scenari

Internal Audit con l’intelligenza artificiale: come fare



Indirizzo copiato

L’adozione dell’intelligenza artificiale nei processi di Internal Audit ha il potenziale di rivoluzionare drasticamente il modo in cui le attività di verifica vengono concepite. Tuttavia, le organizzazioni devono approntare una strategia adeguata per indirizzare le sfide introdotte dalla tecnologia

Pubblicato il 2 ago 2023

Luca Barbieri

BCG Platinion

Mattia Girardi

BCG Platinion

Francesco Perna

Principal Cyber Security presso BCG Platinion



Social,Networking,Service,Concept.,Streaming,Video.,Video,Library.

L’Internal Audit svolge un ruolo fondamentale come funzione di assurance e fornisce supporto al management nell’ambito del processo decisionale, con l’obiettivo di tutelare e proteggere l’azienda.

Anche in questo ambito, adottare sistemi di intelligenza artificiale può fare la differenza. Ma occorre adottarla seguendo una strategia adeguata.

Il compito dell’Internal Audit nel contesto aziendale

La funzione di Internal Audit permette una valutazione indipendente e oggettiva del sistema di controlli interno, assicurando che i processi e le procedure vengano attuati in piena conformità alle leggi e alle normative aziendali e che i rischi ad essi connessi siano opportunamente considerati.

Il compito dell’Internal Audit nel contesto aziendale moderno risulta quanto mai sfidante: la difficoltà nell’attrarre talenti con competenze audit non tradizionali (e.g., Cyber security, IT, etc.), le carenze nell’effettuare attività di verifica in ambienti tecnologici sempre più distribuiti e basati su tecnologie che risiedono fuori dal perimetro aziendale, l’aumento della complessità dell’ambiente operativo delle aziende e la rapida evoluzione che queste devono affrontare per sostenere le sfide di mercato, impongono una seria riflessione sull’efficacia e sull’efficienza dell’approccio tradizionale agli audit interni che potrebbe non essere in grado di adattarsi al nuovo contesto.

Tipicamente gli auditor dedicano parte significativa del loro tempo alla raccolta ed analisi dei dati, alla documentazione delle procedure, all’identificazione e documentazione dei gap, nonché alla preparazione dei report e dei relativi piani di remediation.

Dato l’attuale contesto operativo, svolgere manualmente queste attività richiede un notevole effort e numero di risorse dedicate, e di fatto porta la funzione di Internal Audit a dipendere dal lavoro svolto da altre funzioni nell’ambito del risk management per il monitoraggio rischi.

L’adozione dell’IA nei processi di internal audit

Un cambio di paradigma è dunque necessario per far sì che l’Internal Audit possa focalizzarsi su attività a valore aggiunto quali l’analisi oggettiva e sistematica dei dati raccolti in maniera automatica e indipendente, l’identificazione dei rischi emergenti e l’elaborazione di raccomandazioni strategiche in grado di consentire all’azienda di mitigare i rischi non solo nel breve ma anche nel medio e lungo periodo.

L’adozione dell’Intelligenza Artificiale (in seguito “AI”) nei processi di Internal Audit ha il potenziale di rivoluzionare drasticamente il modo in cui le attività di verifica vengono concepite: le lunghe e complesse procedure manuali, spesso fondate sul campionamento e il cui risultato dipende dalla competenza degli auditor che eseguono l’attività, possono essere riviste sfruttando ad esempio algoritmi di apprendimento automatico e di analisi predittiva.

L’adozione di queste tecnologie consente in particolare di automatizzare e ottimizzare la raccolta delle informazioni e migliorare l’elaborazione e l’analisi dei dati consentendo facilmente di estendere e scalare il campo di azione delle attività e di individuare dei gap difficilmente rilevabili con approccio manuale e non esaustivo. Questo nuovo approccio alle verifiche condotte dall’Internal Audit consente di ridurre notevolmente il tempo e gli sforzi impiegati nelle attività manuali e ripetitive, consentendo così al personale di concentrarsi su compiti più strategici e di maggiore valore.

I benefici di una strategia basata sull’IA

Lo sviluppo di una strategia che contempli l’adozione di tecnologie basate sull’Intelligenza Artificiale, a supporto dell’Internal Audit, è in grado di rendere più accurati ed efficienti i processi canonici seguiti sinora e apportare numerosi benefici:

  • Automazione dei processi di auditing: attraverso l’impiego di tecnologie basate, ad esempio, sull’apprendimento automatico, vengono esaminate dall’AI tutte le informazioni disponibili, al fine di individuare punti di difformità normativa o elementi anomali rispetto ai processi aziendali. Questo approccio supera la profondità raggiungibile attraverso il campionamento tradizionale e consente agli auditor di focalizzarsi solo sugli aspetti a valore aggiunto della verifica;
  • Incremento della velocità di analisi dei dati e riduzione degli errori umani: l’utilizzo dell’Intelligenza Artificiale per l’analisi dei dati riduce la possibilità di errori umani durante le attività di audit. Le soluzioni basate sull’AI sono infatti in grado di elaborare grandi volumi di dati in tempi ridotti, identificando pattern e correlazioni che potrebbero sfuggire all’occhio umano;
  • Monitoraggio continuo dei rischi e identificazione delle minacce emergenti: grazie all’AI è possibile analizzare dati aziendali provenienti da diverse fonti (es. transazioni finanziarie, tendenze geopolitiche, dati macroeconomici, informazioni di terze parti, etc.) in tempo reale, per rilevare tempestivamente minacce e anomalie difficilmente rilevabili da un essere umano. L’adozione di una tecnologia per il monitoraggio continuo dei rischi con l’AI offre un vantaggio competitivo all’azienda, identificando minacce emergenti e migliorando le informazioni che supportano il processo decisionale. Sfruttando a pieno queste potenzialità la funzione di Internal Audit contribuisce in maniera attiva a supportare la resilienza operativa dell’azienda;
  • Svolgimento di analisi predittive basati su scenari di rischio: attraverso l’impiego di algoritmi di apprendimento automatico, l’AI può elaborare grandi quantità di dati storici e attuali per sviluppare modelli predittivi e di scenario considerando i rischi ed i fattori a cui potenzialmente sarà esposta l’organizzazione. L’analisi predittiva e di scenario con l’AI consente dunque all’Internal Audit di valutare in anticipo gli scenari critici per l’azienda, anticipandone gli sviluppi e valutandone i potenziali impatti attraverso le attività di controllo e di gestione dei rischi. Tali analisi consentono inoltre di supportare i processi decisionali volti a modificare le strategie aziendali.

Le quattro direttrici per sfruttare a pieno i benefici dell’AI

Una strategia volta a introdurre l’intelligenza artificiale nei processi di Internal Audit deve agire su quattro direttrici principali per sfruttare a pieno i benefici introdotti dall’AI:

  • Revisione del modello operativo: la revisione del modello operativo è fondamentale per adottare con successo le tecnologie basate sull’intelligenza artificiale. L’impatto trasformativo generato dall’AI è tale da richiedere un cambiamento radicale dei processi esistenti, lo sviluppo di nuovi processi e la ridefinizione dei ruoli e delle responsabilità. In questo nuovo contesto, potrebbe essere utile considerare la realizzazione di un centro di competenza aziendale dedicato all’intelligenza artificiale in cui le risorse e le competenze tematiche vengano messe a disposizione delle diverse funzioni dell’organizzazione;
  • Accesso a dati aziendali: l’accesso semplificato al patrimonio informativo e l’assurance circa la qualità, l’accuratezza e la completezza rappresenta un elemento fondamentale per adottare con successo gli strumenti di Intelligenza Artificiale. Occorre dunque creare delle sinergie tra i vari dipartimenti, trasparenza e standardizzazione nelle modalità di accesso ai dati in accordo con i principi della strategia di data governance aziendale;
  • Implementazione delle corrette tecnologie: non tutte le soluzioni tecnologiche sono adeguate a indirizzare le sfide specifiche dell’azienda. È importante dunque valutare correttamente le soluzioni disponibili, la capacità di sviluppare soluzioni custom e scegliere con accuratezza la soluzione che meglio si adatta alle esigenze specifiche della funzione Internal Audit;
  • Sviluppo delle competenze: l’adozione dell’AI nei processi di Internal Audit richiede lo sviluppo delle competenze tecniche necessarie per gestire i nuovi strumenti. Coerentemente con la strategia di business e con le tecnologie implementate occorre valutare il re-skilling del personale interno all’azienda, l’assunzione di figure specializzate o la collaborazione con partner che dispongono delle competenze richieste.

Conclusioni

L’introduzione di strumenti che sfruttano l’Intelligenza Artificiale permette dunque di migliorare i processi di audit automatizzando le attività ripetitive, riducendo gli errori umani ed efficientando le verifiche periodiche. Tuttavia, è necessario che le organizzazioni indirizzino le nuove sfide introdotte rivedendo il modello operativo, sviluppando le competenze necessarie e valutando adeguatamente le scelte tecnologiche che abilitano il cambiamento.

Con l’avanzare del potenziale tecnologico l’Intelligenza Artificiale è destinata a diventare uno strumento essenziale per massimizzare l’efficacia dei processi di Internal Audit. Sebbene tali strumenti non saranno in grado sostituire l’esperienza e il giudizio dei professionisti, possono integrare le loro competenze e agevolarli nel lavoro in modo da renderlo più efficace ed efficiente. L’Internal Audit dovrà quindi adattarsi ad un contesto mutevole che presenta opportunità e sfide, valutando attentamente i potenziali benefici e rischi introdotti, sfruttando le nuove opportunità in modo responsabile ed etico.

EU Stories - La coesione innova l'Italia

Tutti
Analisi
Video
Iniziative
Social
Programmazione europ
Fondi Europei: la spinta dietro ai Tecnopoli dell’Emilia-Romagna. L’esempio del Tecnopolo di Modena
Interventi
Riccardo Monaco e le politiche di coesione per il Sud
Iniziative
Implementare correttamente i costi standard, l'esperienza AdG
Finanziamenti
Decarbonizzazione, 4,8 miliardi di euro per progetti cleantech
Formazione
Le politiche di Coesione UE, un corso gratuito online per professionisti e giornalisti
Interviste
L’ecosistema della ricerca e dell’innovazione dell’Emilia-Romagna
Interviste
La ricerca e l'innovazione in Campania: l'ecosistema digitale
Iniziative
Settimana europea delle regioni e città: un passo avanti verso la coesione
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
EuroPCom 2024: innovazione e strategia nella comunicazione pubblica europea
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Programmazione europ
Fondi Europei: la spinta dietro ai Tecnopoli dell’Emilia-Romagna. L’esempio del Tecnopolo di Modena
Interventi
Riccardo Monaco e le politiche di coesione per il Sud
Iniziative
Implementare correttamente i costi standard, l'esperienza AdG
Finanziamenti
Decarbonizzazione, 4,8 miliardi di euro per progetti cleantech
Formazione
Le politiche di Coesione UE, un corso gratuito online per professionisti e giornalisti
Interviste
L’ecosistema della ricerca e dell’innovazione dell’Emilia-Romagna
Interviste
La ricerca e l'innovazione in Campania: l'ecosistema digitale
Iniziative
Settimana europea delle regioni e città: un passo avanti verso la coesione
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
EuroPCom 2024: innovazione e strategia nella comunicazione pubblica europea
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati

Articolo 1 di 3