Il vantaggio dell'AI agentica: Agenti finanziari che muovono i numeri
Navigazione Rapida
Tag
Condividi le slide
Il vantaggio dell'AI agentica: Agenti finanziari che muovono i numeri
Vista dettagliata di ogni pagina di slide, inclusi layout, contenuto chiave ed elementi visivi.
Slide del titolo con branding KPMG. Sottotitolo: Cosa costruire, come scalare e come misurare il valore. KPMG Thought Leadership, Febbraio 2026.
Testo del titolo allineato a sinistra con illustrazione del volto di un robot AI a destra, sfondo con sfumatura blu/viola intenso
Prefazione di Reindolf Annor, Partner presso KPMG Accounting Advisory Services. L'AI si sta spostando da strumenti ad agenti che agiscono in finanza. Focus sui risultati: dati finanziari di qualità, chiusura più rapida, controlli più solidi. La fiducia non è negoziabile. Inizia con piccoli use case, dimostra il valore, quindi scala.
Barra di navigazione in alto, layout di testo a tre colonne con foto e biografia dell'autore in basso a destra
Indice con otto sezioni: Cos'è un Finance AI Agent (04), Era della finanza agentica (05), Valore in gioco (07), Quattro modi per sbloccare il valore (08), Spettro di agenti in evoluzione (10), Fondamenti per il percorso dell'agente finanziario (14), Prossimi passi pratici (23), Come KPMG può aiutare (26).
Elenco dei contenuti numerato a due colonne con numeri blu, grafica astratta a onda in basso
Definizione di un Finance AI Agent: un lavoratore digitale che soddisfa gli obiettivi finanziari combinando LLM con pianificazione, orchestrazione, recupero dati e governance. Legge dati strutturati e non strutturati, applica politiche contabili e regole fiscali, agisce nei sistemi, impara dal feedback.
Titolo grande, descrizione delle capacità a tre colonne, diagramma dell'architettura in basso che mostra AI agents + LLM + Instructions + Planning + Knowledge + Tools
Dati del KPMG Quarterly Pulse Survey: il 65% delle aziende sta pilotando AI agents (rispetto al 37% del trimestre scorso), il 99% sta pianificando l'implementazione in produzione, ma solo l'11% ha implementato in produzione. GenAI costruisce assistenti digitali; l'AI agentica automatizza completamente.
Hero banner con immagine di robot AI, due grafici statistici circolari (65%, 99%) e testo esplicativo a destra
L'adozione dell'AI in Ghana cresce del 28% ogni anno dal 2017. National AI Strategy (2023-2033) e One Million Coders Program. Si prevede che il mercato globale dell'AI crescerà di 25 volte, da $189B a $4.8T entro il 2033. KPMG GenAI Value Assessment: 17 milioni di aziende, 3 miliardi di punti dati. L'AI agentica è posizionata al meglio per attività ad alta complessità.
Layout diviso - Contesto AI del Ghana su sfondo viola a sinistra, passaggi del KPMG GenAI Value Assessment a destra con icone
Due delle quattro value proposition: 1) Gli agenti ampliano l'apertura per l'automazione - assumendosi compiti come il controllo delle fatture, la preparazione dei giornali contabili, la riconciliazione, la convalida IVA, le regole di credito. 2) Gli agenti non dormono - funzionamento continuo, elaborazione parallela, risposta a eventi fuori orario.
Titolo grande con due sezioni, ciascuna con icona e testo descrittivo
Altre due value proposition: 3) Gli agenti sono predisposti per il cambiamento - si adattano a nuovi flussi di lavoro, riducono le esigenze di change management, si autoregolano in base alle modifiche delle policy. 4) Gli agenti convertono la conoscenza in azione - catturano l'esperienza tacita in policy e playbook, quindi agiscono su di essi per reporting, riscossioni, conformità.
Layout di continuazione corrispondente alla slide precedente con due sezioni e icone
Introduzione al KPMG TACO Framework: Taskers, Automators, Collaborators, Orchestrators. Classificazione progressiva per complessità. Coerenza nei componenti principali (LLM, knowledge, MCP) ma distinzioni chiave nella complessità degli obiettivi. Concetto di AI factory centralizzata.
Layout diviso - descrizione del testo a sinistra, diagramma del framework TACO piramidale/montagna 3D a destra che mostra quattro livelli
Taskers: obiettivi singoli, bassa complessità, istruzioni chiare, dati affidabili. Automators: obiettivi complessi in molti sistemi, conoscenza tacita, gestione delle dipendenze. Caso di studio: società di trading online ha semplificato il procure-to-pay con KPMG e il sistema multi-agente Ema (processo di maturazione: ore invece di 10 giorni da 3 FTE).
Layout a tre colonne - Taskers a sinistra, Automators al centro, caso di studio a destra. Esempi di applicazioni elencati sotto ciascuno.
Collaboratori: compagni di squadra adattivi che lavorano con le persone su obiettivi multidimensionali. Orchestratori: torri di controllo avanzate che coordinano molti agenti tra entità e mercati. Ogni agente TACO è intrinsecamente un sistema multi-agente con sotto-agenti.
Tre colonne: Collaboratori a sinistra, Orchestratori al centro, spiegazione di TACO a destra. Esempi di applicazioni di seguito.
Tabella di confronto completa tra Tasker, Automator, Collaboratori e Orchestratori. Righe: Complessità complessiva, Uso primario, Capacità di pianificazione, Proposte di valore, Conoscenze e strumenti necessari, inclusi i bisogni di MCP.
Tabella di confronto a larghezza intera con quattro colonne (una per tipo di agente) e cinque righe di criteri
L'AI agentica potrebbe essere più dirompente dell'AI generativa. I risultati possono essere impostati entro 12-36 mesi. Quattro fondamenti da affrontare: Strategia, Forza lavoro, Governance/Fiducia, Tecnologia/Dati/Sicurezza.
Titolo grande, foto silhouette di una persona che guarda uno schermo digitale, riquadro di testo a destra
Tre pilastri strategici: Rivedere la strategia aziendale (abbreviare i cicli, testare gli scenari, quantificare il valore), Definire la strategia degli agenti (decidere la posizione, selezionare le aree di alto valore, utilizzare misure semplici), Far evolvere l'ecosistema dei partner (scegliere fornitori affidabili, bilanciare le piattaforme con gli specialisti).
Icona della strategia con layout di guida a tre colonne, citazioni di riferimento in basso
Codificare i modi in cui lavori: dividi in lavoro strutturato (potenziale dell'agente a breve termine) e lavoro tacito (più difficile ma con un impatto maggiore). Il 78% utilizzerebbe l'AI agentica per l'analisi di dati complessi, il 66% per l'amministrazione di routine. Funzioni che ne traggono maggior beneficio: IT (76%), operations (56%), rischio/compliance (56%), finanza (39%), marketing (35%).
Due colonne con la sezione Forza lavoro a sinistra, pannello Adozione di guida a destra con punti elenco
Gestione del cambiamento: approcci comportamentali rispetto agli obblighi dall'alto. Organizzazione ibrida fluida: agenti come colleghi digitali con linee di reporting e gestione delle performance. Esempi: agenti di chiusura di fine mese, regole di credito order-to-cash, corrispondenza a tre vie procure-to-pay.
Tre colonne con gestione del cambiamento a sinistra, organizzazione ibrida al centro, esempi uomo-agente a destra con icone
Gli agenti AI richiedono controlli più rigorosi e principi di Trusted AI. Quattro aree: Aumentare la sicurezza e la privacy (stress test, rilevamento dei bias, meccanismi di sicurezza), Evitare violazioni etiche (stabilire protocolli etici precocemente), Mettere gli umani on-the-loop (non in-the-loop per gli agenti autonomi).
Icona di governance con layout di guida a tre colonne, icona di stretta di mano
Garantire che i dati proprietari siano accessibili, di alta qualità e che gli agenti possano interagire tra loro. Analisi Build vs Buy vs Partner per l'acquisizione di agenti. Build: personalizzazione e controllo, ma richiede competenza. Inizia a costruire una supply chain agentica.
Icona della tecnologia, due colonne con fondazione dati a sinistra, dettaglio dell'opzione Build a destra
Buy: esecuzione rapida, metodo preferito dal 67% secondo il sondaggio KPMG, ma personalizzazione limitata e potenziale obsolescenza. Partner: combina i vantaggi di entrambi, condivide rischio e costi, ma meno controllo. Domande chiave per valutare quale strada intraprendere.
Continuazione a due colonne con dettagli dell'opzione Buy e dell'opzione Partner, guida alla fondazione dati a sinistra
Identità e sicurezza dell'agente: identità univoca, autorizzazioni limitate, isolamento in fase di esecuzione, azioni verificabili. Standard comuni per la comunicazione tra agenti che utilizzano MCP (Model Context Protocol). Componenti MCP: Client, Server, Transport. Consente sistemi AI più piccoli e mirati.
Due colonne con guida alla sicurezza a sinistra, spiegazione MCP e diagramma a tre componenti a destra
La maggior parte delle aziende sta ancora esplorando o sperimentando. È necessaria una visione chiara, una solida motivazione per il ridimensionamento e una trasformazione accelerata dei dati e una governance di Trusted AI. Foto di un professionista che lavora davanti a schermi di computer.
Titolo grande, tre punti elenco su sovrapposizione blu sopra la foto di una persona che programma
Fase 1: Articolare la vision: definire come gli agenti trasformano il business, identificare i punti critici. Fase 2: Avviare progetti pilota agentici: tre approcci: concentrarsi sui punti caldi, approfondire una funzione, utilizzo ampio attraverso il flusso di valore.
Due sezioni numerate con icone e testo di guida dettagliato
Fase 3: Ridimensionare gli agenti all'interno delle funzioni chiave utilizzando il KPMG TACO Framework. Fase 4: Far evolvere il playbook di governance di Trusted AI con catalogo dinamico e monitoraggio. Fase 5: Implementare le valutazioni di Trusted AI con schede di sistema AI, purple team e punteggi di fiducia.
Tre sezioni numerate con icone e testo di guida
Fase 6: Stabilire metriche di performance del talento agentico: valutare l'impatto del progetto pilota, raccogliere il feedback degli stakeholder, sviluppare metriche di performance chiare, implementare la telemetria. Citazione di chiusura: gettare le basi ora posiziona le organizzazioni per potenziare le operazioni e le attività.
Sezione a singolo passaggio con citazione di chiusura in corsivo in un riquadro di richiamo con bordo
Cinque aree di servizio: AI Strategy (vision e business case), AI Technology (proof-of-concept replicabile, TACO Framework), AI Jumpstart (soluzioni rapide, proof-to-scale), AI Workforce (upskilling, governance), AI Trust (scaling sicuro, 10 pilastri etici dell'AI).
Cinque schede di servizio in layout a griglia con icone e punti elenco, testo introduttivo blu in alto
Tre contatti: Reindolf Annor (Partner, Accounting Advisory Services), Nathaniel Adjin-Tettey (Associate Director), Frank Osei Tutu (Assistant Manager). Tutti di KPMG Ghana con telefono ed email. Link ai social media.
Schede di contatto a tre colonne su sfondo con sfumatura viola con foto segnaletiche, icone dei social media in basso
Domande comuni su questa slide e il contenuto della presentazione sottostante.
Questo è un documento di Thought Leadership di KPMG intitolato Il vantaggio dell'AI agentica: Agenti finanziari che muovono i numeri, pubblicato nel febbraio 2026. Spiega cosa sono gli agenti AI in finanza, come si inseriscono nel modello di erogazione finanziaria e come le organizzazioni possono iniziare il loro percorso di adozione dell'AI in modo strutturato e sicuro, con un focus sul mercato del Ghana.
TACO sta per Taskers, Automators, Collaborators e Orchestrators. È un sistema di classificazione a quattro livelli per gli agenti AI basato sulla crescente complessità: i Tasker gestiscono obiettivi singoli con istruzioni chiare, gli Automator gestiscono processi multi-step attraverso i sistemi, i Collaborator lavorano a fianco degli esseri umani su obiettivi complessi e gli Orchestrator coordinano molti agenti attraverso entità e mercati come torri di controllo avanzate.
I quattro modi sono: 1) Gli agenti ampliano l'apertura per l'automazione assumendo compiti come il controllo e la riconciliazione delle fatture, 2) Gli agenti non dormono e possono operare continuamente 24 ore su 24, 7 giorni su 7, 3) Gli agenti sono predisposti al cambiamento e si adattano a nuovi flussi di lavoro senza un'ampia riqualificazione e 4) Gli agenti convertono la conoscenza in azione catturando l'esperienza tacita e trasformandola in operazioni coordinate.
Secondo il KPMG AI Pulse Survey Q1 2025, il 65% delle aziende sta già sperimentando agenti AI (rispetto al 37% del trimestre precedente), il 99% prevede di mettere gli agenti in produzione, ma solo l'11% ha effettivamente implementato gli agenti in produzione finora.
Le quattro basi sono: 1) Strategia - rivedere la strategia aziendale, modellare la strategia degli agenti, far evolvere l'ecosistema dei partner, 2) Forza lavoro - codificare i processi di lavoro, guidare l'adozione, gestire il cambiamento organizzativo, 3) Governance e fiducia - elevare la sicurezza e la privacy, evitare violazioni etiche, implementare la supervisione human-on-the-loop e 4) Tecnologia, dati e sicurezza - costruire piattaforme dati robuste, rafforzare l'identità degli agenti e adottare standard come MCP.
I sei passaggi sono: 1) Articolare la visione per l'integrazione degli agenti AI, 2) Avviare progetti pilota agentici incentrati su hot spot o sull'incorporamento di funzioni profonde, 3) Prepararsi a scalare gli agenti all'interno delle funzioni chiave utilizzando il TACO Framework, 4) Far evolvere il playbook di governance Trusted AI, 5) Implementare le valutazioni Trusted AI con schede di sistema e test del team viola e 6) Stabilire metriche di performance del talento agentico con telemetria e miglioramento continuo.
La presentazione contiene 26 diapositive con un'estetica di design professionale KPMG caratterizzata da una combinazione di colori blu e bianco con accenti viola, immagini futuristiche di robot AI, tipografia pulita con titoli di sezione grandi e in grassetto, tabelle di confronto strutturate e barre di navigazione coerenti. Include diagrammi come il framework piramidale TACO e il diagramma dell'architettura MCP.
Sì, la presentazione dedica contenuti alla spiegazione di MCP come standard per la comunicazione tra agenti. Descrive i tre componenti principali: MCP Client (app AI che si connette ai server), MCP Server (programmi che sfruttano origini dati e sistemi) e MCP Transport (livello di comunicazione tra client e server). Il TACO Framework mappa anche i requisiti di complessità MCP per ogni livello di agente.
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
Fai riferimento a design professionali, scegli il tuo stile e genera slide con rendering del testo perfetto. Alimentato da Nano Banana—inizia a creare la tua presentazione ora.
Il Tuo Agente IA per le slide. Risparmia tempo, brilla più velocemente con la creazione intelligente di presentazioni.
© 2026 2slides. Tutti i diritti riservati.