Donde la IA realmente está marcando la diferencia en las finanzas en este momento.

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

FinTech Weekly entrega 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 las finanzas fue frustrantemente confusa. La mayoría de los equipos financieros seguían haciendo las cosas de la misma manera, incluso mientras los ejecutivos hablaban de disrupción y los consultores producían presentaciones llenas de promesas. Pero algo cambió en los últimos 18 meses aproximadamente. Las herramientas mejoraron, los casos de uso se volvieron más claros, y departamentos que antes eran escépticos comenzaron a ver resultados reales en áreas que importaban.

No todos se vieron afectados por el cambio de la misma manera o al mismo tiempo. Algunas áreas de las 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 pasar dos semanas extrayendo 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 rápidamente.

Lo que hizo que esta ola perdurara es que resolvió problemas con los que la gente ya estaba harta de lidiar. La inteligencia artificial en las finanzas ha superado ampliamente 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 requerido semanas de ensamblaje manual. El valor ya no es abstracto. Se manifiesta en ciclos de informes más cortos y menos trasnochos antes de las reuniones de la junta directiva.

FP&A Llegó Primero, Pero No se Quedó Allí

Dado lo manual y repetitivo que era el flujo de trabajo, la previsión y la presupuestación fueron 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 varianza es un buen ejemplo. Para determinar por qué los reales no coincidían con el plan, un analista normalmente pasaba horas revisando partidas. Las herramientas de IA pueden detectar esas discrepancias en minutos y, lo que es más importante, señalar las causas raíz.

Otra área que está ganando terreno es el reconocimiento de ingresos. Las hojas de cálculo y un amplio conocimiento institucional eran la norma para las empresas que manejan estructuras contractuales complejas o acuerdos de múltiples elementos. Partes de ese proceso se pueden automatizar para reducir el riesgo y liberar tiempo para las decisiones que realmente requieren inteligencia humana. Dondequiera que los equipos financieros estuvieran dedicando demasiado tiempo a trabajos repetitivos basados 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 ofrezca el impacto más duradero. El cumplimiento normativo, la detección de fraudes y el modelado de riesgo crediticio requieren un reconocimiento de patrones intrincados y grandes conjuntos de datos. Esas son exactamente las condiciones donde el aprendizaje automático supera al 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 las empresas de tamaño mediano que nunca tuvieron equipos dedicados de análisis de riesgos. Las plataformas basadas en la nube han hecho posible que una empresa con unos pocos cientos de empleados ejecute el tipo de evaluaciones de riesgos que antes requerían un equipo de cuantitativos. Estas herramientas manejan el monitoreo, detectan anomalías a medida que ocurren y elaboran informes listos para auditorías por sí solas. Eso es un verdadero avance para la gestión de procesos financieros día a día.

En este momento, el cumplimiento normativo podría ser la parte más convincente de todo este cambio. Los entornos regulatorios están cambiando constantemente, y entre reglas cambiantes en diferentes jurisdicciones, solo 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 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.

Lo que Frena a Algunos Equipos

No todos los departamentos financieros operan al mismo ritmo, y las dos causas principales de vacilación suelen ser el talento y la confianza. Confianza porque los profesionales financieros necesitan entender cómo un modelo llega a sus conclusiones antes de arriesgar su reputación en el resultado. Talento porque implementar bien estas herramientas 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 desarticulados donde, según el departamento, la misma métrica puede definirse de tres maneras diferentes. Aunque limpiar eso no es una tarea glamorosa, es necesaria para aprovechar al máximo cualquier implementación de IA.

La Trayectoria es Bastante Clara

Los equipos financieros que ya han dado el paso están expandiendo sus casos de uso, no retrocediendo. Las victorias tempranas en FP&A generaron suficiente credibilidad interna para justificar la expansión hacia riesgo, cumplimiento y operaciones de tesorería. Las universidades están comenzando a integrar la alfabetización en datos en sus currículos financieros, 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 comenzado. La brecha competitiva entre los departamentos financieros habilitados por 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 su propio tipo de riesgo, y es uno que menos organizaciones pueden permitirse asumir.