Un nuovo approccio all'audit con l'intelligenza artificiale

Audrey AI, una startup con sede a Dublino, ha annunciato di aver ottenuto un finanziamento pre-seed di 1,8 milioni di dollari. L'azienda si dedica allo sviluppo di soluzioni di intelligenza artificiale progettate specificamente per gli auditor finanziari. Il round di investimento è stato guidato da Sure Valley Ventures (SVV) e Delta Partners, con la partecipazione di Enterprise Ireland, Donnchadh Casey (ex CEO di Calypso), Conor Jones (ex Chief Business Officer di Wayflyer) e diversi ex auditor delle “Big Four”.

Il settore dell'audit finanziario è ancora oggi caratterizzato da processi altamente manuali. Gli auditor dedicano gran parte del loro tempo a fogli di calcolo e alla raccolta di prove, attività in cui gli strumenti di AI generici hanno spesso mostrato limiti nel fornire soluzioni efficaci. Audrey AI si propone di colmare questa lacuna, offrendo una piattaforma che mira a migliorare l'efficienza e la qualità del lavoro.

La piattaforma agentica di Audrey AI

Fondata nel 2025 da Ryan Loughran e David Burke, Audrey AI ha sviluppato una piattaforma di AI agentica pensata per l'intero processo di audit. Questa soluzione automatizza workflow chiave, come le richieste intelligenti di dati, la raccolta di prove, il testing delle transazioni e la revisione automatizzata. L'obiettivo è orchestrare queste attività end-to-end, permettendo agli auditor di concentrarsi sul giudizio professionale e sulle relazioni con i clienti, piuttosto che su processi amministrativi ripetitivi. La piattaforma è progettata per adattarsi alla metodologia di ogni singola azienda, migliorando la sua efficacia nel tempo man mano che apprende dall'uso continuativo.

Per le aziende che operano in settori altamente regolamentati come quello finanziario, la scelta dell'infrastruttura di deployment per soluzioni AI specializzate come quella di Audrey AI è cruciale. La gestione di Large Language Models (LLM) e di sistemi di AI agentica richiede risorse computazionali significative, spesso con requisiti stringenti in termini di VRAM e throughput per l'inference. La decisione tra un deployment in cloud e un'architettura self-hosted o bare metal on-premise dipende da fattori come la sovranità dei dati, le normative di compliance e il Total Cost of Ownership (TCO) a lungo termine.

Impatto e implicazioni per il settore

L'approccio di Audrey AI promette di elevare gli standard di qualità nell'audit, non solo la velocità. Ryan Loughran, co-fondatore dell'azienda, ha sottolineato come l'obiettivo sia “costruire un'AI che comprenda l'audit abbastanza profondamente da alzare l'asticella della qualità, non solo della velocità, liberando gli auditor per concentrarsi sul giudizio e sulla supervisione che contano di più”.

La piattaforma è già stata testata con successo in progetti pilota presso importanti studi di audit, inclusi alcuni tra i primi dieci e i primi venti a livello globale. Questi test hanno dimostrato significativi guadagni in termini di efficienza, con risparmi di tempo superiori all'85% nella raccolta e validazione dei dati dei clienti e nei test di dettaglio, oltre a miglioramenti misurabili nella qualità dell'audit. Per le aziende che gestiscono dati finanziari sensibili, la possibilità di mantenere il controllo diretto sull'infrastruttura AI, magari in ambienti air-gapped o con rigide politiche di data residency, diventa un elemento distintivo nella valutazione di soluzioni come quella proposta da Audrey AI.

Prospettive future e crescita

I fondi appena ottenuti saranno impiegati per espandere i team di ingegneri e specialisti dell'audit di Audrey AI. Questo investimento supporterà la crescita dell'azienda e l'espansione dei suoi deployment presso studi di audit in Irlanda, nel Regno Unito e in altri mercati internazionali.

L'adozione di soluzioni AI specializzate nel settore finanziario solleva questioni importanti relative alla scalabilità e alla gestione delle risorse. Per i CTO e gli architetti infrastrutturali, la valutazione di queste piattaforme implica un'analisi approfondita dei requisiti hardware, della capacità di integrazione con gli stack esistenti e della flessibilità offerta per future espansioni. La capacità di un sistema di AI di apprendere e adattarsi nel tempo, come promesso da Audrey AI, è un fattore chiave per il TCO e il ritorno sull'investimento, soprattutto in contesti dove la personalizzazione e la sicurezza dei dati sono prioritarie.