Chi frequenta il mio corso MasterBANK AIW conosce bene un grande problema che si incontra cercando di sfruttare l’AI.
Molti Commercialisti, infatti, fidandosi di chi non ha grossa esperienza (o millanta) in materia, stanno iniziando a usare modelli di Intelligenza Artificiale per analizzare bilanci XBRL.
Accade però qualcosa di più preoccupante di una semplice variazione stilistica:
Lo stesso identico bilancio XBRL
analizzato in tre momenti diversi
può generare analisi molto diverse
e talvolta tecnicamente sbagliate.
Il problema non è solo la variabilità del linguaggio.
Il problema è più profondo:
L’AI può colmare automaticamente le lacune del file XBRL facendo ipotesi non dichiarate.
E questo è rischioso, molto rischioso, ed è per questo che al corso MasterBANK AIW forniamo strumenti in grado di evitare errori.
Un file XBRL contiene:
stato patrimoniale
conto economico
alcune informazioni di nota integrativa
Ma spesso non contiene:
dettagli sul capitale circolante
scomposizione puntuale dei debiti
piani di ammortamento
cash flow reale
informazioni qualitative
covenant bancari
stagionalità
dati extracontabili
In molti casi mancano molti, moltissimi dati essenziali per un’analisi finanziaria seria.
Un Commercialista lo sa.
Un modello linguistico no.
Un modello generativo non risponde:
“Non ho dati sufficienti.”
Molto spesso:
riempie i vuoti
fa inferenze implicite
assume relazioni medie
applica schemi statistici generici
E non sempre ti avvisa chiaramente.
Esempio concreto:
Nel file XBRL non è presente il dettaglio del debito a breve e lungo termine.
L’AI può:
stimare una leva finanziaria
commentare la sostenibilità
parlare di tensione finanziaria
Ma sta lavorando su ipotesi implicite.
Tu non sai quali.
Quando il modello trova lacune:
in una risposta può assumere prudenza
in un’altra può assumere neutralità
in un’altra ancora può enfatizzare rischio
Il risultato non è una variazione stilistica.
Può essere:
un’analisi prudenziale
un’analisi neutra
un’analisi addirittura ottimistica
Su dati identici.
Perché cambia il modo in cui il modello compensa l’assenza di informazioni.
Il rischio maggiore non è l’errore numerico.
È l’ipotesi non dichiarata.
Un modello può:
interpretare una variazione di margine come miglioramento strutturale
leggere un incremento dei ricavi come crescita organica
trattare un aumento dei debiti come leva fisiologica
Ma senza sapere:
se c’è stato un evento straordinario
se c’è un factoring
se esistono finanziamenti infragruppo
se la nota integrativa nasconde criticità
Il modello non mente.
Semplicemente riempie i vuoti in modo probabilistico.
Il problema è che non sempre ti avvisa.
Quando l’AI produce:
analisi dettagliata
linguaggio tecnico
indicatori commentati
raccomandazioni
Il testo appare credibile.
Ma credibile non significa corretto.
Un’analisi finanziaria seria richiede:
conoscenza del contesto
informazioni extracontabili
dati prospettici
comprensione settoriale
confronto storico
Un XBRL, da solo, raramente basta.
Bilancio XBRL mostra:
EBITDA positivo
indebitamento in aumento
patrimonio netto stabile
Il modello può scrivere:
“La struttura finanziaria appare sostenibile.”
Ma se non sa:
che i debiti scadono entro 12 mesi
che il DSCR è sotto covenant
che l’azienda ha tensioni di liquidità
Sta facendo un’analisi parziale.
E tu potresti non accorgertene.
Il rischio non è tecnologico.
È professionale.
Se:
copi un’analisi AI
la presenti al cliente
la usi per dialogare con una banca
E il modello ha fatto ipotesi sbagliate non dichiarate,
la responsabilità resta tua.
L’AI non firma.
Tu sì.
Ci sono casi in cui:
mancano informazioni fondamentali
i dati sono aggregati
le voci non sono dettagliate
la nota integrativa non è analizzabile
In queste situazioni l’analisi finanziaria seria è impossibile.
Un professionista direbbe:
“Servono altri dati.”
Un modello linguistico potrebbe comunque produrre 1.500 parole di analisi.
E questo è il punto critico.
Alcune regole fondamentali che spieghiamo chiaramente (fornendo centinaia di strumenti) al corso MasterBANK AIW:
✔ Usare l’AI come supporto redazionale, non come validatore finanziario
✔ Separare calcolo indicatori (software deterministici) da commento qualitativo
✔ Chiedere esplicitamente al modello di indicare le assunzioni
✔ Verificare sempre manualmente debito, capitale circolante, flussi
✔ Non delegare mai il giudizio professionale
Meglio una risposta incompleta ma prudente
che un’analisi completa ma basata su ipotesi invisibili.
Se analizzi più volte lo stesso bilancio XBRL con un modello di AI e ottieni risultati molto diversi, non è un’anomalia.
È il segnale che:
i dati sono incompleti
il modello sta compensando
sta facendo inferenze non esplicitate
L’AI generativa è potente.
Ma non distingue tra:
dato certo
dato stimato
dato mancante
Il Commercialista deve farlo.
Excel può essere limitato.
L’AI può essere sofisticata.
Ma la responsabilità professionale resta umana.
Impostazioni privacy
Questo sito utilizza i cookie per migliorare la tua esperienza di navigazione su questo sito.
