Tesoreria predittiva: AI e modelli di linguaggio per la previsione del cash flow a 90 giorni

La gestione della liquidità è il primo fattore di sopravvivenza per la piccola e media impresa italiana, ma la previsione del cash flow resta tipicamente affidata a fogli di calcolo statici, costruiti una volta l’anno e aggiornati con fatica. L’avvento dei modelli di linguaggio di nuova generazione (LLM come Claude, ChatGPT, Gemini) consente oggi di ribaltare l’approccio: il responsabile amministrativo, senza alcuna competenza di data science, può alimentare un LLM con i dati grezzi disponibili in azienda (estratto conto bancario, scadenzario clienti e fornitori, storico delle voci ricorrenti) e ottenere in pochi minuti un forecast a 90 giorni articolato in più scenari. L’articolo illustra il metodo operativo, i dati necessari, la struttura del prompt e gli errori tipici da evitare, con 3 prompt pronti all’uso che il lettore può adottare immediatamente.

Schema di sintesi

Contesto e problema
La crisi di liquidità è la prima causa di default delle PMI. Il cash flow forecast tradizionale è statico, manuale e raramente aggiornato più di una volta al trimestre.

Svolta AI
I modelli di linguaggio (Claude, ChatGPT, Gemini) elaborano dati grezzi forniti dall’amministrativo e producono forecast strutturati senza richiedere competenze di programmazione.

Fonti dati minime
Gli input essenziali sono 3:

• estratto conto bancario degli ultimi 12-24 mesi;
• scadenzario clienti e fornitori aggiornato;
• calendario delle voci ricorrenti (stipendi, utenze, imposte).

Prompt e struttura
Un prompt ben costruito definisce ruolo, contesto, dati di input, orizzonte temporale, scenari richiesti e formato di output. Il modello restituisce una proiezione tabellare commentata.

Scenari
Si ipotizzano 3 scenari standard, operando poi stress test su variabili critiche:

• scenario base;
• scenario ottimistico (incassi anticipati di 15 giorni);
• scenario pessimistico (incassi ritardati di 30 giorni e perdita 10% fatturato).

Aggiornamento
Il forecast non è un esercizio annuale ma un processo settimanale: bastano 15-20 minuti per rigenerare la proiezione con i dati aggiornati.

Limiti
Il modello è tanto affidabile quanto i dati che riceve. Servono le seguenti cautele:

• validazione umana;
• riservatezza dei dati sensibili;
• riconciliazione mensile tra forecast e consuntivo.

Passaggio operativo

La pratica corretta prevede un rolling forecast settimanale: una volta a settimana, tipicamente il lunedì mattina, l’amministrativo aggiorna i 3 input (estratto conto della settimana precedente, scadenzario aggiornato, eventuali nuove informazioni note), li sottopone al modello con lo stesso prompt e riceve una proiezione aggiornata. L’operazione richiede 15-20 minuti, contro le 3-4 ore tipiche di un aggiornamento manuale excel. La riconciliazione mensile tra previsioni e consuntivo consente nel tempo di calibrare meglio i prompt e di affinare le assunzioni sugli scenari, generando un ciclo di miglioramento continuo della qualità previsionale.

Foglio excel statico

La previsione dei flussi di cassa nelle PMI italiane si presenta tipicamente in 2 forme estreme:

• imprenditore che governa la cassa “a vista”, basandosi sulla conoscenza diretta del portafoglio clienti e su un controllo quotidiano del saldo bancario: approccio efficace nelle micro-imprese ma destinato a saltare quando i volumi crescono;
• foglio excel costruito una tantum dal commercialista o dal consulente di tesoreria, articolato su 12 mesi, ricco di formule, ma che dopo poche settimane si rivela disallineato dalla realtà e finisce nel cassetto.

Entrambi gli approcci falliscono per la stessa ragione: la previsione della cassa richiede un aggiornamento continuo che il tempo dell’amministrativo non consente.
I modelli di linguaggio di nuova generazione, comunemente indicati come LLM (Large Language Models), modificano radicalmente questa equazione. Il salto culturale, per molti amministrativi, è esattamente questo: passare dall’idea che l’AI sia uno strumento per tecnici all’idea che l’AI sia un collaboratore conversazionale a cui si delega l’elaborazione, mantenendo per sé il controllo critico del risultato.

Fonte dati

Un forecast di cassa affidabile poggia su 3 fonti informative minime, tutte già disponibili in azienda:

• la prima è l’estratto conto bancario degli ultimi 12-24 mesi. Serve a ricostruire la stagionalità storica degli incassi e degli esborsi, a identificare le voci ricorrenti e a calibrare la velocità effettiva di incasso dai clienti, che spesso differisce sensibilmente dai termini di pagamento contrattuali;

• la seconda fonte è lo scadenzario aggiornato di clienti e fornitori, esportabile da qualunque software gestionale. Contiene la “cassa attesa” nelle prossime settimane: fatture emesse non ancora incassate, fatture passive non ancora pagate, con relative date di scadenza. È il dato più ravvicinato e affidabile per i primi 30-45 giorni di forecast;

• la terza fonte è il calendario delle voci ricorrenti note: stipendi mensili (importo medio e data di pagamento), contributi Inps, ritenute, liquidazioni Iva trimestrali, acconti e saldi delle imposte dirette, canoni di affitto, rate di mutuo. Sono dati che l’amministrativo conosce a memoria ma che vanno esplicitati al modello in forma di elenco. Le 3 fonti combinate coprono in genere oltre l’85% dei movimenti di cassa attesi nei 90 giorni successivi.

Una volta raccolti i dati, la qualità del forecast dipende dalla qualità del prompt, ovvero della richiesta formulata al modello. Un prompt efficace include sempre 5 elementi:

• ruolo che il modello deve assumere (“agisci come un controller finanziario”),
• contesto aziendale (settore, dimensione, stagionalità tipica);
• dati di input (allegati o incollati direttamente nella chat);
• orizzonte e granularità richiesti (90 giorni, suddivisi per mese o per settimana);
• formato di output (tabella con colonne base/ottimistico/pessimistico, commento esplicativo, segnalazione delle settimane a rischio tensione di cassa).

Aggiornamento continuo (rolling)

Un forecast a scenario unico ha valore informativo limitato. La vera utilità dello strumento emerge quando il modello viene istruito a produrre scenari differenziati. La pratica consolidata prevede 3 scenari paralleli:

• scenario base: assume che incassi ed esborsi si verifichino alle date e per gli importi attesi in base allo scadenzario e alla stagionalità storica;
• scenario ottimistico: ipotizza un’accelerazione degli incassi di 10-15 giorni rispetto alle scadenze nominali, ipotesi realistica quando si attivano azioni di sollecito o sconti per pronta cassa;
• scenario pessimistico: il più importante dal punto di vista gestionale, simula un ritardo medio degli incassi di 30 giorni e una contrazione del fatturato del 10% nel periodo previsto: è il vero stress test sulla tenuta della cassa.

Il valore strategico di questo approccio non sta tanto nel numero finale prodotto dallo scenario base, quanto nella distanza tra base e pessimistico. È quella distanza che misura la fragilità finanziaria dell’azienda: una Pmi con saldo di cassa che resta positivo anche nello scenario pessimistico è strutturalmente solida; una Pmi il cui scenario pessimistico mostra saldi negativi in 2 o 3 settimane critiche deve attivare per tempo le contromisure (linee di credito a breve, accelerazione degli incassi, dilazione concordata dei pagamenti, posticipo di investimenti non essenziali).

Strumenti operativi – 3 prompt pronti all’uso e 10 errori da evitare

Una sequenza di 3 prompt da usare in cascata nella stessa chat: il 1° prepara il terreno, il 2° produce il forecast, il 3° trasforma i numeri in azioni.
Prompt 1 – Diagnosi storica
Agisci come controller finanziario. Allego l’estratto conto degli ultimi 18 mesi. Analizzalo e dimmi:

• le voci ricorrenti mensili o periodiche con importo medio;
• la stagionalità degli incassi (mesi forti e deboli);
• il ritardo medio effettivo di incasso dai clienti rispetto ai 60 giorni nominali;
• eventuali anomalie o trend che noti.

Risposta in elenco puntato.

Prompt 2 – Forecast multi-scenario
Ora costruisci un cash flow forecast a 90 giorni (luglio-agosto-settembre 2026), suddiviso per mese, su 3 scenari paralleli: base (alle scadenze nominali), ottimistico (incassi anticipati di 15 gg) e pessimistico (ritardo incassi di 30 gg e perdita 10% fatturato). Saldo iniziale € [X]. Usa lo scadenzario allegato e le voci ricorrenti che hai identificato al prompt 1. Output: tabella unica con righe per voce di cassa e colonne per mese-scenario. Evidenzia in rosso le settimane con saldo negativo.

Prompt 3 – Raccomandazioni operative
Sulla base del forecast appena prodotto:

• identifica le 2-3 settimane più critiche nello scenario pessimistico;
• proponi 3 azioni concrete prioritizzate (accelerare incassi, dilazionare pagamenti, attivare linee di credito, posticipare investimenti) indicando per ciascuna l’impatto stimato in euro;
• suggerisci 2 indicatori da monitorare settimanalmente per accorgersi in anticipo se lo scenario pessimistico si sta materializzando.

Ecco 10 errori ricorrenti che svalutano il forecast prodotto dal modello

1. Dati senza unità di misura: non specificare se gli importi sono in euro o migliaia: il modello può confondersi sugli ordini di grandezza.
2. Orizzonte non dichiarato: chiedere “un forecast” senza dire 30, 90 o 180 giorni produce output inutilizzabile.
3. Saldo iniziale dimenticato: senza il saldo di partenza, il modello non può calcolare i saldi finali.
4. Un solo scenario: chiedere solo lo scenario base impedisce lo stress test, che è il valore più alto del metodo.
5. Nessuna stagionalità: non comunicare al modello i mesi di chiusura, le ferie o i picchi stagionali distorce la proiezione.
6. Dati sensibili in chiaro: inviare partite Iva, ragioni sociali e IBAN viola privacy e segreto commerciale: anonimizzare sempre.
7. Fiducia cieca nel numero: il modello può sbagliare somme o ipotesi. Validare sempre i totali con un controllo manuale.
8. Nessuna riconciliazione: non confrontare mai il forecast con il consuntivo impedisce di calibrare i prompt successivi.
9. Aggiornamento sporadico: un forecast costruito a gennaio e mai aggiornato perde valore in 4-6 settimane.
10. Prompt ricostruito ogni volta: non salvare un prompt-tipo riutilizzabile costringe a ripartire da zero ogni settimana.

Scarica l’articolo in PDF