¡La IA también transforma las finanzas empresariales!

En Finanzas la vía para la adopción de Inteligencia Artificial  comienza con el uso de la IA Generativa, a través de Asistentes de IA y de Agentes de IA. Inicialmente  se trata de un esfuerzo de aprendizaje que lleva a una mejora de productividad individual. Siendo Microsoft una plataforma comúnmente utilizada por Finanzas, Copilot  ofrece las facilidades como Asistentes de IA para Excel y otros productos Microsoft, la posibilidad de crear Agentes IA a nivel individual y también de Agentes IA como parte de la mejora de procesos más complejos.

Una vez que ya existe un mejor conocimiento de IA, se entra en la siguiente etapa de  proyectos pilotos IA a nivel de empresa. Las empresas que obtienen resultados son aquellas que vinculan la IA con necesidades empresariales específicas, optimizan los procesos clave y utilizan la tecnología para liberar recursos para tareas de mayor valor. Para los directores financieros, el mensaje es inequívoco: la oportunidad es real, pero para aprovecharla es necesario ir más allá de la experimentación y adoptar una ejecución disciplinada, basada en las prioridades del negocio.

La realidad empresarial pone de manifiesto lo difícil que sigue siendo obtener un valor tangible de la IA: según estudios realizados, solo alrededor del 5 % de los proyectos piloto de IA se han traducido en un impacto significativo en los resultados financieros. Los malos resultados se deben principalmente a que los proyectos piloto fallan en condiciones reales, no se adaptan a la aparición de nuevos datos y permanecen mal integrados en los procesos clave. Sin embargo, existen equipos financieros, que están utilizando con éxito la IA, la IA general y, cada vez más, la IA con agentes, para aumentar la eficiencia, mejorar la información y automatizar tareas manuales que consumen mucho tiempo. En lugar de depender de proyectos piloto aislados, estas organizaciones aplican la IA en todos los ámbitos fundamentales de las finanzas. De esas experiencias, se examinan tres áreas donde los equipos de finanzas están aportando el mayor valor con la IA: planificación y control estratégicos, gestión de efectivo y capital de trabajo, y optimización de costos. Finalmente, se identificaran cinco errores comunes que pueden ralentizar los procesos y cómo superarlos.

Planificación y control estratégicos – cómo la IA puede ofrecer mejores perspectivas

Las herramientas de apoyo a la toma de decisiones, impulsadas por una combinación de análisis predictivo e IA general, facilitan y agilizan el acceso a los datos de la empresa, la generación de informes y la ejecución de pronósticos o escenarios. Estas herramientas apoyan a los líderes financieros y a sus equipos, al tiempo que hacen que los datos sean más asequibles para quienes toman decisiones en toda la empresa. Por lo general, las herramientas de IA combinan algunas capacidades comunes: alertas que ayudan a los responsables financieros a optimizar su tiempo y atención, análisis interactivo de la causa raíz que permite comprender los factores que influyen en el rendimiento y la consideración de escenarios alternativos. En algunas funciones financieras donde se ha adoptado ampliamente, se ha observado que los profesionales de finanzas dedican entre un 20 % y un 30 % menos de tiempo al procesamiento de datos. La IA es idónea para estas tareas por cuanto integra con gran eficacia múltiples capas de información —provenientes de fuentes externas, financieras y operativas— en una visión coherente. Algunos ejemplos:

• En una empresa global de bienes de consumo, un asistente de IA general ayuda a los profesionales de finanzas a proporcionar información sobre las variaciones presupuestarias a los líderes empresariales de diferentes divisiones y mercados. Esta herramienta sustituye el procesamiento manual de datos. Esto ha generado un ahorro estimado del 30 % del tiempo de los profesionales de finanzas.
• El agente de apoyo a la toma de decisiones de una empresa biofarmacéutica global, impulsado por IA general e IA agente, reduce a la mitad el tiempo que el equipo de finanzas dedica a la toma de decisiones sobre la asignación de recursos. El equipo ahora genera escenarios complejos utilizando lenguaje natural durante las sesiones de planificación mensuales. La herramienta de IA integra datos de múltiples fuentes —incluidos sistemas de gestión de relaciones con clientes, información financiera y análisis del mix de marketing— para generar alertas de rendimiento. También proporciona análisis de causa raíz. Posteriormente, la herramienta sugiere acciones basadas en datos.
• En una gran institución financiera norteamericana, una herramienta de IA general ayuda a generar borradores de informes que documentan los requisitos y actualizaciones del modelo de riesgo interno.

Gestión de efectivo y capital de trabajo – cómo la IA analiza términos y facturas para mayor precisión

Los flujos de trabajo automatizados con IA permiten un nuevo nivel de automatización en los procesos de cuentas por pagar y por cobrar, lo que contribuye a que los departamentos de compras y otras áreas administrativas sean más eficientes. Por ejemplo, una empresa biotecnológica global implementó el cumplimiento de facturas y contratos mediante un sistema automatizado con IA que procesa contratos y facturas durante todo el año y verifica que todos los términos contractuales se apliquen correctamente. Este enfoque ayuda a prevenir pérdidas de valor cuando los proveedores omiten o aplican incorrectamente términos del contrato. El sistema puede interpretar cada contrato de proveedor y sus términos, rastrear las facturas entrantes para verificar el cumplimiento e identificar problemas que surgen solo en varias facturas, como cuando los volúmenes de compra acumulados dan derecho a un nivel de precio inferior. Mediante este sistema de IA, la empresa identificó fugas de contratos equivalentes a aproximadamente el 4 % del gasto total.

Optimización de costos – cómo la IA encuentra ahorros analizando el gasto detallado

La IA puede simplificar la tarea, que consume mucho tiempo, de categorizar los costos detallados mediante el análisis de facturas y órdenes de compra complejas y su organización en categorías claras y estructuradas. Con una mayor visibilidad, los equipos financieros pueden aplicar algoritmos avanzados para detectar anomalías y áreas de despilfarro. Para comprender y controlar mejor su base de gastos indirectos, una gran institución financiera europea se propuso identificar ineficiencias ocultas en sus operaciones. Comenzó recopilando datos a nivel de factura de miles de proveedores y organizándolos en una taxonomía de costos detallada con cuatro niveles de detalle creciente y aproximadamente 400 subcategorías. Si bien cada categoría generó ahorros modestos por sí sola, en conjunto contribuyeron a reducir los costos en aproximadamente un 10% de un presupuesto multimillonario.

Otra gran empresa europea del sector del embalaje logró un mayor control sobre su fragmentada base de proveedores mediante el uso de gen AI para categorizar a más de 10 000 proveedores. Tradicionalmente, la gerencia se había centrado en los proveedores de mayor gasto, mientras que numerosos proveedores más pequeños —muchos de ellos en categorías de gasto indirecto— permanecían poco conocidos. Gracias a gen AI, la empresa clasificó a todos los proveedores con mayor precisión.

Superando las barreras para la escalabilidad de la IA en finanzas

Para aprovechar el potencial de la IA en finanzas, los equipos deberán ir más allá de simplemente añadir nuevas herramientas a los métodos de trabajo tradicionales. Deben transformar los procesos clave, el talento y la tecnología para que la adopción se consolide y genere valor. En este proceso, el progreso puede verse ralentizado o estancado por los siguientes obstáculos comunes:

• Esperar datos perfectos – ofrecer casos de uso que funcionen con los datos actuales.
• Intentar una transformación total de golpe –  El camino más eficaz es transformar dominio por dominio,
• Lanzarse sin una hoja de ruta clara: – Los líderes financieros necesitan una hoja de ruta alineada con las prioridades de su negocio, con decisiones claras sobre qué casos de uso abordar primero y cuáles después.
• Descuidar la gestión del cambio – La mayor barrera suele ser la adopción, no la tecnología.
• Automatizar procesos fragmentados –  Eliminar pasos innecesarios y unificar los procesos entre los equipos permite que la tecnología escale de forma efectiva.

Se hace referencia a How finance teams are putting AI to work today. La  imagen es cortesía de Microsoft Copilot.