Come diventare Controller Aziendale di Gestione 4.0

Nel contesto attuale, segnato da profonde trasformazioni digitali e dall’emergere dell’intelligenza artificiale (AI), il ruolo del Controller aziendale si sta evolvendo significativamente.

Da una funzione tradizionalmente focalizzata sul reporting retrospettivo e sul complemento di dimensioni analitiche alla vista contabile, il Controller diventa oggi un partner strategico proattivo del management. Questo articolo esplora tale evoluzione, delineando brevemente il percorso storico dalla Controllership 1.0 fino alla visione avanzata della Controllership 4.0, focalizzandosi principalmente sul ruolo agito dalla Digital Transformation e dall’AI nel ridefinire competenze, responsabilità e modelli organizzativi.

Dalla Controllership 1.0 alla 2.0 – Le Origini

Storicamente, il ruolo del Controller è stato focalizzato prevalentemente su attività di raccolta dati, contabilità analitica di base e reporting finanziario periodico. Il suo operato era caratterizzato da processi manuali svolti su fogli di calcolo basilari, limitato a verifiche di conformità e aggiornamenti periodici, con scarsa interazione con le altre funzioni aziendali. Con la fase che denominiamo Controllership 2.0 è iniziata l’adozione di strumenti digitali, migliorando l’efficienza operativa. Nonostante ciò, il ruolo rimaneva prevalentemente retrospettivo e reattivo, seppur con un primo embrione di consapevolezza verso la necessità di un’integrazione orizzontale a livello organizzativo e lo sviluppo di nuove competenze “soft”.

Il consolidamento di una Controllership 3.0 – Evoluzione Strategica

L’introduzione di sistemi ERP (Enterprise Resource Planning) e CPM (Corporate Performance Management) ha determinato un significativo cambiamento nel ruolo del Controller, spostando il suo focus da attività meramente operative verso attività sempre più strategiche, analisi di dati integrati in tempo reale e generazione di insight tempestivi anche grazie al recupero di alcune “pratiche” metodologiche (come l’utilizzo estensivo dell’analisi delle varianze distribuita lungo tutto l’asse del reporting economico) che le tecnologie (e soprattutto i dati) hanno consentito in modo più agevole. Questo cambiamento ha permesso al Controller di influenzare direttamente decisioni aziendali strategiche, acquisendo maggiore incisività organizzativa e presenza nella “stanza dei bottoni”.

Verso il Controller 4.0 – Trasformazione Digitale e AI

Oggi stiamo assistendo all’alba di una nuova trasformazione: quella che sta portando il controller verso la quarta stagione. Per poter apprezzare pienamente la portata di questo cambiamento è però necessario un inciso preliminare sul concetto di Digital Transformation perché di questa, così come delle tecnologie che l’abilitano, se ne fa gran parlare e poca chiarezza. Ciò che va inteso come trasformazione digitale va oltre la semplice digitization (conversione analogico-digitale dei processi o dei dati) e la digitalizzazione (uso delle tecnologie per migliorare i processi esistenti in un’ottica prevalente di efficienza). La digital transformation rappresenta una profonda revisione strategica e culturale che ridefinisce modelli operativi e organizzativi, portando i dati al centro delle decisioni strategiche e richiedendo un forte cambiamento culturale verso modelli più agili, integrati e collaborativi incentrati su di un uso della tecnologia come motore di efficacia e non solo più di efficienza. Da un punto di vista organizzativo, è possibile osservare diversi comportamenti di reazione nei confronti della Digital Transformation.
Quelli prevalenti sono descrivibili facendo riferimento alle loro caratteristiche peculiari:

• Digital Resistant: aziende che percepiscono la trasformazione digitale come un costo inevitabile, adottano soluzioni tecnologiche minime e obbligatorie, resistendo il più possibile al cambiamento.
• ​Digital Curious: aziende che hanno implementato alcune soluzioni digitali con successo e iniziano a comprendere il potenziale strategico della tecnologia, pur rimanendo selettive e prudenti nelle loro scelte.
• Digital Enthusiast: aziende che abbracciano con entusiasmo le nuove tecnologie, spesso anticipando il mercato, e utilizzano la trasformazione digitale per esplorare nuove opportunità strategiche e competitive.

​Nel paradigma 4.0, il Controller diviene (o si rafforza quale) partner strategico del business, dotato di competenze tecnologiche avanzate, analitiche sofisticate e con un forte orientamento alla collaborazione trasversale, quale che sia l’attitudine organizzativa (con una naturale enfasi nell’ambito delle organizzazioni entusiaste). Questo ruolo strategico richiede un profondo cambiamento culturale e organizzativo verso un mindset digitale che travalica, naturalmente, i confini della sola funzione finance.

Tecnologie Abilitanti per il Controller 4.0

La trasformazione verso il ruolo di Controller 4.0 è strettamente legata all’adozione e integrazione di tecnologie avanzate, tra cui Robotic Process Automation (RPA), Analytics avanzati e Generative AI (GenAI). Queste tecnologie, pur appartenendo tutte alla grande famiglia dell’Intelligenza Artificiale, presentano caratteristiche, vantaggi e limiti specifici che ne determinano il diverso impatto e utilizzo nella funzione di controlling.

Robotic Process Automation (RPA)

La Robotic Process Automation è una tecnologia che permette di automatizzare compiti ripetitivi e standardizzati tramite l’uso di software molto leggeri che “impersonano” l’essere umano. In pratica i robot operano imitando azioni umane ripetitive e deterministiche, come l’inserimento dati, la compilazione di report e la gestione di transazioni. La RPA è particolarmente efficace per ridurre errori, abbattere tempi di esecuzione e liberare risorse per attività a maggior valore aggiunto. Tuttavia, il suo limite principale risiede nell’incapacità di gestire attività che richiedono discrezionalità o decisioni complesse. Limite parzialmente indirizzato dalle automazioni “intelligenti” o automazioni “cognitive” che integrano modelli di intelligenza artificiale (principalmente generativa) con il “braccio operativo” del robot.

Analytics Avanzati

Gli Analytics avanzati rappresentano tecniche di analisi dei dati basate su modelli statistici, probabilistici e matematici che si distinguono in:

• Analytics descrittivi (analisi storica dei dati per fare emergere correlazioni statistiche tra gli insiemi “fattuali”).
• Analytics predittivi (previsione di eventi futuri attraverso l’uso dei modelli statistici che sono stati delineati durante l’analisi descrittiva).
• Analytics prescrittivi (definizione di azioni ottimali attraverso modelli di ottimizzazione che permettono di identificare i range di variabilità degli input al fine di ottenere gli output desiderati).

​​Gli analytics costituiscono la base algoritmica per le attività di machine learning e costituiscono di fatto una forma di Intelligenza Artificiale (cosiddetta discriminativa o deterministica) che è basata sui dati. L’adozione in ambito controlling, sempre più frequente, sta contribuendo a spostare il focus dalla sola analisi del passato alla comprensione delle cause origini degli scostamenti, alla previsione e soprattutto all’individuazione delle azioni necessarie per ottimizzzare le peformance.

Generative AI (GenAI) – La Nuova Frontiera

Nella vulgata odierna l’AI viene spesso confusa con la Generative AI che ne costituisce invece solo una minima parte applicativa (peraltro limitata ad una specifica natura di dati su cui opera: quelli testuali od assimilabili). La Generative AI è infatti una branca dell’intelligenza artificiale che si distingue nettamente dalla cosiddetta “Discriminative AI”, ovvero dall’intelligenza artificiale tradizionale che analizza e classifica dati esistenti. La grande rilevanza (anche mediatica) riservata alla GenAI risiede nella sua capacità di costituire un perfetto motore sintattico in grado di generare autonomamente dettagliati commenti a report economici, simulare (anche descrivendoli in modo verbale) scenari complessi e fornire insight strategici integrando informazioni numeriche con informazioni testuali (interne ed esterne) che descrivono e spiegano i fenomeni. Per questa sua capacità di costruire “mondi lessicali” originali la GenAI richiede una considerazione rigorosa dei rischi etici, della qualità dei dati utilizzati e della trasparenza dei modelli adottati.

Impatti Organizzativi – Il Modello Hub & Spoke

La trasformazione digitale non trasforma solo la relazione con la tecnologia: essa ha un impatto di paragonabile entità anche sulle strutture organizzative. Per rispondere efficacemente alle nuove esigenze operative e strategiche, sono stati analizzati (e messi alla prova) diversi modelli organizzativi, da cui sono emerse evidenze circa la loro adeguatezza (o meno) alla transizione in atto.

• Modello tradizionale (centralizzato): caratterizzato da un controllo rigido, con funzioni finanziarie gestite da un’unica unità centrale. Sebbene questo modello garantisca uniformità e controllo diretto, risulta spesso lento nella risposta ai cambiamenti.
• Modello decentralizzato: basato sull’autonomia delle unità locali o di business. Offre flessibilità, ma può generare inefficienze e incoerenze.
• Modello Hub & Spoke: emerso come soluzione prevalente, centralizza attività ripetitive e standardizzate quali ad esempio le attività “paracontabili” oppure la produzione del reporting sull’Hub e decentra attività strategiche e di analisi avanzata più proprie del controllo manageriale nelle unità Spoke. Questa struttura combina efficacemente agilità decisionale, precisione dei dati e rapidità operativa.

Il modello Hub & Spoke facilita inoltre una maggiore specializzazione del personale nelle attività strategiche e valorizza la centralizzazione delle competenze digitali e analitiche nel “Hub”, favorendo l’innovazione continua e la standardizzazione delle best practice.

Sfide e Rischi nella Transizione alla Controllership 4.0

Il passaggio verso la Controllership 4.0 presenta sfide significative non solo di natura tecnologica e organizzativa, ma anche etica e normativa. Innanzitutto, l’introduzione massiccia di tecnologie avanzate comporta rilevanti investimenti iniziali, la necessità di formazione continua del personale e il superamento di resistenze interne al cambiamento. Tra i principali rischi tecnologici emergono quelli legati alla sicurezza informatica e alla privacy. I Controller, infatti, trattano quotidianamente grandi quantità di dati sensibili, e l’aumento dell’automazione richiede ulteriori misure di protezione contro potenziali attacchi informatici e violazioni di dati.
Tuttavia, una delle principali sfide riguarda l’aspetto etico dell’uso dell’Intelligenza Artificiale, che solleva importanti interrogativi su temi come la trasparenza, la responsabilità e la prevenzione di bias e discriminazioni. Le decisioni autonome, infatti, possono risultare distorte se basate su dataset incompleti od affetti da “rumore di fondo” (il rumore di fondo generato dai dati di addestramento, e quindi in ultima analisi generato dal nostro comportamento “digitalizzato”). È fondamentale che le organizzazioni sviluppino politiche chiare e trasparenti per garantire un uso etico e responsabile dell’AI.
In questo contesto si inserisce anche l’AI Act, proposto dall’Unione Europea, un regolamento volto a stabilire un quadro normativo chiaro per lo sviluppo e l’implementazione dell’Intelligenza Artificiale. L’AI Act definisce livelli di rischio per le diverse applicazioni di AI e prescrive requisiti rigorosi per sistemi considerati ad alto rischio, compresi quelli utilizzati in ambito finanziario per decisioni strategiche e operative. L’obiettivo è garantire che l’AI sia sicura, affidabile e rispettosa dei diritti fondamentali degli individui.
Le aziende, quindi, non solo devono dotarsi di strutture tecnologiche adeguate, ma devono anche adottare specifiche policy interne, monitorare costantemente la compliance normativa e preparare il proprio personale a gestire le implicazioni etiche dell’utilizzo di strumenti avanzati come la Generative AI. La governance interna diventa essenziale per prevenire rischi reputazionali e sanzioni normative, oltre che per promuovere una cultura aziendale basata sull’etica e sulla responsabilità sociale d’impresa.
In sintesi, affrontare con successo la transizione alla Controllership 4.0 significa integrare una visione strategica delle tecnologie con una gestione proattiva delle sfide etiche e normative, assicurando al contempo la formazione continua e l’aggiornamento delle competenze del proprio personale e questa sfida non può riguardare solo la funzione finance ma deve essere estesa a tutte le funzioni aziendali.

Misurare il Successo – Il Ritorno sul Digitale (ROD)

La valutazione del successo della trasformazione digitale (ed in particolare per valutare il successo della trasformazione di una funzione di supporto come il controller) richiede metriche più specifiche e articolate rispetto al tradizionale ROI.
La valutazione del successo della trasformazione digitale richiede metriche più specifiche e articolate rispetto al tradizionale ROI, specialmente nel contesto del Controller 4.0. Si può proporre a questo fine un concetto di “Return on Digital” (ROD), che si concentra esclusivamente sugli impatti diretti del digitale sul ruolo e sulle performance del Controller, evidenziando come l’evoluzione della funzione finance produca benefici indiretti ma significativi per l’intera organizzazione.
Pur senza avere l’ambizione di essere scientifici si può (a fini rappresentativi) ipotizzare una formula per per misurare il ROD avente la seguente forma:

Dove:

• v rappresenta il valore totale generato dalla trasformazione digitale, includendo benefici finanziari e non finanziari come:
  o Risparmi sui costi: riduzione delle spese operative grazie all’automazione e all’ottimizzazione dei processi.
  o Crescita dei ricavi: espansione del mercato e miglioramento delle vendite tramite nuovi canali digitali.
  o Riduzione del costo di acquisizione clienti: maggiore efficienza nelle strategie di marketing digitale.
  o Aumento del valore del cliente (CLV): miglioramento della fidelizzazione e della soddisfazione dei clienti.
  o Incremento della produttività: maggiore efficienza del personale e riduzione dei tempi di esecuzione.
  o Accelerazione del time-to-market: sviluppo e lancio più rapido di nuovi prodotti o servizi.
  o Valore qualitativo: reputazione del brand, innovazione e agilità aziendale.
• c rappresenta il costo totale della trasformazione digitale, che comprende:
  o CapEx (Capital Expenditure): investimenti in hardware, software e infrastrutture digitali.
  o Costi di implementazione: risorse destinate all’integrazione dei nuovi strumenti tecnologici.
  o Formazione e sviluppo: costi per l’aggiornamento delle competenze del personale.
  o Manutenzione e aggiornamenti: costi ricorrenti per il mantenimento delle soluzioni digitali.
  o Costi opportunità: perdita di produttività temporanea durante la transizione digitale.
• t rappresenta il tempo necessario per ottenere i risultati della trasformazione digitale.
  o Alcuni benefici sono immediati (ad esempio, risparmi sui costi operativi), mentre altri richiedono mesi o anni per materializzarsi (come il miglioramento della customer experience o l’incremento della redditività a lungo termine).

Questa formula permette di identificare chiaramente i miglioramenti ottenuti direttamente dal Controller in seguito alla digitalizzazione, sottolineando come una maggiore efficacia, qualità e gestione dei rischi nella funzione di controlling generi, indirettamente ma significativamente, benefici tangibili per l’intera organizzazione.

Conclusioni: Il Controller Aziendale del Futuro nell’Era dell’AI

La transizione verso la Controllership 4.0 rappresenta una svolta fondamentale nel ruolo del Controller, che evolve da semplice esecutore amministrativo a partner strategico cruciale per il successo aziendale. L’adozione integrata di tecnologie avanzate come RPA, Analytics e Generative AI nonché l’evoluzione verso un modello organizzativo Hub & Spoke costituiscono la base per affrontare con efficacia le sfide del futuro.
Per cogliere appieno le opportunità della trasformazione digitale è indispensabile creare consapevolezza diffusa e sensibilizzare l’intera organizzazione sull’importanza strategica dell’AI. È necessario investire immediatamente in programmi di formazione mirati a sviluppare competenze digitali specifiche nel Controller, integrando tali competenze con una comprensione approfondita degli aspetti etici e normativi legati all’Intelligenza Artificiale, come quelli previsti dall’AI Act europeo.
Inoltre, è fondamentale definire chiaramente ruoli, responsabilità e processi all’interno di framework di governance efficaci, assicurando che ogni implementazione tecnologica sia coerente con il quadro normativo e strategico dell’organizzazione. In questo contesto, è essenziale identificare e superare le resistenze interne al cambiamento, adottando un mindset digitale che favorisca la continua innovazione.
La leadership aziendale è chiamata quindi ad agire con determinazione per garantire che il Controller abbia un ruolo centrale e attivo nella definizione e nell’implementazione del percorso di digitalizzazione. Questo processo non deve limitarsi all’acquisizione di nuove tecnologie, ma deve includere una revisione profonda del mindset aziendale, una formazione continua e una chiara scelta strategica verso un Target Operating Model digitale, agile e data-driven.
Ora è il momento di agire con decisione e lungimiranza, investendo nel futuro della funzione controlling per garantire sostenibilità, competitività e resilienza in un mercato sempre più complesso e dinamico.

A cura di Riccardo Bovetti, Partner EY, Financial Accounting Advisory Services