti al posto tuo, sono discipline organizzative che devi comunque gestire. Un modello riconciliato e deterministico non ti esonera dai controlli. Ciò che fa è eliminare la ragione più comune per cui l’output IA viene respinto in partenza: l’incapacità di riprodurre e tracciare una cifra.

Cosa fare prima della revisione 2026

Due mosse pratiche. Primo, fai un inventario di ogni punto in cui l’output IA confluisce in qualcosa di finanziariamente rilevante, previsioni, riconciliazioni, cifre per il board, input per le disclosure, e chiediti per ognuno: posso riprodurlo esattamente, e posso tracciarlo fino al libro mastro? Se la risposta onesta è no, hai un rilievo in attesa di accadere. Questo si collega direttamente al quadro di compliance più ampio, incluso il requisito GoBD sui risultati valutabili meccanicamente e il dovere di supervisione umana ai sensi dell’articolo 14 dell’EU AI Act. Il PS 861 è una colonna in una tabella più ampia.

Secondo, correggi l’architettura, non il prompt. Nessuna quantità di prompt engineering rende deterministica una macchina probabilistica. La strada affidabile è dare all’IA un modello riconciliato da cui leggere e un motore deterministico con cui calcolare.

La conclusione è netta: nel 2026 il tuo revisore non ti chiederà più se hai usato l’IA. Ti chiederà se le tue cifre generate dall’IA possono essere riprodotte e tracciate. Costruisci lo strato che risponde di sì prima che te lo chieda. Se vuoi vedere in azione un modello deterministico e collegato al libro mastro, prenota una demo.