Customer Story sull’AI: esempi concreti nella pianificazione finanziaria e operativa

I clienti Board delle aree Finance e Operations stanno integrando l’AI in specifici processi di pianificazione e analisi per ridurre le attività manuali, accelerare le analisi e prendere decisioni più rapide e informate. Questa pagina raccoglie le loro storie, illustrando nel dettaglio gli strumenti utilizzati, i processi coinvolti e i risultati ottenuti.

L’AI in azione: i risultati in sintesi

L’AI nell’Enterprise Planning diventa realtà

I team Finance e Operations hanno ormai superato la fase in cui ci si chiedeva “cosa potrebbe fare l’AI?”. Di seguito presentiamo esempi concreti di aziende che stanno già utilizzando o esplorando le funzionalità di AI agentica e analitica di Board per l’analisi degli scostamenti, la riconciliazione, il forecasting e il Demand Planning.

Perché le aziende scelgono Board AI per la pianificazione

L’AI general-purpose può rendere le informazioni più semplici da consultare e analizzare. L’Enterprise Planning, tuttavia, introduce un’ulteriore esigenza: l’AI deve comprendere il contesto di business alla base dei dati, incluse le gerarchie di pianificazione, gli scenari, le versioni, i calcoli, le assunzioni e i livelli di autorizzazione.

Board AI opera all’interno di questo contesto di pianificazione governato. Ciò consente ai team Finance e Operations di applicare l’AI a processi specifici, come l’analisi degli scostamenti, la riconciliazione, il forecasting e la gestione delle eccezioni, mantenendo al tempo stesso il controllo umano e la piena tracciabilità.

Da queste Customer Story emergono tre caratteristiche ricorrenti:

• Basati sul contesto di pianificazione. I Board Agents operano utilizzando dati di pianificazione governati, definizioni di business, gerarchie, calcoli e il contesto specifico dell’utente, consentendo agli utenti di lavorare con le stesse strutture di business già utilizzate per la pianificazione e il reporting.
• Progettati per supportare decisioni governate, trasparenti e verificabili. Trasparenza, spiegabilità e supervisione umana sono parte integrante del processo. Si tratta di aspetti fondamentali in ambito Finance e Accounting, dove una risposta non governata rappresenta un rischio, non un vantaggio. Gli utenti possono verificare i dataset di Board alla base di una risposta, approfondire l’analisi e validare i risultati prima di prendere una decisione. Come spiega Chris Brown, Group Finance Director di Karndean: “Posso sempre chiedere al Board Agent da dove proviene una risposta. Se mi dice che i nostri margini sono solidi, posso chiedergli il perché e mi mostrerà il ragionamento alla base della risposta.”
• Diverse forme di AI per diverse esigenze di pianificazione. I Board Agents supportano analisi specifiche per dominio e workflow dedicati a casi d’uso specifici, mentre Board Foresight e Signals integrano nei processi di forecasting e pianificazione operativa capacità predittive e intelligence basata su segnali economici esterni. Insieme, queste funzionalità supportano il Continuous Planning nelle aree Finance e Operations.

L’AI nell’Office of Finance

Nell’Office of Finance, i clienti Board stanno esplorando come gli AI Agent basati sui diversi ruoli aziendali possano affiancare e valorizzare le competenze dei team Finance.

Board FP&A Agent supporta i processi di pianificazione, forecasting e analisi delle performance. Board Controller Agent integra invece un’intelligenza specifica per l’ambito contabile nei processi di chiusura finanziaria, consolidamento, riconciliazione e reporting.

Questi Agent sono progettati per accelerare le analisi e supportare il processo decisionale all’interno di workflow di pianificazione governati, mantenendo al tempo stesso i professionisti Finance responsabili della validazione, della valutazione e dell’approvazione finale.

Insieme, aiutano i team Finance a dedicare meno tempo alla raccolta e alla validazione delle informazioni e a concentrarsi maggiormente sulla comprensione delle performance e su decisioni più consapevoli.

Chiesi: identificare le cause degli scostamenti in pochi secondi anziché in ore

In Chiesi, Board FP&A Agent ha contribuito ad accelerare l’analisi degli scostamenti finanziari e a individuare i driver alla base delle variazioni delle performance. Invece di dedicare ore all’analisi delle discrepanze tra conto economico, stato patrimoniale, prodotti, SKU e aree geografiche, il team FP&A può identificare le cause principali e ottenere risposte in pochi secondi, favorendo il passaggio da un reporting reattivo a una pianificazione più proattiva.

Uno dei principali vantaggi che abbiamo riscontrato è l’efficienza dei Board Agents. Attività che prima richiedevano una preparazione manuale in Excel possono ora essere eseguite direttamente in Board, ottenendo in pochi minuti tabelle e grafici pronti all’uso, senza dover esportare i dati o creare tabelle pivot.

Riccardo Filippi

Finance Application Manager, Global Finance Chiesi Farmaceutici

AI proof point: grazie all’AI, l’analisi degli scostamenti e l’identificazione delle cause principali richiedono pochi secondi anziché ore, accelerando significativamente l’analisi delle performance finanziarie.

Guarda come Chiesi utilizza Board FP&A Agent:

EBSCO Industries: ridurre le analisi manuali ed eliminare le esportazioni in Excel

EBSCO Industries ha sperimentato Board FP&A Agent per eseguire analisi finanziarie ad hoc attraverso l’interazione in linguaggio naturale, eliminando la necessità di esportare ripetutamente i dati in Excel.

Il team può ottenere risposte contestualizzate, comprendere i calcoli alla base dei risultati ed esplorare le informazioni finanziarie mantenendo trasparenza, verificabilità e la possibilità di validare le fonti dati sottostanti. In questo modo, può dedicare più tempo a valutare cosa significano realmente i numeri per il business, anziché alla loro raccolta e preparazione.

Ciò che mi colpisce di più è la capacità di Board FP&A Agent di mettere in relazione diverse fonti di dati. Analizza nel dettaglio il nostro stato patrimoniale e il conto economico, sintetizzando tutte le informazioni in insight chiari e utilizzabili: un valore incredibile per noi di EBSCO.

Adam Hancock

former Vice President, Financial Planning & Analysis EBSCO Industries

AI proof point: l’analisi finanziaria in linguaggio naturale riduce la necessità di esportazioni manuali in Excel e accelera l’accesso a insight ad hoc, garantendo al contempo la piena trasparenza dei calcoli.

Guarda come EBSCO Industries utilizza Board FP&A Agent:

AMMEGA: accelerare le analisi e ridurre le attività di riconciliazione

AMMEGA sta esplorando diverse applicazioni di Board AI in ambito Finance. Board FP&A Agent automatizza i controlli manuali di coerenza, accelera l’analisi finanziaria e consente al team di interagire con dati affidabili attraverso il linguaggio naturale, dedicando meno tempo all’individuazione dei problemi e più tempo alla loro risoluzione.

In un altro processo Finance, AMMEGA ha ridotto le attività di riconciliazione manuale da quasi un’intera giornata a una o due ore, migliorando al contempo la qualità dei dati, riducendo la dipendenza dal supporto IT e ottenendo risposte trasparenti e spiegabili.

AI proof points:

• Tempi di riconciliazione manuale ridotti da quasi un’intera giornata a una o due ore.
• Controlli di coerenza automatizzati e analisi degli scostamenti più rapide.
• Accesso ai dati finanziari tramite linguaggio naturale.
• Risposte trasparenti e spiegabili.
• Minore dipendenza dal supporto IT per le attività di analisi di routine.

Guarda la storia di AMMEGA:

Demo sulle allocazioni degli overhead

Demo del Merchandise Planning

Demo di Capex & Project Planning

Demo Board di Demand Planning

Demo Intercompany Management

Demo Cash Flow Forecasting

Demo Forecast Accuracy nella Supply Chain

Demo Board FP&A Cash Flow Agent

Slide precedente Slide successiva

Karndean: turning consolidation investigation into a single question

Karndean sta sperimentando i Board Agents per l’Office of Finance, incluso Board Controller Agent, con l’obiettivo di passare più rapidamente dal reporting all’analisi investigativa durante il processo di consolidamento finanziario.
Anziché limitarsi a restituire i dati, l’Agent evidenzia saldi anomali, ad esempio un fondo svalutazione crediti che risulta basso rispetto a quello di altre entità, identifica quale entità è all’origine di uno scostamento e spiega perché un determinato saldo potrebbe richiedere maggiore attenzione. Il Group Finance Director di Karndean può inoltre approfondire l’analisi e chiedere da dove deriva una determinata conclusione, anziché considerare l’output dell’Agent come una “black box”.

In passato, analizzare uno scostamento intercompany significava consultare un report dopo l’altro, approfondendo ogni volta un po’ di più. Ora mi basta fare una sola domanda e Board Controller Agent individua immediatamente il punto su cui concentrarsi.

Chris Brown

Group Finance Director Karndean

AI proof points:

• Identificazione delle anomalie — ad esempio, un fondo svalutazione crediti che risulta basso rispetto a quello di entità comparabili.
• Analisi degli scostamenti intercompany: dalla consultazione di un report dopo l’altro a una singola domanda.
• Ragionamento trasparente: Chris può chiedere all’Agent da dove deriva una determinata risposta.
• I responsabili Finance possono utilizzare il linguaggio naturale per analizzare dati di pianificazione governati, senza dover creare ogni volta report aggiuntivi.
• L’analisi fornita da Board Agent è sufficientemente chiara da poter essere condivisa direttamente con il CEO, consentendogli di ottenere risposte in modalità self-service.

Ascolta la testimonianza di Chris Brown di Karndean:

Diersch & Schröder Group: esplorare l’analisi direzionale supportata dall’AI

Diersch & Schröder Group sta esplorando come l’interazione in linguaggio naturale e le analisi supportate dall’AI possano aiutare i Controller a lavorare con i report e i dati finanziari esistenti, identificando scostamenti positivi e negativi, analizzando i risultati per segmenti e periodi e approfondendo i potenziali driver delle performance a livello di singolo conto. Si tratta di un primo esempio di come l’AI possa rendere le informazioni direzionali più semplici da esplorare e aiutare i Controller a passare più rapidamente dai risultati riportati all’individuazione delle possibili cause.

Abbiamo colto rapidamente il potenziale di Board Agent e imparato ad adattare i prompt alle nostre priorità di reporting. È diventato a tutti gli effetti un componente prezioso del nostro team e siamo entusiasti di scoprire quali saranno i prossimi sviluppi.

Katja Makiol

Head of Group Controlling Diersch & Schröder Group

AI proof point: l’analisi direzionale in linguaggio naturale consente ai Controller di analizzare più rapidamente scostamenti, periodi, segmenti e conti.

Guarda la video intervista con Katja Makiol di DS Group:

Leggi il case study completo di Diersch & Schröder.

AI in Forecasting & Operations Planning

L’AI di Board applicata alla pianificazione va oltre l’AI agentica. Board Foresight utilizza l’AI analitica e modelli econometrici per il forecasting, mentre Board Signals integra nel processo di pianificazione informazioni rilevanti provenienti da dati economici e di mercato esterni.

Rocky Brands: segnali esterni e spiegabilità della GenAI nel Demand Planning

Rocky Brands utilizza Board per il Demand Planning insieme a Board Foresight e Signals per gestire la pianificazione in un mercato delle calzature caratterizzato da forte volatilità. L’azienda ha ridotto dell’80–90% il tempo dedicato alla preparazione dei dati, passando da un forecasting mensile statico a una pianificazione continua guidata dai segnali. Gli indicatori esterni consentono di validare le previsioni quasi in tempo reale, supportando processi di reforecasting più rapidi e offrendo una visibilità più granulare a livello di SKU e cliente. La spiegabilità offerta dalla GenAI aiuta i planner a comprendere le relazioni alla base delle previsioni e degli indicatori esterni, consentendo di prendere decisioni più consapevoli su scorte e approvvigionamenti, mantenendo al tempo stesso la responsabilità delle decisioni più rilevanti in capo alle persone.

La pianificazione è passata dalla preparazione dei dati alla gestione delle eccezioni.

Michael Harper

VP Supply Chain Planning Rocky Brands

AI proof points:

• Tempo dedicato alla preparazione dei dati ridotto dell’80–90%.
• Segnali esterni utilizzati per validare le previsioni della domanda.
• Interpretazione e spiegabilità supportate dalla GenAI.
• Reforecasting più rapido e decisioni sulle scorte più granulari.
• Continuous Planning guidato dai segnali

Guarda come Rocky Brands utilizza Board Foresight:

Leggi la storia di Rocky Brands sul Demand Planning basato sull’AI.

Kraft Heinz: integrare l’intelligence macroeconomica nella pianificazione go-to-market

Kraft Heinz utilizza Board Foresight e Board Signals per integrare l’intelligence macroeconomica nei processi di forecasting e nella pianificazione go-to-market, aiutando il team a interpretare i cambiamenti nei comportamenti dei consumatori legati alla pandemia e la volatilità del mercato, senza affidarsi esclusivamente ai trend storici. L’approccio, inizialmente avviato come progetto pilota, è stato successivamente esteso al Canada e a oltre 80 territori internazionali. Secondo Kraft Heinz, anche un miglioramento dell’1% nell’accuratezza delle previsioni può tradursi in milioni di dollari di risparmi sui costi o di crescita dei ricavi.

Tutti i retailer e le aziende CPG dovrebbero integrare i fattori macroeconomici nei processi di pianificazione per rafforzare il proprio business. Così facendo, non solo migliora la precisione delle previsioni, ma i planner di go-to-market acquisiscono anche una piena consapevolezza dei driver esterni che influenzano i loro mercati.

Jac Connolly

Senior Economist The Kraft Heinz Company

AI proof point: il forecasting basato sull’intelligence macroeconomica è passato da un progetto pilota iniziale a un’implementazione estesa al Canada e a oltre 80 territori internazionali.

Leggi il Case Study di Kraft Heinz o guarda il webinar on demand per maggiori dettagli.

Whataburger: un’unica base per il forecasting di vendite, costo del lavoro e fabbisogno di personale

Whataburger utilizza Board Foresight come modello di riferimento per il forecasting delle vendite, del costo del lavoro e del fabbisogno di personale, integrandolo con rettifiche specifiche per il business anziché affidarsi esclusivamente a dati storici incompleti. Il team ha sviluppato 20 modelli predittivi di breve termine (da 1 a 12 mesi) che coprono le vendite complessive e le performance regionali dei ristoranti, sia di proprietà sia in franchising. La stessa base di forecasting viene inoltre utilizzata per supportare le decisioni HR relative a organico, costi e retention del personale.

Abbiamo adottato pienamente Board Foresight come modello di riferimento, sul quale applichiamo poi alcuni aggiustamenti specifici. Oggi, il forecast generato da Board Foresight rappresenta il punto di partenza del nostro processo di pianificazione.

Pete Valadez

Senior Director, FP&A Whataburger

AI proof point: previsioni di vendita a livello di singolo punto vendita con un margine di errore dell’1–2%, basate su 20 modelli predittivi che coprono vendite, pianificazione del personale e costo del lavoro. Un raro esempio di come un’unica base di forecasting possa supportare sia le decisioni commerciali sia quelle relative alla gestione della forza lavoro.

Leggi il case study di Whataburger.

Kimberly-Clark: trasformare il forecasting da un’attività di reporting a un vantaggio strategico per il processo decisionale

In Kimberly-Clark, il valore del forecasting basato sull’AI va oltre il semplice miglioramento dell’accuratezza delle previsioni. Il forecast ottenuto supporta oggi le decisioni nelle aree Finance, Demand Planning, Supply Chain, Marketing e Revenue Growth Management.

Il forecasting era un processo basato su dati storici e fogli Excel, costruito su trend lineari e valutazioni manuali: difficile da standardizzare tra le diverse categorie, complesso da spiegare agli stakeholder e poco resiliente di fronte a eventi come la pandemia, gli shock inflazionistici e la forte crescita dei prodotti a marchio del distributore.

Da quando ha avviato la collaborazione con Board nel 2023, il team ha ripensato il forecasting per categoria adottando una metodologia econometrica che parte dai dati esterni: un framework standardizzato, applicato in modo coerente a tutte le categorie, che consente al tempo stesso di tenere conto dei driver specifici e delle dinamiche di mercato proprie di ciascuna categoria.

Il Machine Learning analizza continuamente milioni di segnali esterni — dati economici, retail, relativi ai consumatori e alla concorrenza — per identificare i fattori che, dal punto di vista statistico, influenzano la domanda, eliminando i bias umani nella selezione dei driver. Oggi, ogni forecast non restituisce più soltanto un dato, ma anche una spiegazione chiara e comprensibile dei driver che lo determinano. Le previsioni alimentano direttamente i processi Finance (budgeting e guidance agli investitori), Demand Planning e Supply Chain (scorte e livelli di servizio), nonché Marketing e Revenue Growth Management (tempistiche delle campagne e pricing).

L’obiettivo non è mai stato semplicemente ottenere una previsione migliore. L’obiettivo è sempre stato prendere decisioni migliori.

Misty Alexander

Director Consumer Analytics Kimberly-Clark

AI proof points:

• Accuratezza complessiva delle previsioni entro il 2% rispetto ai dati effettivi, con un margine compreso tra lo 0,2% e il 2% nella categoria dei fazzoletti per il viso.
• Oltre 10 milioni di dollari di risparmi realizzati, inclusa una riduzione di 1,3 milioni di dollari delle scorte di sicurezza per ogni punto percentuale di miglioramento nell’accuratezza delle previsioni.
• Le previsioni trimestrali sono ora più accurate di quelle annuali in 7 categorie su 11 e raggiungono lo stesso livello di accuratezza in altre 2 categorie.
• Un unico forecast alimenta oggi le decisioni di Finance, Demand Planning/Supply Chain e Marketing/RGM, anziché rimanere confinato nel foglio Excel di un singolo team.

Scopri di più su Kimberly-Clark e Board Foresight

Cosa accomuna queste Customer Story sull’AI

• L’AI viene applicata a processi di business ben definiti, anziché essere utilizzata semplicemente come uno strumento general-purpose aggiuntivo: analisi degli scostamenti, riconciliazione, analisi a livello di singolo conto, analisi ad hoc, forecasting e gestione delle eccezioni.
• Il vantaggio principale non è solo la velocità. I team dedicano meno tempo alla preparazione e alla ricerca delle informazioni e possono concentrarsi maggiormente sulla validazione degli insight, sulla simulazione di scenari e sulle decisioni da prendere.
• Il contesto di pianificazione è fondamentale. L’AI diventa più efficace quando è in grado di operare utilizzando le definizioni di business, le gerarchie, gli scenari, i calcoli, le assunzioni e i livelli di autorizzazione che guidano i processi di pianificazione di un’organizzazione.
• La fiducia è imprescindibile. Trasparenza, spiegabilità, tracciabilità, verificabilità e supervisione umana sono alla base di tutte le Customer Story presentate. Come afferma Chris Brown di Karndean: “Posso sempre chiedere al Board Agent da dove proviene una risposta.”
• Diverse esigenze di pianificazione possono beneficiare di diverse forme di AI. I Board Agents supportano analisi specifiche per dominio e workflow agentici basati su casi d’uso specifici, mentre Board Foresight e Signals integrano capacità predittive e intelligence esterna nei processi di forecasting.
• L’AI supporta il Continuous Planning. I team possono monitorare l’evoluzione delle condizioni di business, comprenderne l’impatto e adeguare piani e previsioni alla realtà aziendale più aggiornata.

Dalla sperimentazione dell’AI a decisioni più consapevoli

L’AI applicata al Finance e alla pianificazione non è più limitata a promesse generiche o sperimentazioni isolate. Queste aziende la stanno applicando a processi di pianificazione e analisi ben definiti, valutandone concretamente il contributo in termini di produttività, qualità delle previsioni, maggiore fiducia nel processo decisionale e performance aziendali.

Il filo conduttore è il contesto. L’AI diventa più efficace quando opera sulla base di definizioni di business affidabili, dati di pianificazione governati e calcoli consolidati, mantenendo la supervisione umana, anziché agire in modo indipendente dal processo di pianificazione.

Board combina AI Agent specifici per dominio, AI analitica, intelligence economica ed Enterprise Planning per aiutare i team Finance e Operations a comprendere continuamente le performance, valutare le diverse opzioni e prendere insieme decisioni più consapevoli e allineate.

Scopri Board AI e i suoi Agent basati sui diversi ruoli aziendali.

Domande frequenti