Daniele ha presentato un'architettura a tre agenti basata su IBM Planning Analytics, con un punto di controllo umano in ogni fase. Ha chiarito esplicitamente che questo sistema è pensato per funzionare come un copilota, non come un pilota automatico.

Agente 1: accelerazione della chiusura di fine mese. Conferma la disponibilità dei dati e li carica. IBM Planning Analytics esegue quindi l'eliminazione delle partite infragruppo, la conversione valutaria (FX) e gli altri calcoli del modello. L'agente verifica i bilanci di verifica per entità, segnala i conti non mappati e classifica le questioni aperte in base alla rilevanza. Se rimane aperta una questione rilevante, si interrompe e passa il controllo a un operatore umano. Una volta risolta, redige un resoconto che riassume quanto fatto.

Agente 2: analisi degli scostamenti. Funziona in modo continuo confrontando i dati consuntivi del libro mastro (GL), il budget e le previsioni tra le varie entità e un insieme definito di KPI (Daniele ha sottolineato che è l'azienda a scegliere quali KPI monitorare, per mantenere l'output focalizzato). Applica soglie assolute e percentuali per ordinare le varianze in livelli di priorità, ad esempio: priorità 1 se una varianza supera i 75.000 $ sia rispetto al consuntivo sia al budget, priorità 2 se supera i 75.000 $ rispetto alle previsioni o alla varianza del periodo precedente. Analizza a fondo la causa principale attraverso dimensioni quali regione, prodotto e canale, è in grado di identificare il responsabile del budget e redige un'analisi narrativa con punteggio utilizzabile sia da un revisore umano sia dall'agente successivo. Attinge inoltre a una libreria di "competenze" in cui i team finanziari codificano il contesto specifico del business che una regola di soglia generica non coglierebbe, come ad esempio un blocco della linea di produzione che riduce contemporaneamente le vendite e il costo del venduto (COGS).

Agente 3: previsione autonoma. Si attiva in base a una pianificazione, a un evento di varianza rilevante o a una richiesta manuale. Legge i dati consuntivi correnti, le previsioni precedenti, i commenti sulle varianze dell'agente 2 e le ipotesi esistenti sui driver, per poi valutare quale logica dei driver si adatta ancora a ciascun segnale, segnala le voci straordinarie da escludere e registra ogni modifica apportata. Il calcolo vero e proprio viene demandato a IBM Planning Analytics anziché essere eseguito dal modello. Daniele ha descritto il concetto così: "non vuoi che un motore probabilistico cerchi di fare calcoli se un motore deterministico li fa ogni volta nel modo corretto". L'agente esegue confronti di scenario prendendo come riferimento la previsione precedente come baseline, per poi pubblicare il proprio output come versione separata affinché il CFO possa esaminarla, porre domande in linguaggio naturale, apportare modifiche e approvarla prima della pubblicazione.

Durante la sessione di domande e risposte, Daniele ha aggiunto che la piattaforma è agnostica rispetto ai modelli: i clienti possono utilizzare il proprio LLM, in locale o su cloud, connettere le proprie chiavi API di OpenAI o Anthropic, oppure eseguire la versione SaaS di Apliqo, che utilizza AWS Bedrock con modelli di frontiera tra cui Claude di Anthropic. Ha inoltre affermato che il sistema delle competenze, più del modello sottostante, è il punto in cui risiede la maggior parte del valore aziendale, poiché è lì che i team finanziari codificano quel giudizio che un modello generico non avrebbe.