Fonte unica di verità contro versioni sufficienti di verità: cosa sbagliano i CFO sui numeri pronti per l'IA

Gartner sta dicendo ai responsabili dei dati di smettere di inseguire una versione unica di verità. La sua ricerca sostiene che le organizzazioni dovrebbero perseguire invece “versioni sufficienti della verità”, e i numeri non sono sottili. Secondo Gartner, una strategia di versioni sufficienti ha circa il 41% di probabilità in più di produrre dati pronti per la decisione rispetto a un approccio a versione unica, e circa il doppio delle probabilità di migliorare la qualità delle decisioni. Solo circa un quarto delle organizzazioni si è effettivamente mosso in quella direzione.

Se gestite la finanza, quel consiglio suona come un permesso a rilassarsi. Non lo è. L’argomento di Gartner è corretto per l’impresa nel suo complesso e silenziosamente sbagliato per la parte di cui siete responsabili. La trappola è trattare le “versioni sufficienti di verità” come una licenza a lasciare che i numeri siano in disaccordo. Per un’IA che calcola il margine lordo e lo cita al vostro board, molteplici versioni della cifra sottostante non sono flessibilità. Sono un difetto in attesa di essere citato.

Cosa intende davvero Gartner

L’idea delle “versioni sufficienti di verità” è una reazione a un fallimento reale. Per due decenni, i team dati hanno riversato denaro in warehouse centralizzati pensati per contenere l’unico valore vero per ogni metrica. Il “cliente attivo” del marketing, il “cliente attivo” delle vendite e il “cliente attivo” della finanza avrebbero finalmente concordato. Non è mai successo, perché le definizioni non erano mai la stessa domanda di business. La ricerca di un numero unico per tutti ha prodotto un costoso teatro di governance e dati di cui nessuno si fidava abbastanza per agire.

La correzione di Gartner è sensata: lasciate che i domini possiedano i propri dati, definiscano metriche per la decisione in questione, e governino abbastanza da mantenere le cose coerenti, non perfettamente identiche. Il marketing può contare un cliente in un modo e la finanza in un altro, purché ogni definizione sia adatta al proprio scopo e i compromessi siano deliberati.

Notate di cosa parla quell’argomento. Parla di definizioni e proprietà tra funzioni. Non è un argomento secondo cui la stessa cifra, gli stessi ricavi del mese chiuso, lo stesso saldo di cassa, dovrebbe risolversi in valori diversi a seconda di chi chiede. La sufficienza vive al livello di “a quale domanda stiamo rispondendo”. Non vive dentro una singola risposta.

Dove l’IA rompe l’analogia

Un analista umano gestisce l’ambiguità con grazia. Chiedete “ricavi” e un buon controller vi chiede a sua volta: lordi o netti? Riconosciuti o fatturati? A cambio costante? Tiene tre letture plausibili in testa e sceglie quella giusta per la stanza.

Un LLM non lo fa in modo affidabile, e fa qualcosa di peggio: ne sceglie una in silenzio e la dichiara con piena sicurezza. Se il vostro livello dati offre quattro versioni dei ricavi e nessuna regola su quale sia canonica per una data domanda, il modello sceglierà, basandosi su qualunque testo abbia recuperato, in qualunque ordine, e poi difenderà la scelta con un paragrafo scorrevole. Non vedrete il bivio. Vedrete una risposta sicura che per caso è sbagliata della differenza tra fatturato e riconosciuto.

Questo è il motivo per cui le “versioni sufficienti di verità”, applicate ingenuamente all’IA finanziaria, falliscono. La strategia presuppone che un essere umano competente sia seduto tra i dati e la decisione, facendo il compromesso che Gartner descrive. Rimuovete quell’essere umano, o sostituitelo con un chatbot, e il compromesso viene fatto comunque, semplicemente da nessuno, responsabile verso niente, senza registro.

C’è un secondo problema. Anche quando un’IA sceglie la versione giusta, dovete comunque fidarvi dell’aritmetica. I modelli linguistici sono notoriamente inaffidabili nel calcolo multi-passo; fanno pattern-matching verso cifre plausibili invece di calcolare. Quindi la domanda per la finanza non è solo “quale numero ha usato”, ma “l’ha davvero sommato correttamente, e può mostrare il suo lavoro”. La governance delle versioni di verità non ha nulla da dire su questo. (Argomentiamo contro il trattare un setup LLM-su-ERP come sufficiente in perché collegare un LLM al vostro ERP fa comunque sbagliare la matematica.)

Un modello riconciliato, molti scenari

Ecco la distinzione che risolve la contraddizione. Le versioni appartengono agli scenari, non ai numeri.

Perché l’IA calcoli e citi cifre in sicurezza, serve un modello finanziario riconciliato sottostante: un unico insieme di cifre che quadra con il libro mastro, con la provenienza allegata a ogni valore così che qualsiasi numero riporti alla registrazione contabile o all’estratto conto da cui proviene. Questa è la parte in cui la “fonte unica di verità” non è negoziabile. Dovrebbe esserci esattamente un valore per i ricavi riconosciuti del mese chiuso, e dovrebbe eguagliare ciò che dice il vostro sistema contabile, e dovreste poterlo dimostrare.

Sopra quella base fissa, volete tante versioni quante ne servono al business, ma come scenari, non come fatti in conflitto. Caso migliore, ribasso, la versione per il board, la versione per il finanziatore, “cosa succede se ritardiamo l’assunzione di un trimestre”. Ogni scenario è una trasformazione deliberata della stessa base riconciliata, e ciascuno porta le proprie ipotesi a verbale. È lì che appartiene la flessibilità di Gartner, ed è sicura lì proprio perché la fondazione sottostante non si muove.

Quindi la sintesi si presenta così:

• Fatti: fonte unica di verità. Un modello riconciliato, legato al libro mastro, con provenienza. Nessuna biforcazione silenziosa.
• Scenari: versioni sufficienti. Tante quante la decisione richiede, ciascuna un ramo esplicito e nominato della stessa base, ciascuno con ipotesi dichiarate.

La modalità di fallimento contro cui Gartner mette in guardia, dati centrali rigidi di cui nessuno si fida, si verifica quando confondete questi due livelli e cercate di far servire i fatti per ogni scenario contemporaneamente. La modalità di fallimento che l’IA introduce si verifica quando lasciate che gli scenari riemergano dentro i fatti, così che i numeri sottostanti stessi smettono di concordare.

Cosa richiede questo all’impianto

Dire “fatti singolari, scenari plurali” è facile. Farlo rispettare è il lavoro.

Un modello riconciliato significa collegarsi ai vostri sistemi reali, QuickBooks, Xero, NetSuite, Sage, SAP, Oracle, un warehouse, o estratti conto caricati, e costruire un modello che quadra, invece di lasciare che ogni consumatore estragga righe grezze e definisca metriche al volo. L’aritmetica dovrebbe passare attraverso un motore deterministico, non il modello linguistico: l’IA recupera cifre e formula la domanda, il motore calcola la risposta, e gli stessi input producono sempre lo stesso output. E ogni numero citato dovrebbe essere riproducibile: tracciabile alla fonte come traccereste una formula di foglio di calcolo attraverso le sue celle. Approfondiamo questo aspetto in dimostrare un numero IA nello stesso modo in cui dimostrereste una formula.

Questo è l’opposto della proliferazione di fogli di calcolo su cui la maggior parte dei team finanziari opera davvero, dove la “fonte unica” è qualunque cartella di lavoro qualcuno abbia inviato per ultima per email, un approccio che sosteniamo essere la fondazione sbagliata per l’IA in finanza fin dall’inizio. È anche il design dietro il livello di modellazione finanziaria affidabile per l’IA: un modello riconciliato su cui l’IA può poggiare, con le versioni tenute dove appartengono.

Il punto chiave

Gartner ha ragione che un numero unico per tutti è un progetto aziendale fallito. Ma le “versioni sufficienti di verità” erano un consiglio per esseri umani che facevano compromessi che potevano vedere e difendere. Date la stessa postura a un’IA e otterrete risposte sicure costruite su numeri che silenziosamente non concordano. Mantenete i fatti singolari, riconciliati e tracciabili. Mettete la pluralità negli scenari. Questa è la linea che un CFO scettico dovrebbe tenere, perché quando il modello cita una cifra al vostro board, “dipende quale versione” non è una frase che volete pronunciare.

Se volete vedere come si presenta un modello riconciliato con provenienza sotto un’IA, prenotate una demo.