Come il team finanza di Fanatics Betting and Gaming ha guidato l'adozione di ChatGPT partendo dalla poltrona del CFO

Cosa ha fatto davvero Ellis, non cosa pensa dell'IA

La maggior parte delle interviste ai dirigenti sull'IA resta sul vago. Questa, pubblicata da OpenAI il 13 febbraio 2025, contiene invece una sequenza di passaggi inusualmente precisa. Ellis, CFO di Fanatics Betting and Gaming, descrive come abbia deliberatamente ristretto il campo di sperimentazione prima di ampliarlo all'interno del suo stesso reparto.

Vale la pena soffermarsi sul suo ragionamento: invece di rincorrere ogni possibile caso d'uso, il team ha scelto di concentrarsi. L'attenzione è andata a due aree — la finanza e l'automazione delle operazioni clienti — e lei stessa si è offerta di puntare in prima persona sulla sua funzione.

Quando abbiamo iniziato, ci siamo presto rese conto che c'era il rischio concreto di disperdersi su troppi casi d'uso diversi con l'IA. Per questo abbiamo deciso di concentrarci in profondità e ottenere risultati importanti in aree chiave.Montana Labs

È una decisione sull'allocazione delle risorse, formulata da una CFO con il linguaggio tipico dei CFO. È anche la parte più trasferibile del racconto: il vincolo era l'attenzione, la risposta è stata la concentrazione.

La meccanica dell'adozione: task force, formazione, GPT-athon

Ellis descrive una struttura in quattro fasi. Primo, una task force di automazione IA ha chiesto a ogni membro del team finanza di documentare i processi che secondo loro l'IA avrebbe potuto migliorare. Secondo, quella lista è diventata una roadmap di progetto. Terzo, ogni membro del team ha completato una formazione base su ChatGPT. Quarto, un evento della durata di una giornata intera, il 'GPT-athon', ha affiancato i team a data scientist per costruire GPT personalizzati su progetti specifici.

Il dettaglio che conta qui è l'ordine. La formazione è venuta prima della costruzione, e la costruzione è stata fatta in collaborazione con i data scientist, non lasciata alle singole persone. La raccolta dal basso (chiedere alle persone quali dei loro compiti fossero più faticosi) si è combinata con una struttura dall'alto (una roadmap, formazione obbligatoria, un evento programmato).

Ellis descrive anche un ciclo di mantenimento: aggiornamenti regolari sull'IA e la celebrazione di nuovi casi d'uso durante le riunioni plenarie mensili. Nel suo racconto, l'adozione non è un lancio isolato ma un punto fisso all'ordine del giorno. Rispecchia una visione realistica — l'entusiasmo si affievolisce senza una cadenza che lo rinnovi.

L'unico numero dell'articolo: 18 ore al mese

L'unico risultato quantificato è VendorID GPT, uno strumento su misura che automatizza l'identificazione dei fornitori e la sintesi dei contratti. Ellis dichiara che fa risparmiare circa 18 ore di lavoro al mese, e inquadra il valore rispetto alla chiusura di fine mese — il periodo in cui i team finanza hanno meno tempo a disposizione.

Vale la pena leggere quel dato per quello che è realmente: un GPT personalizzato, un compito ricorrente, un risparmio di tempo ripetibile all'interno di un flusso di lavoro definito. Non è un'affermazione su ricavi, organico o precisione delle previsioni. Gli altri benefici citati da Ellis — analisi dei dati più rapida, lettura e comunicazione più veloce delle performance — sono descritti in termini qualitativi, e lei stessa ammette con onestà che 'è ancora presto'.

Questa onestà è utile. Il risultato misurato è un'automazione ristretta e ben definita; le affermazioni più ampie su pensiero strategico e analisi degli scenari sono collocate esplicitamente in una 'roadmap futura', non contate come già realizzate.

Il tema ricorrente è passare dall'esecuzione alla strategia, e ha un costo

Ellis torna più volte su un'idea: usare l'IA per ridurre l'esecuzione manuale così che il team possa concentrarsi sulla strategia — la domanda 'E quindi? Cosa facciamo a riguardo?'. È il principio organizzativo che l'ha spinta a offrirsi in prima persona per la finanza.

La domanda che mi sono posta è stata: come possiamo rendere il nostro lavoro quotidiano meno manuale, in modo che i nostri team possano concentrarsi sulla strategia e meno sull'esecuzione.Montana Labs

L'implicazione per chi legge questo racconto: il risultato descritto da Ellis è arrivato costruendo GPT su misura per processi finanziari specifici e documentati, non dal semplice accesso a un chatbot generico. VendorID GPT esiste perché qualcuno ha individuato la revisione dei fornitori e la sintesi dei contratti come un costo concreto e ricorrente, e ha poi costruito uno strumento esattamente per quello. Il risultato 'concentrarsi sul quadro generale' è stato ottenuto con un lavoro poco appariscente — inventario dei processi, formazione, e l'affiancamento del personale di dominio ai data scientist per costruire gli strumenti. Questa struttura preliminare, più del modello in sé, è ciò di cui parla davvero questo racconto.