La tecnologia si basa sull'AI. La finanza protegge i margini.

Chiedi al CFO di un'azienda tecnologica quale sarà il margine del trimestre e otterrai un numero preciso. Chiedi cosa lo ha influenzato e inizierà l'elenco: la funzionalità più richiesta il cui costo di calcolo è cresciuto più rapidamente del suo prezzo, i ricavi da utilizzo registrati su piani misti di abbonamento e consumo, la capacità di calcolo riservata che una policy di scalabilità automatica ha consumato più velocemente del previsto. Ogni numero in quell'elenco è il prodotto di più sistemi, e ognuno è sempre più influenzato dagli agenti. Il compito del dipartimento finanziario è capire in che modo queste variabili influiscono sulla unit economics e guidare l'azienda continuamente, non solo una volta al mese in fase di chiusura.

Alla maggior parte dei team finanziari viene chiesto di farlo su un'infrastruttura creata per un business più lento: estrazioni, fogli di calcolo e metriche riconciliati mensilmente, mentre l'utilizzo, i prezzi e le risorse di calcolo cambiano ogni ora. Ogni giorno di ritardo ha un costo. Una variazione di prezzo arriva con una settimana di ritardo. Un bug di misurazione dei consumi persiste fino alla chiusura. Un impegno di spesa per le risorse di calcolo viene firmato sulla base della domanda del mese precedente.

Come la unit economics dell'AI è diventata la prima linea del settore finanziario

Le aziende tecnologiche e AI-native si basano sulla crescita. L'utilizzo scala, i prezzi variano tra abbonamento e consumo e le risorse di calcolo sono diventate il costo variabile più elevato per l'azienda. Proteggere la sostenibilità economica di questa crescita è da sempre il compito del dipartimento finanziario. Ciò che è cambiato è la velocità: ora gli agenti influenzano il modo in cui vengono consumate le risorse di calcolo, come viene tariffato l'utilizzo e come vengono riconosciuti i ricavi, e i numeri del settore mostrano questa pressione. I margini lordi delle aziende AI-native hanno raggiunto circa il 52% nel 2026, rispetto al 41% del 2024 (ICONIQ), ancora lontani dal 70-90% registrato dal software classico.

I team finanziari più solidi non stanno a guardare. Il team finanziario di OpenAI descrive l'impiego di agenti AI nei flussi di lavoro contrattuali, per estrarre e verificare clausole che un tempo richiedevano ore di lavoro agli analisti. YipitData ha portato le operazioni sui ricavi e la finanza su Databricks, dove gli analisti finanziari scrivono autonomamente codice SQL e PySpark, e un'integrazione con NetSuite ha eliminato il lavoro manuale dalla reportistica finanziaria. La domanda per il CFO di un'azienda tecnologica non è più se il dipartimento finanziario utilizzerà l'AI. Ma quale sia l'infrastruttura che la rende sicura.

Perché un termine come ontologia è oggi così importante per la finanza aziendale tecnologica

Il dipartimento finanziario è sempre stato abile nel trovare il numero esatto, anche quando è nascosto nella complessità. Ma un numero può essere perfettamente accurato e non essere comunque corretto, perché si basa su una visione parziale o obsoleta dell'andamento aziendale. Ciò che conta è il significato che vi risiede dietro: le definizioni, i prodotti e i piani, i fattori trainanti dell'utilizzo e del calcolo, e come ognuno di essi cambia con l'evoluzione del business. Per l'AI, questo divario rappresenta il problema principale: l'inesattezza è il problema più citato dalle aziende in relazione all'AI, segnalato da circa un terzo di esse (McKinsey, 2025). Come afferma Ali Ghodsi, la maggior parte dell'AI aziendale tira a indovinare con una falsa sicurezza. Questo è un problema di contesto, non di intelligenza.

Un'ontologia colma questo divario. Acquisisce il significato dei numeri e lo mantiene aggiornato con il variare del business. E la materia prima arriva più velocemente che mai. I dati di pagamento di Stripe, le transazioni, gli abbonamenti, i rimborsi e i pagamenti ora confluiscono in Unity Catalog tramite OpenSharing su Databricks Marketplace: in tempo reale, regolamentati e senza alcuna pipeline ETL da creare o gestire. Lakebase, il database Postgres transazionale integrato nativamente nel lakehouse, estende lo stesso principio all'interno della piattaforma. I dati operativi e l'analisi condividono un'unica base, in modo che la risposta rifletta l'attività aziendale così come si svolge oggi, e non com'era all'ultima sincronizzazione.

Il ruolo di Genie One

In un'azienda AI-native, un'analisi elaborata poche ore prima potrebbe essere già obsoleta. Pertanto, l'ontologia stessa deve continuare a evolversi. Deve apprendere dai sistemi su cui si basa l'attività, affinarsi a ogni domanda e adattarsi all'evoluzione del business.

Databricks ha creato Genie One proprio per questo. Funziona come un collega AI intelligente per i dati: un responsabile finanziario pone una domanda diretta e ottiene una risposta affidabile e documentata, basata sull'ontologia di Genie One e controllata in ogni fase. Amagi, la piattaforma AdTech alla base di migliaia di canali televisivi, opera già in questo modo in produzione. Il suo team finanziario ottiene fatturazione e reportistica finanziaria in tempo reale su Databricks, con Genie One che risponde a domande in linguaggio naturale; inoltre, poiché finanza, marketing e operazioni attingono agli stessi dati regolamentati, le riunioni dei dirigenti non si trasformano più in discussioni su quale sia il numero corretto.

Ogni team finanziario AI-native si confronta con tre domande fondamentali, e ogni risposta prepara la successiva:

› Qual è il margine lordo effettivo, per prodotto e cliente, una volta calcolati i costi delle risorse di calcolo dell'AI?

Il prezzo di un piano e il margine che ne deriva raramente coincidono una volta calcolati i costi di inferenza e di serving. Il margine è il primo aspetto su cui la maggior parte dei team indirizza Genie One, ed è per questo che le aziende di software di progettazione, marketplace e consumer internet lo stanno adottando come punto di accesso self-service per i loro team finanziari.

› Quali sono i ricavi da consumo a rischio nei modelli di prezzo misti tra abbonamento e utilizzo?

I consumi misurati correttamente corrispondono a ricavi che si possono reconocer, e il valore sta nell'individuare un divario nel momento in cui si crea, non in fase di chiusura. Un'azienda di scommesse digitali ha portato questo approccio ai massimi livelli: ha sostituito le fragili previsioni basate su fogli di calcolo con modelli regolamentati di previsione dei ricavi, ha aggiunto l'analisi della liquidità e ha fornito al proprio team di leadership una versione personalizzata di Genie One.

› In quali aree la spesa per le risorse di calcolo rischia di superare il budget disponibile con la crescita dell'utilizzo?

Il momento di agire sul burn rate è prima di firmare il successivo impegno di spesa per le risorse di calcolo. Per questo motivo, una piattaforma di asset digitali gestisce i propri flussi finanziari e l'analisi della blockchain sulla piattaforma, e una piattaforma di consegna globale gestisce le previsioni finanziarie, le app finanziarie e l'automazione dei flussi di lavoro nello stesso modo.

E poiché ogni dato è tracciabile fino alla sua origine, ogni autorizzazione viene rispettata e il costo dell'AI stessa rimane regolamentato sotto un unico modello, la risposta ottenuta è immediatamente utilizzabile dal dipartimento finanziario. Genie One prepara l'azione, che si tratti di una variazione di prezzo, di una correzione della misurazione dei consumi o di una riduzione più graduale delle risorse, lasciando la decisione finale a una persona fisica.

Dalla prima risposta alla piattaforma finanziaria

Il percorso delle aziende tecnologiche e AI-native è coerente. Il dipartimento finanziario inizia con risposte regolamentate e self-service. Poi inizia a consolidare. Un'azienda leader nel software AI-native che esegue analisi finanziarie in tempo reale su Databricks sta ora convalidando Genie One per la finanza e le operazioni. Un'azienda leader nel software finanziario sta consolidando il proprio stack di reportistica finanziaria e creando agenti per il proprio team finanziario. Altre aziende stanno eliminando gli strumenti specifici che il dipartimento finanziario ha accumulato in un decennio: dashboard su piattaforme BI legacy, centinaia di flussi di lavoro di preparazione dei dati desktop e app finanziarie residenti su un cloud data warehouse separato. Ogni migrazione inserisce una parte maggiore del significato aziendale nell'ontologia, migliorando di conseguenza le risposte di Genie One. Il dipartimento finanziario finisce per operare sulla stessa piattaforma del prodotto: un'unica piattaforma per i dati e l'AI che scala dalla fase pre-IPO a quella post-IPO senza dover cambiare piattaforma.

Un collega AI intelligente per i dati, progettato per il funzionamento del settore finanziario

Questo è ciò che i dipartimenti finanziari chiedevano: un collega AI che rimanga aggiornato, regolamentato e che continui ad apprendere le dinamiche aziendali. È anche il modo in cui gestiamo il nostro. Michael Schaaf, Senior Director of Finance presso Databricks, ha mostrato come l'organizzazione finanziaria di Databricks operi su Databricks nel webinar Databricks on Databricks, e presenterà l'intera storia al Data + AI Summit nella sessione How Databricks Uses Databricks to Run Its Own Finance Organization, and Why That Changes Everything.

Le aziende tecnologiche e AI-native continueranno a crescere grazie all'AI. Genie One è il modo in cui il settore finance protegge la unit economics da cui dipende questa crescita. Scopri come si presenta un assistente AI intelligente per i dati per un team finance: databricks.com/product/ai-bi/genie

Domande frequenti

Cosa sta cambiando per il settore finance in un'azienda AI-native?

Sempre più decisioni che influiscono sulla unit economics (risorse di calcolo, pricing e riconoscimento dei ricavi) vengono prese da agenti. La missione del settore finance di proteggere il margine non è cambiata. Ciò che è cambiato sono la velocità e la complessità di ciò che deve comprendere e governare.

Genie One prende decisioni relative a pricing, packaging o risorse di calcolo?

No. Queste decisioni spettano a product, engineering e alla contabilità dei ricavi. Genie One offre al team finance una visione accurata e governata, in modo che un rischio sul nascere venga individuato tempestivamente e indirizzato al responsabile che può intervenire.

Perché l'ontologia e la governance sono importanti per il CFO di un'azienda tecnologica?

L'ontologia definisce il significato dei numeri per il tuo business e lo mantiene aggiornato, in modo che una risposta sia corretta e non solo accurata. La governance garantisce che ogni dato sia tracciato, autorizzato e sottoposto a controllo dei costi. Insieme, rendono una risposta sicura su cui basare le proprie decisioni.

In cosa Genie One si differenzia da una dashboard AI o da uno strumento di BI?

Una dashboard mostra ciò che dicono i dati. Genie One ti aiuta ad agire di conseguenza: basandosi sulla tua ontologia, con una governance end-to-end e con una persona che prende la decisione finale.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale