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

FinTech avanza rápido. Hay noticias por todas partes; no hay claridad.

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

Haz clic aquí para suscribirte al boletín de FinTech Weekly

Leen ejecutivos de JP Morgan, Coinbase, BlackRock, Klarna y más.

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

No todos se vieron afectados por el cambio de la misma manera ni al mismo tiempo. Algunas áreas de las finanzas adoptaron la IA más rápido que otras, y vale la pena prestar atención a las razones. Los equipos de FP&A estuvieron entre los primeros en moverse, en gran parte por el dolor evidente. Todo el mundo sabía que no era sostenible dedicar dos semanas a extraer datos de sistemas desconectados solo para construir un pronóstico trimestral. 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 las finanzas ha superado ampliamente la fase experimental. Los equipos la usan para cerrar libros más rápido, generar pronósticos continuos sin agotar a sus analistas y ejecutar modelos de escenarios que antes tardarían semanas en armarse manualmente. El valor ya no es abstracto. Se refleja en ciclos de reporte más cortos y menos noches tardías antes de las reuniones del consejo.

FP&A Llegó Primero, Pero No Se Detuvo Ahí

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

Otra área que está ganando tracción es el reconocimiento de ingresos. Antes, las hojas de cálculo y el amplio conocimiento institucional eran la norma en empresas que gestionaban estructuras de contratos intrincadas o acuerdos de múltiples elementos. Partes de ese proceso se pueden automatizar para reducir el riesgo y liberar tiempo para las decisiones que verdaderamente requieren inteligencia humana. Dondequiera que los equipos financieros estuvieran pasando demasiado tiempo en trabajo repetitivo basado en reglas, la IA está entrando y haciéndolo más rápido.

La Gestión de Riesgos Es la Historia Más Importante

Si FP&A fue el punto de entrada, la gestión de riesgos podría ser donde la IA entregue el impacto más duradero. El cumplimiento regulatorio, la detección de fraude y el modelado del riesgo de crédito requieren un reconocimiento de patrones intrincado y grandes conjuntos de datos. Esas son exactamente las condiciones en las que el aprendizaje automático supera el análisis manual.

Las aseguradoras y los bancos fueron los primeros en reconocerlo. Pero lo más novedoso es la adopción entre empresas de tamaño medio que nunca tuvieron equipos dedicados de analítica de riesgos. Las plataformas basadas en la nube han hecho posible que una empresa con unos cientos de empleados ejecute el tipo de evaluaciones de riesgo que antes requerían un equipo de cuantitativos. Estas herramientas gestionan el monitoreo, detectan anomalías cuando ocurren y elaboran por sí solas reportes listos para auditoría. Ese es un salto real para la gestión de procesos financieros en el día a día.

Ahora mismo, el cumplimiento podría ser la parte más convincente de todo este cambio. Los entornos regulatorios están cambiando constantemente, y entre la modificación de reglas en diferentes jurisdicciones, simplemente mantenerse conforme es un trabajo por sí mismo. Aunque la IA no puede reemplazar a un responsable de cumplimiento, sí puede revisar actualizaciones regulatorias, compararlas con las 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 Frenando a Algunos Equipos

No todos los departamentos de finanzas operan al mismo ritmo, y las dos causas principales de la vacilación suelen ser el talento y la confianza. La confianza, porque los profesionales de finanzas necesitan entender cómo un modelo llega a sus conclusiones antes de apostar su reputación por el resultado. El talento, porque implementar estas herramientas de forma correcta requiere personas que entiendan tanto la tecnología como el contexto financiero, y esa combinación sigue siendo poco común.

El otro cuello de botella que no recibe suficiente atención es la calidad de los datos. Dado que la IA solo es tan buena como los datos que la alimentan, muchas empresas siguen operando con sistemas desorganizados y fragmentados donde, según el departamento, la misma métrica puede definirse de tres maneras diferentes. Aunque poner eso en orden no es una tarea glamorosa, es necesario para aprovechar al máximo cualquier implementación de IA.

La Trayectoria Es Bastante Clara

Los equipos financieros que ya dieron el paso están ampliando sus casos de uso, no retrocediendo. Las victorias iniciales en FP&A generaron suficiente credibilidad interna como para justificar avanzar hacia riesgo, cumplimiento y operaciones de tesorería. Las universidades están empezando 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 siguen lanzando herramientas más especializadas.

Cada trimestre, las matemáticas se vuelven más difíciles para los equipos que aún no han empezado. La brecha competitiva entre los departamentos financieros habilitados con IA y los tradicionales se está ampliando, y cerrar esa brecha más tarde siempre cuesta más que mantener el ritmo ahora. La tecnología no es perfecta y nadie debería fingir lo contrario. Pero esperar la perfección es otro tipo de riesgo, y es uno que menos organizaciones pueden permitirse.