Skip to main content

Data-driven era – l’eccesso di informazioni e l’Information Extraction

Data-driven era: l’eccesso di informazioni e l’Information Extraction

Effetti collaterali della sovrabbondanza di informazioni.

Nell’attuale era data-driven, organizzazioni e individui generano e scambiano enormi volumi di informazioni, spesso in formati non strutturati o semi-strutturati, attraverso vari canali.

Questa proliferazione di dati, unita alla crescente massa di contenuti online, complica significativamente l’accesso a informazioni precise e pertinenti, nonostante i progressi nei motori di ricerca.

Il risultato è un sovraccarico informativo che ostacola la rapida individuazione dei dati necessari, talvolta richiedendo interventi manuali per la ricerca e l’inserimento dei dati.

In questo scenario, emerge la necessità di sviluppare strumenti e metodi più sofisticati per non solo estrarre dati pertinenti da fonti strutturate e non strutturate, ma anche per affrontare la sfida di questa era digitale rappresentata dalla sovrabbondanza ed eterogeneità delle informazioni.

Un approccio efficace: l’Information Extraction

Una tecnologia che può dare risposte a questa necessità è l’Information Extraction (IE):

essa rappresenta un ramo avanzato del Natural Language Processing (NLP) e dell’Intelligenza Artificiale (IA), dedicato all’identificazione e all’estrazione automatica di dati specifici, strutturati e significativi da testi non strutturati o semi-strutturati.

Questa tecnologia trova impiego in numerosi ambiti caratterizzati dalla presenza di ampie quantità di testo non organizzato, con l’obbiettivo di convertire tali contenuti in informazioni strutturate e prontamente accessibili.

Alla base dell’Information Extraction troviamo metodologie di NLP e IA, le quali consentono di elaborare testi con una precisione e un’efficienza sempre maggiori, facilitando l’estrazione di dati dal contenuto informativo strategico.

Una volta estratti, questi dati diventano risorse preziose per il supporto decisionale o per l’alimentazione di processi automatici.

I testi oggetto dell’elaborazione da parte del processo di Information Extraction possono provenire da una ampia varietà di fonti e sono rappresentati in vari formati; vediamo nel seguito qualche esempio:

  • Documenti Digitali:
    Report aziendali, documenti PDF, documenti Word, fogli di calcolo Excel e presentazioni PowerPoint.
  • Pagine Web:
    Contenuti HTML da applicativi aziendali, siti web, blog, portali di notizie e forum online.
  • Database di Testo:
    Collezioni di articoli scientifici, Curricula Vitae, brevetti, documentazione tecnica e archivi di notizie.
  • E-mail e Comunicazioni di Messaggistica:
    Archivi di e-mail aziendali, chat da piattaforme di instant messaging come WhatsApp o Telegram, messaggi da piattaforme di collaborazione come Zoom, Meet o Microsoft Teams.
  • Registrazioni di Call Center:
    Trascrizioni di conversazioni telefoniche con i clienti o tra membri del personale.

Ambiti di applicazione.

Vediamo ora degli esempi contesti e settori di mercato in cui sia utile e strategico utilizzare l’Information Extraction:

  1. Business Intelligence e Analisi di Mercato:
    L’IE può essere utilizzata per estrarre dati da rapporti finanziari, notizie di settore, e social media per identificare tendenze, opportunità di mercato, e sentiment dei consumatori.
  2. Analisi dei flussi finanziari:
    Estrazione dati dai flussi di rendicontazione bancaria e documenti aggiuntivi extra-flussi al fine di gestire automaticamente processi di riconciliazione o effettuare analisi riguardanti, ad esempio, le abitudini di pagamento dei clienti oppure le dinamiche dei flussi di cassa con predizione di scenari futuri.
  3. Sicurezza Informatica:
    Nella sicurezza informatica, l’IE aiuta nell’analisi di log applicativi o flussi del traffico di rete per identificare minacce e anomalie derivanti da intrusioni, malware o frodi interne ed esterne.
  4. Knowledge Management:
    In ambito aziendale, può aiutare a organizzare e rendere accessibili grandi volumi di documentazione interna, estrarre dati da contratti, report e comunicazioni interne.
  5. Medicina e Ricerca Biomedica:
    Nella ricerca medica, l’IE può estrarre informazioni da articoli scientifici, report di studi clinici e cartelle cliniche elettroniche, facilitando la meta-analisi e l’identificazione di pattern nelle diagnosi e terapie.
  6. Servizi al Cliente e CRM:
    Nell’assistenza clienti, l’IE può analizzare feedback, recensioni di prodotti e comunicazioni dei clienti per migliorare il servizio, identificare i punti di forza e debolezza dei prodotti.
  7. Ricerca Legale e Conformità:
    Utilizzata per estrarre informazioni rilevanti da grandi dataset di documenti legali, brevetti, e pubblicazioni normative al fine di identificare requisiti di conformità e potenziali violazioni.
  8. Media e Giornalismo:
    L’IE può analizzare grandi quantità di contenuti multimediali per identificare eventi, persone, luoghi e temi rilevanti, aiutando nella creazione di contenuti riassuntivi o analitici.
  9. Social Media:
    Post, tweet, commenti e recensioni pubblicati su piattaforme di social media come Facebook, Twitter, LinkedIn e siti di recensioni come TripAdvisor.

Il nostro utilizzo per l’efficientamento dei processi di back-office.

In K Linx utilizziamo l’Information Extraction per l’analisi dei flussi finanziari di incasso da pagamenti non strutturati, al fine di riconciliare gli stessi con le fatture pertinenti, utilizzando, quando presenti, anche documenti di preavviso, mandati di pagamento o altre specifiche di dettaglio.

Utilizziamo inoltre questa tecnologia in ottica più generalizzata per l’estrazione dati da documenti digitali in contesti cross-industry come ad esempio in progetti di digitalizzazione dell’apertura sinistri o della liquidazione degli stessi nel settore INSURANCE.

La nostra roadmap prevede di espandere progressivamente gli ambiti di applicazione della soluzione iXtract (former K Word) includendo in primis l’Information Extraction da applicativi intranet ai fini della fraud-detection, dove al riguardo abbiamo un track record d’eccezione avendo sviluppato progetti di internal fraud detection su clienti istituzionali e finanziari.

La soluzione che abbiamo implementato si basa su un mix di approcci tecnologici, fra cui l’Intelligenza Artificiale declinata con modelli di deep learning, algoritmi tradizionali di pattern matching e ricerche di tag di prossimità, il tutto integrato anche da un motore LLM opzionale.

Mario S. Farris

Come si misura l’efficienza di un processo di riconciliazione finanziaria?

Come si misura l’efficienza di un processo di riconciliazione finanziaria?

Quando possiamo dire che un processo di riconciliazione sia efficiente?

La condizione che tale processo abbia riconciliato gli incassi esaminati, abbinando in modo efficace i pagamenti ricevuti alle relative fatture (obbiettivo raggiunto), da sola non è sufficiente a poter anche affermare che quel processo abbia funzionato in modo efficiente!

Per determinarne l’efficienza esistono delle metriche di cui abbiamo parlato in precedenti articoli; vediamole contestualizzate in un processo finanziario, indipendentemente dal fatto che sia eseguito manualmente o attraverso automazione.

Misure di efficienza

📌Il tempo di ciclo, misura il tempo necessario per completare il processo di riconciliazione dall’inizio alla fine. Si intende dal momento in cui un incasso si manifesta nella rendicontazione dell’E/C.

La riduzione di questo tempo è un indicatore di maggiore efficienza del processo.

Come lo calcoliamo:

Tempo Totale Impiegato per Tutte le Riconciliazioni \ Numero Totale di Riconciliazioni Effettuate

📌Il rateo di difetti, o tasso di errori, indica la frequenza con cui si verificano errori nell’attribuzione dei pagamenti alle fatture corrispondenti, con richiesta di interventi correttivi. Nei sistemi automatizzati è correlabile al concetto di “falso positivo”, ossia quando delle riconciliazioni ritenute perfettamente riuscite, in realtà non lo sono.

Un basso tasso di errori segnala un’alta efficienza e affidabilità del processo.

Come lo calcoliamo:

Tasso di Errori = (Numero di Riconciliazioni Errate / Numero Totale di Riconciliazioni Effettuate) x 100

📌Il tasso di intervento manuale, correlato con il tasso di utilizzo delle risorse che misura il grado di utilizzo efficace delle risorse impiegate nel processo. Entrambi i KPI si concentrano sull’ottimizzazione dell’impiego delle risorse disponibili (umane nel primo caso, e umane o materiali nel secondo) per massimizzare l’efficienza. In uno scenario di processo automatizzato, il processo risulta maggiormente efficiente al ridursi del tasso di intervento umano.

Lo misuriamo come

Tasso di Intervento Manuale=(abbinamenti che richiedono intervento manuale /​pagamenti totali processati ) × 100

📌Lo “First Pass Yield (FPY)” o tasso di automazione, è una metrica estremamente rilevante poiché indica la percentuale di incassi abbinati correttamente al primo tentativo senza necessità di interventi manuali per correzioni.
Un elevato FPY è indice di un processo automatizzato efficiente e affidabile.

Come lo calcoliamo:

Tasso di Automazione=(Numero di Riconciliazioni Perfette / Numero Totale di Riconciliazioni Effettuate) × 100

📌La soddisfazione del cliente, ossia il percepito dei clienti (interni o esterni) riguardo la rapidità e l’affidabilità del processo di riconciliazione. Un processo di riconciliazione efficiente e accurato contribuisce positivamente alla soddisfazione del cliente, che è un obiettivo finale dell’ottimizzazione dei processi.

Questa metrica può essere valutata attraverso sondaggi o feedback dei clienti riguardo la rapidità e l’affidabilità del processo di riconciliazione.

Quando si automatizza il processo.

Qualora vi sia la trasformazione del processo da un basso tasso di automazione ad un alto tasso di automazione, è interessante considerare non solo il confronto delle metriche ante e post, ma un ulteriore e importante KPI:

💹il COST SAVING, che calcola il risparmio complessivo ottenuto attraverso l’automazione del processo di riconciliazione rispetto al metodo manuale precedente, considerando sia i costi diretti che quelli indiretti (come ad esempio il tempo del personale preposto alla supervisione del processo).

Risparmio di Costi = Costi Metodo Manuale − Costi Metodo Automatizzato

Considerare le metriche che abbiamo esaminato sopra, può essere utile in questi casi:

  • 💡 quando si voglia misurare l’efficienza del processo in essere per identificare possibili aree di miglioramento;
  • 💡 quando si voglia definire un business case per vagliare l’opportunità di automatizzare un processo oggi condotto manualmente, al fine di confrontare le metriche attuali con la stima della loro evoluzione a seguito dell’automazione.

Un caso d’uso di applicazione dei KPI

In K Linx abbiamo progettato la dashboard di monitoraggio delle risultanze della riconciliazione, allineata alle metriche comunemente utilizzate nell’automazione dei processi.

Esprimiamo infatti il FPY nella sezione degli abbinamenti cosiddetti “perfetti“, così come il tasso di intervento manuale è rappresentato dalla sezione “abbinabili” (proposte di abbinamento che richiedono supervisione) e dalla sezione dei bonifici “no-match“.

La sezione degli abbinabili può contenere a sua volta delle proposte che, supervisionate dall’operatore, possono confluire nella sezione dei FPY in quanto già perfette così come sono state proposte.

Infine il rateo dei difetti, tendente allo zero.

Sono rari infatti i casi di abbinamenti riconciliati, intesi come “perfetti” dal sistema, che abbiano avuto reclami in quanto errati.

Consideriamo questo specifico KPI come una medaglia sul petto.

Mario S. Farris

Articoli correlati:

📌 Processi efficaci, efficienti o… entrambi?

📌 I rischi nascosti dei processi aziendali manuali

📌 Si può misurare l’efficienza?

📌 Misuriamo l’efficienza di un sistema di data document extraction

Si può misurare l’efficienza?

Dashboard
Dashboard

Si può misurare l’efficienza?

L’efficienza si misura generalmente attraverso il rapporto tra output prodotto e input utilizzato. 

In termini matematici, può essere espressa come:
Efficienza = Output / Input.

Questo rapporto misura la capacità di un processo di trasformare gli input (risorse quali tempo, denaro e materiali) in output (prodotti e servizi), massimizzando le risorse a disposizione.

Un valore più alto indica una maggiore efficienza, perché implica che per ogni unità di risorsa impiegata si ottiene più output.

Esistono diversi modi specifici per misurare l’efficienza, a seconda del contesto:

  • L’efficienza operativa, che misura quanto efficacemente un’organizzazione utilizza le sue risorse per produrre beni o servizi. Può essere valutata attraverso indicatori come il costo per unità prodotta, il tempo di ciclo di produzione o il tasso di utilizzo delle capacità.
  • L’efficienza energetica, che valuta la quantità di energia consumata rispetto all’output prodotto.
    È spesso espressa in termini di energia per unità di prodotto o servizio fornito.
  • L’efficienza economica, che misura il rapporto tra il valore dell’output prodotto e il costo degli input utilizzati. Un’alta efficienza economica indica che l’entità sta generando un maggiore valore economico con minori risorse.
  • L’efficienza dei processi, focalizzata su come le procedure specifiche trasformano gli input in output. Gli strumenti per misurare questa efficienza includono l’analisi dei flussi di lavoro, la mappatura dei processi e l’analisi dei tempi.

Per poter misurare l’efficienza in modo efficace, è importante stabilire metriche chiare e misurabili, raccogliere dati accurati e analizzare questi dati nel tempo per identificare tendenze, miglioramenti o aree che necessitano di ottimizzazione.

Occupandomi da diversi anni di automazione ed efficientamento di processi aziendali, mi soffermerò in particolare sulla misurazione dell’efficienza nei processi, dove possono essere utilizzate diverse metriche chiave che forniscono approfondimenti sulla performance e aiutano a identificare eventuali possibilità di miglioramento. 

Ecco alcune delle metriche più comunemente utilizzate:


Tempo di Ciclo: il tempo totale necessario per completare un processo dall’inizio alla fine. La riduzione del tempo di ciclo è spesso un obiettivo chiave per migliorare l’efficienza dei processi.

Rateo di Difetti: la percentuale di output che non soddisfa gli standard di qualità, indicando l’efficienza del processo in termini di produzione di beni o servizi di alta qualità.

First Pass Yield (FPY): la percentuale di prodotti o servizi che soddisfano i criteri di qualità al primo tentativo, senza bisogno di ritocchi o correzioni, offrendo una misura diretta dell’efficienza qualitativa.

Lead Time: il tempo che intercorre tra la ricezione dell’ordine e la consegna del prodotto finito al cliente. La riduzione del lead time migliora la soddisfazione del cliente e l’efficienza operativa.

Tasso di Utilizzo delle Risorse: misura quanto efficacemente le risorse (umane, materiali, finanziarie) sono impiegate nel processo produttivo. Un utilizzo efficiente delle risorse riduce gli sprechi e aumenta la produttività.

Queste metriche, utilizzate correttamente, possono offrire alle organizzazioni una comprensione approfondita della loro efficienza dei processi, poiché consentono di identificare le aree di forza e di debolezza e di implementare interventi mirati di miglioramento.

Mario S. Farris

Articoli correlati:

📌 Processi efficaci, efficienti o… entrambi?

📌 I rischi nascosti dei processi aziendali manuali

📌 Misuriamo l’efficienza di un processo automatico per la riconciliazione degli incassi

📌 Misuriamo l’efficienza di un sistema di data document extraction

Efficacia ed Efficienza nei processi aziendali.

PROCESSI EFFICACI, EFFICIENTI O… ENTRAMBI?

In questo articolo approfondisco e metto a confronto due termini fondamentali nel mondo del lavoro e della produttività, EFFICACIA ed EFFICIENZA, spesso usati come se fossero intercambiabili, ma che in realtà hanno significati distinti.

Da anni mi dedico all’automazione e all’efficientamento di processi aziendali, e la mia esperienza come imprenditore e consulente per realtà di vari settori, in particolare nel finance, mi ha permesso di apprezzare la differenza e l’importanza di essere sia efficaci che efficienti.

L’importanza dell’efficacia

L’EFFICACIA riguarda la capacità di raggiungere gli obiettivi prefissati e ottenere i risultati desiderati.

Quando siamo efficaci significa che le nostre azioni producono l’impatto previsto e portano al successo delle nostre iniziative.

L’efficacia si focalizza sul “cosa” otteniamo, indipendentemente dal modo in cui lo facciamo.


Il ruolo dell’efficienza

L’EFFICIENZA, invece, si riferisce al modo in cui sfruttiamo le risorse disponibili (tempo, denaro, risorse umane etc.) per raggiungere gli obiettivi.

Essere efficienti significa utilizzare al meglio queste risorse, riducendo gli sprechi e migliorando la produttività.

L’efficienza riguarda il “come” facciamo le cose, cercando di ottimizzare il processo e minimizzare i costi..

Idealmente, vorremmo e dovremmo essere sia efficaci che efficienti nel nostro lavoro, in modo da ottenere i migliori risultati possibili, con il minor sforzo e spreco di risorse.

A mio modo di vedere, l’EFFICIENZA porta implicitamente con sé anche il concetto di EFFICACIA, con il plus dell’ottimizzazione di come raggiungiamo il nostro scopo.

Calandoci nelle realtà operative della nostra quotidianità, tra le tecnologie oggi disponibili, l’intelligenza artificiale può aiutarci proprio ad essere più efficienti, ottimizzando una vasta gamma di processi, permettendoci di risparmiare tempo e risorse.

Ma cos’ha l’intelligenza artificiale di così speciale?

Per rispondere a questa domanda, parliamo anzitutto di “traditional computing”, ossia le automazioni di processo realizzate con linguaggi di programmazione tradizionali (COBOL, JAVA, C#, Python etc.) dove il business analyst e lo sviluppatore debbono identificare in modo molto preciso ed esaustivo i vari scenari del processo in esame e le tipologie di dati trattati, implementando le tipiche logiche di programmazione if – then – else.

Cosa succede se si verificano degli scenari inaspettati oppure dei dati non rientranti nelle tipologie o contenuti attesi?

L’automatismo si blocca, oppure quei dati vengono scartati lasciando alla supervisione degli operatori tutte quelle situazioni non gestite dal processo automatico.

Le peculiarità del cognitive computing.

Negli ultimi anni, grazie alla nuova primavera che sta vivendo l’intelligenza artificiale, ci viene in soccorso la “cognitive computing”, che diversamente da quanto visto per il traditional compunting, per poter essere applicata su un particolare processo non necessita di istruzioni specifiche sul da farsi, bensì di un addestramento intensivo (il cd machine learning) basato su una mole consistente di dati di training.

Tale apprendimento genera delle mappature statistiche interne all’algoritmo di cognitive computing, tale per cui in fase di esercizio l’algoritmo è in grado di gestire una gamma di situazioni certamente superiore a quante potrebbe gestirne un algoritmo tradizionale, emulando in un certo qual modo quello che farebbe un essere umano che si basa su esperienze precedentemente acquisite per poter affrontare anche scenari di intervento mai verificatisi in precedenza.

Con il vantaggio di una maggiore velocità di esecuzione e la possibilità di essere operativi 24h/24h.

E da qui, grazie ad un cambio di paradigma e con il supporto di tecnologie come l’intelligenza artificiale, si potrà passare da una semplice EFFICACIA ad una più soddisfacente EFFICIENZA.

Immagina come migliorerebbero in quest’ottica i processi della tua azienda, quelli che più di altri sono densi di attività ripetitive, tediose e onerose!

Grazie all’AI, queste attività sarebbero svolte automaticamente, in minor tempo, con meno operatori e a costi inferiori…

Concludo con qualche esempio pratico su progetti di automazione ed efficientamento che abitualmente svolgiamo in K Linx per nostri clienti:

  • > la verifica o la quadratura di flussi che oggi effettui con excel, a fatica e con possibili errori di copia-incolla;
  • > la riconciliazione finanziaria degli incassi da bonifici o altri incassi manuali;
  • > varie operazioni di data entry o altre attività a basso valore aggiunto.

Mario S. Farris

Articoli correlati:

I diversi approcci alla riconciliazione degli incassi da bonifici.

I diversi approcci alla
riconciliazione degli incassi da bonifici.


PREMESSA

Relativamente alla tematica della riconciliazione incassi da bonifici, data la complessità del processo che richiede operatività manuali, ripetitive ed onerose, operatori del mercato come Software solution providers, Operatori Finanziari, Prestatori di Servizi di Pagamento offrono diverse soluzioni, alcune sempre riferite alla gestione degli incassi da bonifici, altre costituenti una alternativa per aggirare le difficoltà connesse alla riconciliazione dei primi. Nei paragrafi seguenti saranno analizzati gli approcci identificabili nel mercato, principalmente orientati a realtà aventi il processo di incasso caratterizzato da significative concentrazioni di bonifici, come avviene ad esempio nel settore finanziario oppure in grandi fatturatori operanti prevalentemente nei settori energetico, idrico e delle telecomunicazioni.

I PRINCIPALI APPROCCI ALLA RICONCILIAZIONE degli INCASSI

TEAM DEDICATO alla RICONCILIAZIONE

Grandi organizzazioni, che devono rispettare specifici SLA interni per la chiusura delle registrazioni di incasso, sia contabili che di altri processi come il risk management, affrontano spesso questa sfida creando team dedicati alla riconciliazione degli incassi. Questa attività è prevalentemente manuale, supportata da funzionalità del software gestionale o da strumenti di office-automation. Un’alternativa è l’esternalizzazione a centri di servizi amministrativi che operano in modo simile.

Il numero di persone nel team dipende dai volumi giornalieri di lavoro, variando da un minimo di 2-5 a un massimo di 6-10. Indipendentemente dal fatto che il processo sia interno o esternalizzato, il costo del personale incide notevolmente su ogni transazione riconciliata. Anche se il processo è efficace per raggiungere l’obiettivo di riconciliazione, non è necessariamente efficiente a causa del numero elevato di risorse umane coinvolte. Inoltre, chi lavora in questo ambito tende a perdere motivazione rapidamente a causa della natura ripetitiva del lavoro.

PRO: efficace in quanto raggiunge l’obiettivo richiesto.

CONTRO: Non efficiente; risorse non motivate data la ripetitività delle operations.

IBAN VIRTUALE per facilitare la riconciliazione

Alcune banche offrono la possibilità di avere un range di IBAN virtuali, costituenti di fatto una serie di alias di un singolo IBAN del conto corrente dell’azienda che aderisce a questo servizio.

Per ogni fattura emessa viene indicato il primo IBAN virtuale disponibile dal range assegnato, che rimane associato a quella fattura. Nel momento in cui perverrà un bonifico che accredita quell’IBAN virtuale, il fatturatore saprà esattamente a quale fattura si riferisce, ottenendo di fatto una riconciliazione perfetta.

PRO: riconciliazione tendente al perfetto.

CONTRO: vincolati ad operare con una specifica banca; non applicabile in contesti di riconciliazione finanziaria complessi; costi di incasso elevati.

PIATTAFORME di PAYMENT COLLECTION

Vi sono diverse piattaforme che consentono di incassare online a fronte della vendita di diversi beni o servizi, dove il pagamento generato è a tutti gli effetti un bonifico, ma con causale pre-impostata dalla piattaforma che conterrà esattamente ciò che il processo di riconciliazione a valle si aspetta di trovare, oppure un bonifico cumulativo a fronte di una serie di pagamenti generati nel corso della giornata per mezzo di una specifica piattaforma.

PRO: riconciliazione tendente al perfetto

CONTRO: L’azienda creditrice e soggetti paganti sono vincolati all’utilizzo di quella specifica piattaforma di incasso.

PIS (Payment Initiation Service) per agevolare la riconciliazione incassi.

Nel contesto del regolamento PSD2 dell’Unione Europea, il meccanismo dei Payment Initiation Service offre alle aziende la possibilità di avviare pagamenti di fatture attraverso il loro software gestionale o una soluzione software collaterale. Tipicamente la PIS è preceduta da un link inviato dal creditore al debitore. Tramite questo link il pagatore dispone un bonifico bancario con i dettagli del beneficiario e la causale già inseriti. Così facendo, si semplifica notevolmente il processo di riconciliazione e registrazione dei pagamenti ricevuti.

PRO: riconciliazione tendente al perfetto

CONTRO: il meccanismo del link (di fatto una Request to Pay) ricevuto genera ancora diffidenza da parte degli utenti che generalmente interpretano il messaggio come un tentativo di phishing. Sistema costoso.

RICONCILIAZIONE INCASSI INTEGRATA NEL GESTIONALE

Nell’ambito finanziario, molti software gestionali e sistemi di tesoreria offrono la funzionalità di riconciliazione incassi da pagamenti strutturati come SDD, Riba e MAV, che facilitano il riconoscimento automatico grazie a riferimenti univoci.

Quando invece si tratta di gestire incassi da pagamenti non strutturati come ad esempio i bonifici, questi sistemi spesso non riescono a offrire performance ottimali.

La sfida nasce dalla complessità di interpretare i riferimenti contenuti in campi a testo libero, un’operazione che richiede una precisione e una specializzazione superiori.

Questa limitazione è comprensibile, considerando che l’attenzione dei team di sviluppo è rivolta principalmente alle funzionalità centrali del sistema gestionale, lasciando in secondo piano la gestione di componenti meno convenzionali.

D’altra parte la mancanza di efficacia nella riconciliazione degli incassi da pagamenti non strutturati può portare a errori di gestione, ritardi e inefficienze che influiscono negativamente sul flusso di cassa e sulla filiera del credito più in generale.

Questo problema si accentua nei contesti dove la velocità e la precisione sono fondamentali come nel factoring, nell’anticipo su fattura e nel credito al consumo, oltre che nei grandi fatturatori come ad esempio le utilities. Senza una soluzione adeguata, tali organizzazioni si trovano a fronteggiare complessità operative aggiuntive, sopperendo con attività manuali onerose e ripetitive.

PRO: l’utente effettua le operazioni di riconciliazione all’interno del gestionale principale.

CONTRO: le performances di riconciliazione automatica dei bonifici non sono ottimali;

RICONCILIAZIONE con BLOCKCHAIN

Con l’avvento delle criptovalute, si è diffuso un marcato ottimismo sulla possibilità di impiegare in svariati ambiti la tecnologia BLOCKCHAIN sottostante.

Stato dell’arte

Nel 2020 si è concluso con successo un progetto coordinato da ABI Lab e promosso da ABI, Spunta Banca DLT, per la riconciliazione delle transazioni interbancarie; in parallelo al progetto ci sono stati nel mercato altri studi di applicazione, sempre in tema di riconciliazione, ma pensare che l’estensione possa riguardare anche i pagamenti B2B, nel contesto attuale e per il breve-medio periodo si configura (IMO) come un obiettivo idealistico.

Dovremmo infatti trovarci in una realtà dove la BLOCKCHAIN sia divenuta pervasiva.

Scenario ideale

Ipotizzando di declinare sulla rete una dinamica tipica del B2B che preveda, oltre all’emissione di un titolo di credito, anche la relativa cessione ad un istituto bancario o ad un factor, il sistema dovrebbe poter consentire una sequenza di questo genere:

  1. una azienda “X” emette una fattura inviandola al cliente via Blockchain;
  2. quella stessa azienda “X” pone (anticipa) quella fattura a garanzia di un anticipo di liquidità presso la propria banca, agendo sempre sulla rete blockchain;
  3. Alla scadenza del pagamento, il debitore salderà quella fattura sulla blockchain; la riconciliazione è implicita. Nel contempo uno smart-contract chiuderà automaticamente la posizione con la banca, dove la fattura è stata anticipata.

L’applicazione pratica di uno scenario come quello sopra richiederebbe una diffusione capillare di questa tecnologia, che al momento è ancora lontana.

PRO: In linea teorica, la riconciliazione è perfetta.

CONTRO: Approccio non applicabile nel breve-medio periodo.

UN APPROCCIO INDIPENDENTE: la piattaforma K LINX

K Linx è una piattaforma di riconciliazione incassi da pagamenti non strutturati come i bonifici, sviluppata e promossa dall’omonima società fintech.

È una soluzione indipendente dalla modalità o canale da cui è stato generato il bonifico; opera in sostanza in modalità agnostica rispetto ai possibili contenuti delle causali o il modo in cui è descritto l’ordinante del bonifico ricevuto.

Essendo stata sviluppata per assolvere a processi automatici di riconciliazione in ambienti finanziari complessi come banche o società di factoring, ciò ha consentito al team K Linx di capitalizzare nel tempo approfondite e specifiche competenze in materia, declinate nella soluzione in sofisticati algoritmi e reti neurali artificiali,  che nell’insieme emulano l’attività di un utente di back-office relativamente al riconoscimento del soggetto pagante rispetto ad uno specifico debitore e alla comprensione del contenuto della causale rispetto alle fatture a cui si riferisce il pagamento.

Peraltro la UI della soluzione, determina una UX di governance del processo e risoluzione delle eccezioni molto semplice e lineare.

Il livello di completezza e maturità della soluzione è elevato.

L’integrazione nei sistemi del cliente è molto semplice.

Il licensing è un SaaS il cui costo è dimensionato sulla base dei volumi annui di n. transazioni di incasso. Negli scenari di realtà corporate (es. Utilities) e del settore finanziario, costituenti di fatto il target della soluzione, riesce ad apportare un cost saving fino al 70% rispetto ad una attività di riconciliazione manuale o semi-automatica. L’incidenza di costo per movimento elaborato è congrua rispetto all’efficientamento di processo erogato.

PRO: soluzione indipendente, innovativa, costo adeguato, integrazione semplice, non richiede all’azienda di adottare piattaforme proprietarie di incasso, né di vincolare i clienti al pagamento tramite specifici canali.

CONTRO: La soluzione, essendo orientata verso il segmento enterprise, può risultare più adatta per realtà di dimensioni più ampie, piuttosto che per le piccole imprese.

clicca per accedere ad una video-animazione explainer su K Linx.

Hai domande, vorresti approfondire o semplicemente delle curiosità?

Intelligenza Artificiale e Innovazione: Dialogo con Mario Farris di K Linx

Intelligenza Artificiale e Innovazione: Dialogo con Mario Farris di K Linx

L’intelligenza Artificiale è in continua espansione e sempre più settori abbracciano la tecnologia che è nella sua primavera. Perciò, parliamo degli ambiti di applicazione attuali e di quelli futuri con Mario Farris, CEO di Workgroup Consulting e K-Linx.

Alessio Sergi: Benvenuto su “Pensa Forte”, Mario. Sono entusiasta di esplorare con te l’uso dell’intelligenza artificiale soprattutto nel mondo aziendale e bancario ma anche in ulteriori contesti. Puoi approfondire i suoi utilizzi in Italia?

Mario: L’IA ha molteplici applicazioni. Nel marketing, viene utilizzata per interazioni tramite chatbot e analisi del cliente. Nel campo della sicurezza, identifica intrusioni e frodi. In sanità, è preziosa per diagnosticare malattie e nel settore finanziario aiuta nel credit scoring e analisi di mercato.

Alessio: Come K Linx si inserisce in questo contesto?

Mario: In K Linx, abbiamo iniziato con l’analisi dei flussi di incasso, ma stiamo ampliando il nostro raggio d’azione. Siamo interessati all’analisi di potenzialità di acquisto dei clienti e all’estrazione di informazioni da documenti non strutturati, usando reti neurali per la riconoscimento di entità.

Alessio: Quali sono i vantaggi dell’IA per le aziende?

Mario: L’IA rende efficienti processi ripetitivi, liberando risorse umane per compiti di maggior valore. Ad esempio, nel recupero crediti, gestisce la riconciliazione dei pagamenti, permettendo al personale di concentrarsi sulla interazione con i clienti.

Alessio: Credi che adottare l’IA possa essere un vantaggio competitivo per le aziende?

Mario: Decisamente. L’IA migliora l’efficienza e riduce i costi, rendendo un’azienda più competitiva. Purtroppo, alcune aziende mostrano resistenza, forse per mancanza di lungimiranza.

Alessio: Parliamo di Elon Musk e della sua scelta di usare l’IA per la guida autonoma. Qual è la tua opinione?

Mario: Musk affronta una sfida imponente con la guida autonoma. La sua decisione di passare da radar a camera vision è innovativa. Nonostante le difficoltà, credo che avrà successo.

Alessio: E sull’uso dell’IA in ambito sanitario, come per i vaccini?

Mario: L’uso dell’IA nella produzione di vaccini è fondamentale. Può accelerare la ricerca e sviluppo, riducendo i tempi in emergenze come la pandemia.

Alessio: Infine, come vedi il futuro dell’IA nel mercato globale?

Mario: Il mercato dell’IA è destinato a espandersi enormemente. Stiamo passando dalla fantascienza alla risoluzione di problemi reali. L’IA migliora la qualità della vita.

Alessio: Grazie, Mario, per queste intuizioni. È stato un piacere parlare con te.

Mario: Grazie a te, Alessio. Sono felice di aver partecipato.