In due righe
- L'AI per la cassa è affidabile per classificare, aggiornare e segnalare anomalie, non per predire il futuro.
- Con meno di 12-18 mesi di storico pulito nessun modello è affidabile.
- Il test dei tre numeri ti dice se la tua cassa è prevedibile prima di comprare qualunque strumento.
- La previsione a 13 settimane resta lo scheletro: l'AI la alimenta, la persona decide.
La previsione di cassa con l'AI è affidabile in modo asimmetrico. È ottima per classificare incassi e pagamenti, aggiornare il saldo previsto e segnalare anomalie. Non è una sfera di cristallo: con i pochi dati di una PMI, 12-24 mesi di storico e qualche centinaio di movimenti al mese, nessun modello può prevedere quando incasserai. Il modo giusto è farla lavorare sopra la previsione a 13 settimane: l'AI alimenta e pulisce, la persona decide.
Per capire il perimetro complessivo di quello che l'AI può fare in azienda, parti da cosa può fare davvero l'intelligenza artificiale in una PMI.
Che cosa fa davvero l'AI in una previsione di cassa
La previsione di cassa è la stima del saldo di conto nelle prossime settimane, incassi e pagamenti attesi. L'AI che lavora su questa previsione non indovina il futuro: svolge quattro lavori reali.
- Classifica i movimenti in categorie, così sai quanto esce per fornitori, tasse, stipendi e spese ricorrenti.
- Aggiorna il saldo previsto settimana per settimana, senza rifare il foglio a mano ogni volta che entra o esce un importo.
- Segnala anomalie, come un cliente che paga più tardi del suo solito o una spesa fuori schema.
- Simula scenari, ad esempio cosa succede al saldo se il cliente grosso paga a 90 giorni invece che a 60.
Dietro questi lavori c'è il machine learning: è la tecnica con cui un modello impara schemi dai dati passati senza regole scritte a mano. Cosa non fa nessuno di questi lavori? Non ti dice quando incasserai davvero. Quel numero dipende da decisioni e fatti che non stanno nei tuoi dati.
Quanto è affidabile l'AI per previsione di cassa? Dipende da quanti dati hai
Il punto non è il modello, è la serie storica: la sequenza dei saldi o dei movimenti ordinati nel tempo, la materia prima di ogni previsione. Con 12-24 mesi e poche centinaia di movimenti al mese il modello non vede cicli stagionali completi e non può validare abbastanza le sue previsioni sul passato. La verifica sul passato si chiama backtesting: è la prova su un periodo già chiuso per misurare l'errore prima di fidarsi.
Quando i dati sono pochi e il modello viene spinto a essere troppo preciso, va in overfitting: impara a memoria i dati passati e per questo sbaglia sul futuro. È il motivo per cui una previsione che sembra perfetta sul foglio può fallire proprio quando serve.
Anche i numeri di contesto dicono che la distanza tra promesse e realtà è ampia. L'Osservatorio Artificial Intelligence del Politecnico di Milano stima che solo il 7% delle piccole imprese abbia già un progetto AI, contro il 15% delle medie e il 71% delle grandi. E chi lavora in tesoreria chiede più automazione che oracoli. Nella survey dell'Osservatorio Piteco, fornitore di software di tesoreria, due terzi si dicono convinti che l'AI cambierà la tesoreria, ma il 41% punta ad automatizzare attività ripetitive e solo il 30% a migliorare le previsioni. Anche IBM, produttore di tecnologia, elenca tra i limiti della previsione tramite AI la qualità dei dati e le condizioni mutevoli.
Il test dei tre numeri: la tua cassa è prevedibile?
Il test non richiede software. Guarda tre numeri e rispondi con calma.
- Mesi di storico pulito. Sotto i 12 mesi non partire: il modello non ha abbastanza passato per validare le previsioni.
- Transazioni al mese. Sotto le 100 il foglio di calcolo regge ancora e l'AI aggiunge pochissimo. Sopra le 300 il foglio comincia a mangiare ore.
- Peso dei primi 3 clienti sul fatturato. Sopra il 40% la cassa dipende da pochi eventi che il modello non può prevedere.
Regola di lettura: se due risposte su tre sono sotto soglia, tieni il foglio e migliora solo la pulizia dei dati. Se due su tre sono sopra soglia, l'AI conviene, ma come alimentazione della previsione, non come oracolo. In tutti i casi, lo scheletro resta la previsione a 13 settimane su cui l'AI va ad appoggiarsi.
Dove l'AI ti dà valore vero: classificare, aggiornare, segnalare
Tre usi funzionano anche con pochi dati. Il primo è la classificazione automatica: togli il lavoro noioso di catalogare migliaia di movimenti. Il secondo è l'aggiornamento continuo: il saldo previsto si ricalcola da solo quando arrivano i dati reali. Il terzo è la segnalazione dei clienti che rallentano: confronta l'incasso con lo storico del singolo cliente e alza una bandiera quando qualcuno paga più tardi del suo solito.
La tabella mette in fila dove l'AI è affidabile e dove no.
| Attività |
Affidabilità dell'AI |
Perché |
| Classificare incassi e pagamenti in categorie |
Alta |
Schemi ripetitivi, li impara dai movimenti passati |
| Aggiornare il saldo previsto della previsione a 13 settimane |
Alta |
È un ricalcolo continuo, non una predizione |
| Segnalare un cliente che paga più tardi del suo solito |
Media-alta |
Confronta l'incasso con lo storico del singolo cliente |
| Prevedere l'incasso di un singolo cliente in ritardo |
Bassa |
Il ritardo dipende da fatti che i dati non contengono |
| Prevedere il saldo di cassa a 6-12 mesi |
Bassa |
Su pochi dati l'errore cresce e si somma |
Il lavoro più utile dell'AI parte dai dati reali, non da un foglio rifatto a mano. Per questo il punto di partenza è far lavorare l'AI insieme al gestionale. Nessun elenco di prezzi di software: i prezzi invecchiano in tre mesi, il criterio di scelta no.
Lo strumento
Delera Agent AI costruisce agenti su misura sui processi che oggi ti portano via ore ogni settimana.
Scopri Delera Agent AI
Esempio lavorato: officina da 800.000 euro e 6 dipendenti
Facciamo un conto su un'azienda tipo, con numeri ipotetici. Mettiamo un'officina con sei dipendenti e 800.000 euro di fatturato. Tre clienti valgono il 55% del fatturato, l'incasso medio arriva a 62 giorni e il conto registra 180 movimenti al mese.
Il modello, addestrato su due anni di storia, può stimare il saldo a quattro settimane. Le spese fisse e gli incassi dei clienti minori seguono schemi regolari, quindi la stima viaggia con una fascia di circa 6.000 euro in più o in meno. È abbastanza per capire se nel mese prossimo paghi gli stipendi senza scoprire il conto.
Il modello non può prevedere quando paga il cliente che da solo vale il 30% del fatturato. Nel suo storico ha incassato a 30, 75 e 120 giorni. Nessun algoritmo, con soli tre episodi rilevanti, può dire se questa volta rispetta i 60 giorni o chiama per chiedere una dilazione. Su quel numero decide la persona, parlando con il cliente.
Rifai il conto con i tuoi numeri. Se il tuo cliente grosso somiglia a questo, non cercare precisione. Cerca una fascia e una telefonata da fare.
I tre errori che rendono l'AI pericolosa per la cassa
Tre divieti motivati, perché sbagliare qui costa più di non usare l'AI.
- Non confondere previsione e budget. La previsione dice cosa succederà, il budget cosa vuoi che succeda. Se li mescoli, il modello insegue il desiderato e nasconde i buchi. Per il budget, lo strumento giusto è il budget di cassa mensile.
- Non pretendere precisione oltre le 4-6 settimane. Su pochi dati l'errore si somma. Un modello che indovina il saldo a quattro settimane con una fascia di più o meno 6.000 euro, a sei mesi può sbagliare di molto di più, e nessun software lo corregge.
- Non lasciare che il modello decida sul grande cliente. L'incasso di quel cliente dipende da fatti esterni ai dati: problemi suoi, decisioni del suo ufficio acquisti. La macchina alimenta, la persona decide. Se vuoi capire quando il modello rischia di inventare i numeri, leggi perché l'AI inventa le risposte.
Domani mattina prendi gli ultimi dodici mesi di movimenti e conta due cose: i mesi di storico davvero puliti e quante transazioni puoi classificare senza fatica. Se stai sotto le soglie, il foglio che hai già basta. Se stai sopra, parti dalla previsione a 13 settimane e chiedi all'AI solo la classificazione e l'aggiornamento. La decisione resta tua.
Domande frequenti
L’AI può sostituire la previsione di cassa a 13 settimane?
No, la alimenta. La previsione a 13 settimane resta lo scheletro: elenchi di incassi e pagamenti attesi settimana per settimana. L’AI serve a tenerla aggiornata senza rifarla a mano ogni volta, classificando i movimenti e segnalando gli scostamenti. Il giudizio su cosa succederà davvero resta a chi conosce i clienti.
Quanti mesi di dati servono per una previsione di cassa con l’AI?
Non c’è una soglia magica, ma con meno di 12 mesi di storico il modello non vede un ciclo stagionale completo e non può validare le sue previsioni sul passato. Più che la quantità conta la pulizia: categorie coerenti e movimenti riconciliati valgono più di tre anni di dati sporchi.
Con una ditta da 5 dipendenti ha senso usare l’AI per la cassa?
Sì, ma per classificare e aggiornare, non per predire. Su volumi bassi il foglio a mano regge ancora; il valore dell’AI emerge quando le transazioni sono tante o i conti più di uno. Prima di comprare uno strumento, fai il test dei tre numeri.
L’AI mi dice quando il cliente X pagherà?
No. Ti dice quanto paga in media quel tipo di cliente, o che X sta rallentando rispetto al suo solito. Il singolo incasso dipende da fatti che non stanno nei tuoi dati, come problemi suoi, stagionalità del suo settore, decisioni fuori dal tuo controllo. Su quei casi decide la persona, non il modello.
Posso fare la previsione di cassa con ChatGPT?
Con cautela. ChatGPT può aiutarti a impostare il foglio e a classificare i movimenti, ma non è un sistema di previsione e può inventare numeri con sicurezza. Per i conti che decidono se paghi gli stipendi, usa strumenti che partono dai tuoi dati reali e tieni il controllo umano.
Quanto costa un software di previsione di cassa con AI?
Dipende da dimensioni e funzioni: si va da abbonamenti di poche decine di euro al mese per strumenti semplici a migliaia per piattaforme di tesoreria integrate. I prezzi invecchiano in fretta: prima di confrontarli, decidi quale processo vuoi togliere di mano, non quale strumento comprare.
Delera CRM
Delera Agent AI
UmanValue
PMI Speed Test