Come l'intelligenza artificiale può aiutare a misurare il valore a lungo termine

Poiché le aziende sono sempre più sotto pressione per misurare la creazione di valore a lungo termine, la sfida principale è come trarre significato dai loro dati.

In questo caso si trattava di un periodo in cui un bilancio annuale dimostrava il valore di un'azienda ai suoi azionisti attraverso un solido portafoglio ordini, un bilancio sano e una storia di dividendi interessanti. Ma il panorama è cambiato negli ultimi anni e le aziende si trovano ora ad affrontare la necessità di esprimere il valore aziendale su un livello più ampio.

C'è un continuo passaggio dal capitalismo azionario (dove la priorità assoluta è la protezione del valore per gli azionisti) a quello degli stakeholder, dove l'attenzione si concentra nel dimostrare a un pubblico molto più ampio - inclusi clienti, dipendenti, investitori e autorità di regolamentazione - che l'azienda sta creando valore a lungo termine.

Il focus di attenzione è cambiato. Non si tratta più solo di massimizzare i profitti; la trasparenza, la sostenibilità e l'inclusione fanno sempre più parte della misura complessiva del successo.

La mancata considerazione di questi elementi nella valutazione del valore a lungo termine potrebbe avere un impatto sugli investimenti, sulla reputazione e, in ultima analisi, sulla produttività e sul profitto. Viviamo in un clima in cui gli stakeholder richiedono maggiori informazioni su uno spettro più ampio. E in un mondo digitale, chiedono che questi dati siano aggiornati e prontamente disponibili.

Livelli di dati

Secondo il Embankment Project for Inclusive Capitalism (EPIC), gli indicatori di performance (KPI) per misurare il valore a lungo termine si baseranno sempre più su quattro aree chiave: talento, innovazione e tendenze dei consumatori, società e ambiente, governance. Gli stakeholder vogliono chiarezza su come questi KPI misurano la pianificazione strategica, la gestione del rischio, la retribuzione dei dirigenti, le operazioni sostenibili, la crescita del business e il valore aziendale a lungo termine.

Tuttavia, una delle principali sfide per le aziende è l'enorme quantità di dati disponibili e come trarne un significato. Per comprendere la portata di questa sfida, si consideri che i dati nel nostro universo digitale globale, raddoppiano ogni due anni¹.

In questo contesto, l'intelligenza artificiale (IA) potrebbe rivelarsi il fattore di cambiamento, con la capacità di dare un senso a questi dati e di identificare indicatori significativi. Attraverso l'IA, l'analisi di quantità colossali di informazioni potrebbe essere istantanea e personalizzata.

L’analisi dei dati può aiutare a classificare le informazioni. Ad esempio, per analizzare un grande volume di brevetti e classificarli in "cluster qualitativi". L'analisi predittiva potrebbe anche aiutare ad analizzare il comportamento del mercato e dei consumatori e fornire tendenze e previsioni.

Il fatto che le aziende debbano essere in grado di utilizzare questa tecnologia per misurare in tempo reale aspetti delle loro attività come il valore finanziario, la produzione, le prestazioni del personale, la gestione dei costi e la sostenibilità rappresenta un enorme progresso. In passato, misurare il valore era estremamente costoso e richiedeva molto tempo. I dati forniti agli analisti erano di qualità mista e spesso non c'era una struttura o un quadro di riferimento per il processo. In futuro, le aziende dovrebbero essere in grado di utilizzare i KPI in tempo reale.

IA come abilitatore

L’Intelligenza Artificiale è puramente un abilitatore per supportare la generazione e l'analisi di nuove metriche.

Inoltre, le aziende sono ancora in una fase iniziale di elaborazione del loro approccio alle metriche per un valore a lungo termine. Devono trovare un equilibrio praticabile tra KPI strategici, KPI operativi e finanziari e KPI che catturino efficacemente il momento e anticipino il futuro.

Allo stato attuale, ci si chiede quanto siano attrezzate le aziende per utilizzare nuove metriche per la corporate governance, misurare la fiducia dei consumatori, l'innovazione, il talento. Molte organizzazioni non dispongono ancora di un "impianto" adeguato, delle capacità di aggregazione dei dati o dei sistemi di reporting necessari.

Un problema ovvio è: come si misurano gli aspetti di innovazione, fiducia, cultura e sostenibilità? Qualsiasi sforzo in tal senso può essere complicato dalla natura non strutturata dei dati operativi necessari per tale rendicontazione non finanziaria. L'onere di ogni organizzazione è di stabilire i KPI più appropriati e di garantire che questi KPI possano essere misurabili.

Interventi tempestivi

Nonostante le notevoli sfide, i potenziali vantaggi che l'IA offre come abilitatore sono impressionanti. Prendiamo ad esempio la questione della misurazione della cultura aziendale. In passato, questo veniva eseguito probabilmente tramite un'indagine sul coinvolgimento dei dipendenti che veniva condotta una volta all'anno. In genere ci vorrebbero mesi per raccogliere le informazioni e i risultati sarebbero disponibili solo dopo che le revisioni del personale hanno già avuto luogo. Con l'IA, questa misura può essere più espansiva e più immediata. L'IA può anche suggerire tipi di intervento che potrebbero essere appropriati; non viene utilizzata solo per produrre rapporti.

All'interno delle risorse umane è certamente un'area che si sta sviluppando a ritmo sostenuto. Oltre a identificare potenziali comportamenti scorretti, queste piattaforme (se utilizzate correttamente) possono aiutare a migliorare la produttività, a identificare l'innovazione e a promuovere una cultura più collaborativa.

Applicazioni di sostenibilità

Ci vorrà senza dubbio del tempo prima che emergano pratiche e standard comuni in tutti i settori industriali, ma stiamo già assistendo ad azioni concrete in questa direzione in alcuni settori. E uno dei principali vantaggi dell'IA è che può essere utilizzato per rendere i KPI più lungimiranti piuttosto che retrospettivi, come è stato fatto finora.

In particolare, il reporting sulla sostenibilità negli Stati Uniti e in Europa utilizza l'IA come identificatore di rischio. Secondo il Global Risk Report 2018 del World Economic Forum, quattro dei cinque principali rischi globali in termini di impatto sono legati a questioni ambientali o sociali². L'IA può aiutare a identificare e quantificare questi rischi; ad esempio, se un'azienda ha fornitori in un particolare paese o regione, gli strumenti di IA possono contribuire all'analisi delle informazioni e aiutare a prevedere potenziali rischi.