Un dirigente su quattro: gli errori dell’AI arrivano fino al board

Un divario pericoloso si è aperto tra la fiducia che i dirigenti ripongono nell'intelligenza artificiale e la reale affidabilità di questa tecnologia. Secondo il Workiva 2026 Midyear Executive Benchmark Survey, che ha intervistato 2.272 dirigenti dei settori finance, rischio e sostenibilità insieme a 367 investitori istituzionali, la stragrande maggioranza dei leader si dice fiduciosa nell'output dell'AI – eppure uno su quattro ha già visto errori dell'AI superare le difese aziendali e raggiungere i membri del consiglio di amministrazione o il pubblico esterno . L'indagine, che ha coinvolto organizzazioni in Nord America, America Latina, Europa e Asia Pacifico, mette in luce un sistema in cui la fiducia corre molto più veloce della qualità dei dati e dei controlli .

Fiducia dei dirigenti vs. realtà

L'84% dei dirigenti intervistati ha dichiarato di essere almeno abbastanza fiducioso nell'accuratezza dell'output generato dall'AI senza revisione umana . Questa cifra suggerisce una diffusa tranquillità organizzativa nel lasciare che l'AI gestisca parti significative del lavoro di reporting e analisi.

Ma lo stesso sondaggio rivela che il 26% – uno su quattro – ha riferito che audit interni hanno rilevato errori dell'AI che hanno raggiunto il pubblico esterno o i membri del board . Questo divario tra fiducia dichiarata e fallimenti documentati è il risultato centrale del rapporto.

Barbara Larson, CFO di Workiva, lo ha detto senza mezzi termini: «Avere fiducia nell'AI senza il controllo della qualità dei dati è una passività, non una strategia» .

La qualità dei dati è l'anello più debole

Il gap di fiducia poggia su un problema ancora più profondo: la qualità dei dati. Solo l'11% dei dirigenti ritiene che la qualità dei dati della propria organizzazione sia sufficiente per l'uso dell'AI . L'89% restante riconosce che i propri dati di base non sono pronti per gli strumenti di AI che stanno già implementando.

Questo disallineamento ha conseguenze reali. Il 71% dei dirigenti ha dichiarato che la scarsa qualità dei dati ha avuto un impatto almeno moderato sull'uso dell'AI nel reporting finanziario e di sostenibilità . Le principali conseguenze segnalate di una cattiva qualità dei dati sono decisioni operative sbagliate o ritardate, seguite da multe regolatorie o azioni legali e dalla perdita di credibilità presso investitori e finanziatori .

Gli investitori osservano attentamente

Gli investitori istituzionali non sono rassicurati dalla fiducia dei dirigenti. L'89% degli investitori istituzionali si è detto preoccupato per l'accuratezza dei contenuti generati dall'AI nelle comunicazioni aziendali . Questa preoccupazione si accompagna a una crescente pressione regolatoria affinché gli output dell'AI siano trattati come documenti verificabili e non come bozze informali .

Il 95% degli investitori istituzionali ritiene che i leader sottovalutino il rischio di dati frammentati nel reporting finanziario . Con il tempo, dati deboli o non verificabili possono erodere la credibilità verso gli stakeholder .

Priorità infrastrutturali: la via da seguire

I dirigenti stanno rispondendo con un chiaro mandato infrastrutturale. Il sondaggio ha rilevato che il 96% dei dirigenti considera indispensabile l'allineamento del C-suite per abbattere i silos di dati , e il 79% sta dando priorità all'automazione e alla governance dei dati per colmare le lacune a livello aziendale . La maggior parte delle organizzazioni sta finanziando questo cambiamento con supporto IT dedicato (73%) e budget allocati (71%) .

Il 76% dei team di audit interno sta già valutando attivamente i modelli di AI delle proprie organizzazioni . I leader aziendali hanno convenuto quasi all'unanimità che CFO, CIO e CSO devono unirsi affinché la governance dei dati abbia successo .

La priorità infrastrutturale si sta spostando «dall'esecuzione all'orchestrazione» . I CFO cercano in particolare piattaforme che fungano da unico «sistema di verità» – piattaforme che ancòrino gli agenti AI in ambienti di dati tracciabili e di qualità regolatoria, dove ogni output possa essere verificato e ogni disclosure difesa .

Gli agenti AI entrano nel flusso di lavoro del reporting

Parallelamente ai risultati del sondaggio, Workiva ha lanciato tre agenti AI specializzati progettati per operare entro guardrail verificabili: un Tie-Out Agent per controlli di coerenza nei report finanziari, un Benchmarking Agent per l'analisi delle disclosure dei pari e un Sustainability Disclosure Agent per la conformità agli standard ESRS e ISSB . Questi agenti sono integrati in un livello di intelligenza persistente chiamato Workiva Knowledge, che ancora l'output dell'AI ai dati, alle istruzioni e ai contenuti propri dell'organizzazione .

L'architettura di audit trail è importante perché gli output generati dall'AI nelle dichiarazioni finanziarie regolamentate sono ora una categoria di rischio nominata nel FINRA 2026 Annual Regulatory Oversight Report . Il rischio di allucinazione è più alto laddove l'AI ha maggiore libertà di generare narrativa – commenti della direzione, note in calce al bilancio, linguaggio ESG – che è esattamente il territorio in cui questi agenti sono progettati per rimanere ancorati ai dati di origine .

In sintesi

Il Workiva 2026 Midyear Executive Benchmark Survey dipinge un quadro di un settore che si muove veloce sull'adozione dell'AI ma troppo lentamente sulle basi di dati e sulle strutture di governance necessarie per rendere sicura tale adozione. I numeri sono netti: 84% di fiducia, 26% di errori scoperti, 11% di dati pronti, 89% di preoccupazione tra gli investitori. Colmare il divario tra fiducia nell'AI e controllo dell'AI è oggi la sfida principale per i leader di finanza, rischio e sostenibilità.