Dónde la IA Está Realmente Marcando la Diferencia en las Finanzas en Este Momento

FinTech se mueve rápido. Las noticias están por todas partes, la claridad no.

FinTech Weekly ofrece las historias y eventos clave en un solo lugar.

Haga clic aquí para suscribirse al boletín de FinTech Weekly

Leído por ejecutivos de JP Morgan, Coinbase, BlackRock, Klarna y más.

Durante años, la conversación sobre inteligencia artificial en finanzas fue frustrantemente confusa. La mayoría de los equipos financieros seguían haciendo las cosas de la misma manera, incluso cuando los ejecutivos hablaban de disrupción y los consultores producía presentaciones llenas de promesas. Pero algo cambió en los últimos 18 meses. Las herramientas mejoraron, los casos de uso se volvieron más claros y los departamentos previamente escépticos comenzaron a ver resultados reales en áreas que importaban.

No todos fueron afectados por el cambio de la misma manera o al mismo tiempo. Algunas áreas de finanzas adoptaron la IA más rápido que otras, y las razones merecen atención. Los equipos de FP&A fueron de los primeros en moverse, en gran parte debido al dolor obvio. Todos sabían que gastar dos semanas recopilando datos de sistemas desconectados solo para construir un pronóstico trimestral no era sostenible. Cuando surgieron plataformas que podían automatizar la recopilación de datos y descubrir tendencias en horas en lugar de días, la adopción se aceleró.

Lo que hizo que esta ola se mantuviera es que resolvió problemas con los que la gente ya estaba cansada de lidiar. La inteligencia artificial en finanzas ha avanzado mucho más allá de la fase experimental. Los equipos la están utilizando para cerrar libros más rápido, generar pronósticos continuos sin desgastar a sus analistas y ejecutar modelos de escenarios que habrían tomado semanas en ensamblar manualmente. El valor ya no es abstracto. Se manifiesta como ciclos de informes más cortos y menos noches largas antes de las reuniones de la junta.

FP&A Llegó Primero, Pero No Se Detuvo Allí

Dado lo manual y repetitivo que era el flujo de trabajo, la previsión y el presupuesto eran el lugar lógico para comenzar. Pero una vez que los equipos vieron lo que era posible, la tecnología comenzó a extenderse a funciones adyacentes. El análisis de variaciones es un buen ejemplo. Para determinar por qué los resultados no coincidían con el plan, un analista típicamente pasaría horas revisando los elementos. Las herramientas de IA pueden señalar esas discrepancias en minutos y, lo que es más importante, señalar las causas raíz.

Otra área que está ganando tracción es el reconocimiento de ingresos. Las hojas de cálculo y un amplio conocimiento institucional solían ser la norma para las empresas que manejaban estructuras de contratos intrincadas o arreglos de múltiples elementos. Partes de ese proceso se pueden automatizar para reducir riesgos y liberar tiempo para las decisiones que realmente requieren inteligencia humana. Donde sea que los equipos financieros estuvieran gastando demasiado tiempo en trabajo repetitivo basado en reglas, la IA está interviniendo y haciéndolo más rápido.

La Gestión de Riesgos Es la Historia Más Grande

Si FP&A fue el punto de entrada, la gestión de riesgos podría ser donde la IA aporta el impacto más duradero. La conformidad regulatoria, la detección de fraudes y la modelación de riesgos crediticios requieren un reconocimiento de patrones intrincado y grandes conjuntos de datos. Esas son exactamente las condiciones donde el aprendizaje automático supera el análisis manual.

Las compañías de seguros y los bancos fueron los primeros en reconocer esto. Pero lo que es más nuevo es la adopción entre empresas de mercado medio que nunca tuvieron equipos de análisis de riesgos dedicados. Las plataformas basadas en la nube han hecho posible que una empresa con unos pocos cientos de empleados realice el tipo de evaluaciones de riesgos que solían requerir un equipo de quants. Estas herramientas manejan la supervisión, detectan anomalías a medida que ocurren y elaboran informes listos para auditoría por sí solas. Eso es un verdadero avance para la gestión de procesos financieros día a día.

En este momento, la conformidad podría ser la parte más convincente de todo este cambio. Los entornos regulatorios están cambiando constantemente, y entre las reglas cambiantes en diferentes jurisdicciones, simplemente mantenerse en cumplimiento es un trabajo en sí mismo. Aunque la IA no puede reemplazar a un oficial de cumplimiento, puede escanear actualizaciones regulatorias, compararlas con políticas actuales e identificar cualquier brecha antes de que se conviertan en problemas. En el pasado, solo las instituciones más grandes podían permitirse ese tipo de monitoreo proactivo.

Qué Está Reteniendo a Algunos Equipos

No todos los departamentos de finanzas están operando al mismo ritmo, y las dos principales causas de vacilación suelen ser el talento y la confianza. Confianza porque los profesionales de finanzas necesitan entender cómo un modelo llega a sus conclusiones antes de arriesgar su reputación en el resultado. Talento porque implementar estas herramientas bien requiere personas que entiendan tanto la tecnología como el contexto financiero, y esa combinación sigue siendo rara.

El otro cuello de botella que no recibe suficiente atención es la calidad de los datos. Dado que la IA es tan buena como los datos que la alimentan, muchas empresas continúan operando en sistemas desorganizados y dispares donde, dependiendo del departamento, la misma métrica puede definirse de tres maneras diferentes. Aunque limpiar eso no es una tarea glamorosa, es necesario para sacar el máximo provecho de cualquier implementación de IA.

La Trayectoria Es Bastante Clara

Los equipos financieros que ya han dado el paso están ampliando sus casos de uso, no retrocediendo. Las primeras victorias en FP&A construyeron suficiente credibilidad interna para justificar la expansión hacia riesgos, cumplimiento y operaciones de tesorería. Las universidades están comenzando a integrar la alfabetización de datos en sus planes de estudio de finanzas, lo que debería ayudar a cerrar la brecha de talento con el tiempo. Mientras tanto, los proveedores continúan lanzando herramientas más especializadas.

Cada trimestre, las matemáticas se vuelven más difíciles para los equipos que aún no han comenzado. La brecha competitiva entre los departamentos de finanzas habilitados por IA y los tradicionales está ampliándose, y cerrar esa brecha más tarde siempre cuesta más que mantener el ritmo ahora. La tecnología no es perfecta, y nadie debería pretender lo contrario. Pero esperar la perfección es su propio tipo de riesgo, y es uno que menos organizaciones pueden permitirse asumir.