Nel sondaggio CFO Risk Radar 2026 di Kyriba, solo il 26% dei team finanziari dichiara di eseguire scenari di modellazione in modo continuo o automatizzato. Il restante 74% lavora ancora secondo una cadenza prestabilita — mensile, trimestrale, talvolta annuale — mentre i rischi che si cerca di modellare non attendono il prossimo ciclo di revisione. La previsione manuale e i flussi di pagamento frammentati sembrano due problemi distinti. In realtà sono lo stesso problema che si manifesta in due aree diverse.

Lo stesso sondaggio ha rilevato che l'83% dei team finanziari non è in grado di quantificare l'impatto finanziario di un rischio in tempo reale. Per un CFO, la domanda rilevante è se la tesoreria possa valutare un'esposizione mentre esistono ancora margini decisionali, non se un modello compaia nel reporting mensile.

Entrambi i dati indicano lo stesso divario di maturità: l'assenza di una base dati centralizzata, normalizzata e in tempo reale che colleghi la pianificazione all'esecuzione. I team finanziari tendono a descrivere questo divario come un limite di organico o di strumenti. Il problema più profondo è di natura strutturale e di governance. Dati e controlli non sono collegati con sufficiente rapidità e tempestività alle decisioni che la tesoreria è chiamata a prendere.

Due sintomi di un unico divario di maturità

La dipendenza dai fogli di calcolo per le previsioni è il sintomo lato pianificazione. La frammentazione nell'esecuzione dei pagamenti è il sintomo lato esecuzione. I processi appaiono diversi, eppure entrambi richiedono ai professionisti di riconciliare informazioni disconnesse prima che l'organizzazione possa avere una visione sufficientemente chiara della propria posizione di liquidità per agire.

L'inefficienza di processo rallenta il lavoro. La frammentazione dei dati genera punti ciechi. Le aziende con un livello di maturità più basso fanno leva su risorse aggiuntive per smaltire la coda di file in attesa di revisione, lasciando però intatti i punti ciechi. Questa distinzione diventa critica quando i responsabili finanziari allocano gli investimenti tra iniziative separate per le previsioni e per i pagamenti — con responsabili, priorità, business case e milestone distinti.

Una previsione non può rimanere aggiornata quando i dati di pagamento arrivano in ritardo o in formati non omogenei. Un'esecuzione dei pagamenti più rapida non può compensare una visione del rischio costruita su saldi non ancora consolidati. Il vincolo comune è alla base di entrambi i flussi di lavoro: la tesoreria non dispone di un'unica fonte attendibile che mostri cosa è già accaduto, cosa è in corso e cosa potrebbe richiedere finanziamento a breve.

Perché la previsione manuale non è scalabile

Una previsione manuale tende a cedere sempre negli stessi punti, indipendentemente dall'esperienza del team. I dati arrivano da più banche e società. L'analista scarica o richiede i file, mappa i diversi formati, riconcilia i saldi, analizza gli scostamenti e poi aggiorna il modello. La previsione diventa disponibile solo a lavoro concluso.

La fase di riconciliazione che assorbe due ore del lunedì mattina è raramente un problema di calcolo. È l'analisi degli scostamenti: una società ha regolato martedì in un sistema, mercoledì in un altro, e ora mostra una discrepanza di saldo che nessuno riesce a spiegare finché la persona giusta non risponde a un'e-mail. Il modello può essere matematicamente corretto. Gli input dipendono comunque da tempistiche, interpretazioni e conoscenze tacite.

Il processo genera una dipendenza critica in termini di continuità operativa. I professionisti che gestiscono il modello sanno quale file di conto utilizzare, quale società ha uno schema di regolamento anomalo, quale saldo infragruppo richiede una rettifica e quale ipotesi è cambiata rispetto al ciclo precedente. Quando non sono disponibili, un altro analista deve ricostruire la logica sotto pressione temporale.

Le problematiche legate alla forza lavoro rendono questa fragilità ancora più difficile da ignorare. Il 57% dei team finanziari dichiara di essere molto o abbastanza preoccupato per questioni legate al personale, tra cui assunzioni, fidelizzazione e competenze. Aumentare l'organico risolve un problema di risorse umane — non un problema strutturale. Un maggior numero di persone che eseguono flussi di lavoro manuali può aumentare il throughput per un periodo, mantenendo però la stessa dipendenza da dati frammentati e conoscenze tacite.

I dati sulla cadenza spiegano perché il problema della quantificazione persiste. Solo il 26% dei team esegue modellazioni di scenario in modo continuo o automatizzato, mentre il 34% lo fa mensilmente, il 35% trimestralmente e il 3% annualmente. Un modello basato sul calendario può supportare una revisione pianificata. Non è in grado di rispondere in modo affidabile a cosa significhi per la liquidità — nelle ore successive all'evento — un nuovo problema con una controparte, un incasso ritardato da un cliente, un fabbisogno di finanziamento imprevisto o un movimento valutario.

L'incapacità dell'83% dei team di quantificare l'impatto finanziario in tempo reale è quindi un tema di processo, non solo di modellistica. Quando lo scenario si aggiorna dopo che il rischio si è già manifestato, la tesoreria sta misurando un'esposizione con una finestra decisionale già ridotta.

Perché la frammentazione dei pagamenti aggrava il problema

La frammentazione dei pagamenti genera lo stesso ritardo di visibilità sul lato esecuzione. Un modello operativo basato su più portali può contenere le informazioni necessarie; tuttavia, dati distribuiti tra portali e processi societari non equivalgono a una posizione di cassa strutturata e pronta a supportare le decisioni.

Gli analisti devono comunque confrontare e verificare la disponibilità dei saldi, confermare pagamenti rilasciati e in sospeso, riconciliare le eccezioni e determinare se un pagamento ha superato il processo di controllo.

Il dettaglio operativo è rilevante. Un pagamento può essere approvato in un flusso di lavoro, rilasciato tramite un altro e confermato in un portale bancario che la previsione non riflette ancora. Il risultato è uno scarto tra la posizione pianificata dalla tesoreria e quella che l'organizzazione sta effettivamente eseguendo. La liquidità diventa visibile solo a posteriori. Le conseguenze possono tradursi in uno scoperto oneroso o in un rendimento subottimale della liquidità disponibile.

Solo il 38% dei team finanziari dichiara di avere un'elevata fiducia nella propria capacità di analizzare l'esposizione al rischio in tempo reale. Integrità dei dati, disponibilità e fiducia nelle decisioni sono capacità distinte. Un saldo o una transazione che esiste tecnicamente da qualche parte in un ambiente frammentato non è un input affidabile per previsioni, finanziamento, copertura o governance della liquidità.

I controlli rivelano la stessa distinzione. Un controllo eseguito dopo che un pagamento è già transitato è una revisione a posteriori. Un controllo integrato nel flusso di pagamento può prevenire, instradare o avviare un'escalation per un'eccezione prima che i fondi lascino il conto. Un approccio produce evidenze di audit. L'altro protegge il denaro in movimento.

Un processo di pagamento che non è in grado di configurare controlli basati sui requisiti di audit non può supportare la struttura di governance che la Continuous Liquidity Intelligence richiede. La centralizzazione dei pagamenti, unita ad auditabilità e tracciabilità sistematiche, è quindi un prerequisito di maturità, non semplicemente un'iniziativa di efficienza.

Un singolo errore o una debolezza nei controlli può avere un impatto reputazionale significativo. Un processo di pagamento deve disporre di un framework continuo, automatizzato e sempre attivo, che protegga prima di un evento critico — non dopo. Non è possibile raggiungere questo obiettivo se i flussi di pagamento risiedono ancora in molteplici portali bancari distinti.

La centralizzazione non significa eliminare il giudizio umano o imporre a ogni entità un modello operativo standardizzato. Significa creare una base coerente per i dati di conto, lo stato dei pagamenti, le approvazioni, le eccezioni, il rilevamento delle frodi e i movimenti di liquidità tra banche, entità e valute. Un data layer unificato e connesso può quindi alimentare automaticamente la previsione con i dati di esecuzione aggiornati e fornire alle decisioni di pagamento il contesto della posizione di liquidità verso cui la tesoreria si sta orientando.

Costruire l'infrastruttura, non solo la mentalità

I team finanziari non raggiungono la Continuous Liquidity Intelligence chiedendo ai professionisti di lavorare più duramente, documentare con maggiore cura o aggiungere un'altra riunione di revisione. La disciplina è importante, ma la disciplina applicata a dati disconnessi produrrà risposte ritardate proprio quando la tesoreria non può permettersele.

Il vero costo del lavoro manuale in tesoreria è la riduzione delle opzioni disponibili. Quando un processo manuale porta a galla il rischio, la decisione che avrebbe avuto il maggiore impatto potrebbe essere già fuori portata.

Iniziate da un audit della struttura dei dati. Mappate dove risiedono i dati di pagamento, chi li consolida e quanto tempo impiegano a raggiungere la previsione. Queste risposte mostreranno dove si colloca il divario di maturità e quali controlli devono essere integrati nel processo.

Smettete di trattare previsioni e pagamenti come voci di budget separate. Iniziate a trattarli come un unico problema di maturità.