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

FinTech avanza rápidamente. Las noticias están por todas partes, pero la claridad no.

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

Haz clic aquí para suscribirte 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 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 presentaban diapositivas llenas de promesas. Pero algo cambió en los últimos 18 meses aproximadamente. Las herramientas mejoraron, los casos de uso se aclararon y departamentos que antes eran escépticos comenzaron a ver resultados reales en áreas importantes.

No todos fueron afectados por el cambio de la misma forma ni al mismo tiempo. Algunas áreas de las finanzas adoptaron la IA más rápido que otras, y las razones valen la pena ser atendidas. Los equipos de FP&A fueron de los primeros en avanzar, principalmente por el dolor evidente. Todos sabían que dedicar dos semanas a extraer datos de sistemas desconectados solo para construir una previsión trimestral no era sostenible. Cuando surgieron plataformas que podían automatizar la recopilación de datos y detectar tendencias en horas en lugar de días, la adopción se aceleró rápidamente.

Lo que hizo que esta ola perdurara fue que resolvió problemas con los que ya estaban cansados de lidiar. La inteligencia artificial en finanzas ha pasado con creces la fase experimental. Los equipos la usan para cerrar libros más rápido, generar previsiones continuas sin desgastar a sus analistas y ejecutar modelos de escenarios que habrían tomado semanas armar manualmente. El valor ya no es abstracto. Se refleja en ciclos de reporte más cortos y menos noches en vela antes de las reuniones de directorio.

FP&A fue el primero, pero no se detuvo allí

Dado lo manual y repetitivo del 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 empezó a extenderse a funciones adyacentes. La análisis de variaciones es un buen ejemplo. Para determinar por qué los resultados reales no coincidían con el plan, un analista solía dedicar horas revisando partidas. Las herramientas de IA pueden señalar esas discrepancias en minutos y, lo que es más importante, indicar las causas raíz.

Otra área que está ganando terreno es el reconocimiento de ingresos. Las hojas de cálculo y el conocimiento institucional extenso solían ser la norma para empresas que manejan estructuras contractuales complejas o arreglos de múltiples elementos. Partes de ese proceso pueden automatizarse para reducir riesgos y liberar tiempo para decisiones que realmente requieren inteligencia humana. Donde los equipos financieros dedicaban demasiado tiempo a tareas repetitivas y basadas 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 tenga un impacto más duradero. El cumplimiento normativo, la detección de fraudes y la modelación de riesgos crediticios requieren reconocimiento de patrones intrincados y grandes conjuntos de datos. Es precisamente en esas condiciones donde el aprendizaje automático supera al análisis manual.

Las compañías de seguros y los bancos fueron los primeros en reconocer esto. Pero lo más reciente es la adopción entre empresas del mercado medio que nunca tuvieron equipos dedicados a análisis de riesgos. Las plataformas en la nube han hecho posible que una empresa con unos pocos cientos de empleados realice evaluaciones de riesgos que antes requerían un equipo de quants. Estas herramientas monitorean, detectan anomalías en tiempo real y generan informes listos para auditoría por sí mismas. Eso representa un avance real en la gestión de procesos financieros día a día.

Actualmente, el cumplimiento puede ser la parte más convincente de todo este cambio. Los entornos regulatorios están en constante cambio, y entre las reglas cambiantes en diferentes jurisdicciones, solo mantenerse en cumplimiento ya 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 brechas antes de que se conviertan en problemas. En el pasado, solo las instituciones más grandes podían permitirse ese tipo de monitoreo proactivo.

Lo que detiene a algunos equipos

No todos los departamentos financieros operan al mismo ritmo, y las dos principales causas de duda suelen ser talento y confianza. La confianza porque los profesionales financieros necesitan entender cómo un modelo llega a sus conclusiones antes de respaldar su reputación en el resultado. El talento porque implementar estas herramientas de manera efectiva requiere personas que entiendan tanto la tecnología como el contexto financiero, y esa combinación todavía es rara.

Otra limitación 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 desconectados donde, dependiendo del departamento, la misma métrica puede definirse de tres maneras diferentes. Aunque limpiar eso 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. Los primeros logros en FP&A generaron suficiente credibilidad interna para justificar la expansión hacia riesgos, cumplimiento y operaciones de tesorería. Las universidades están empezando 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 con IA y los tradicionales se está ampliando, y cerrar esa brecha más tarde siempre cuesta más que mantenerse al día ahora. La tecnología no es perfecta, y nadie debería fingir que lo es. Pero esperar a la perfección es un riesgo en sí mismo, y cada vez menos organizaciones pueden permitirse ese lujo.