IA en finanzas: confía en la calculadora, pero comprueba
IA en finanzas: por qué no se puede prescindir del criterio humano
La inteligencia artificial ha dejado de ser un experimento reservado a proyectos piloto y se ha incorporado al trabajo diario de los departamentos financieros. Según el estudio Deloitte CFO Signals, casi el 93 % de los directores financieros utiliza IA en operaciones clave. Hace tan solo dos años, las empresas apenas empezaban a probar esta tecnología con cautela. Sin embargo, quienes obtienen los resultados más visibles no son los que automatizan todo sin más, sino quienes eligen cuidadosamente qué tareas encomendar a la IA.
Muchas tareas financieras parecen adecuadas para la automatización, pero su significado depende de circunstancias que no figuran en los datos. Por ejemplo, un aumento de los gastos con un proveedor puede parecer un problema contractual, aunque en realidad responda a una decisión estratégica de la dirección. Una desviación en los informes puede parecer una señal de alarma, aunque se deba a cambios planificados de antemano en el funcionamiento de la empresa. La IA puede detectar algo inusual, pero no siempre entiende el contexto interno. Es precisamente entre lo que muestran las cifras y lo que sabe la empresa donde puede surgir la desconfianza.
Los equipos financieros deben entender no solo si la IA es capaz de detectar un problema, sino también cuándo pueden confiar en sus conclusiones y cuándo hace falta una valoración humana. Esta será una de las cuestiones principales de la siguiente fase de implantación de la tecnología.
No se trata de excluir por completo a las personas de los procesos financieros, sino de distribuir su atención de otra manera. La IA puede realizar análisis preliminares, comprobar operaciones y buscar desviaciones. Las personas establecen las reglas, deciden en qué fijarse e intervienen cuando una situación no encaja en lo habitual. Según una encuesta mundial de directores financieros de FTI Consulting, casi el 70 % de los responsables ya utiliza las conclusiones de la IA junto con su propia experiencia, y no en lugar de ella. En otras palabras, el criterio humano sigue formando parte del trabajo, pero se aplica más a menudo en un nivel superior, al tomar decisiones importantes.
A medida que la IA recibe más competencias, la cuestión ya no es solo si puede realizar una tarea. Lo importante es si los equipos financieros están dispuestos a confiar en el resultado. Esto es especialmente relevante cuando se trabaja con información confidencial y con decisiones en las que incluso un pequeño error puede acarrear consecuencias financieras o normativas. Redactar un borrador de informe es una cosa; recomendar un proveedor, detectar gastos inusuales o ejecutar un pago por su cuenta es otra muy distinta.
La confianza en la IA debe incorporarse al diseño del sistema, no intentar añadirse después mediante instrucciones o formación. El equipo debe poder ver en qué se basa una conclusión para cuestionarla si hace falta. También se necesitan límites claros: qué acciones puede realizar el sistema por su cuenta y en qué casos debe dejar la decisión en manos de una persona.
El principal obstáculo para implantar IA en las finanzas a menudo no es el propio modelo, sino los datos con los que trabaja. Durante años, las empresas han combinado información de sistemas contables, servicios de gestión de gastos, plataformas de compras y hojas de cálculo. Si hay proveedores duplicados, distintas reglas para codificar operaciones o información desactualizada, la IA no pondrá orden: solo propagará las consecuencias con mayor rapidez.
Por eso, la calidad de los datos debe ser una prioridad antes de abordar proyectos de IA más ambiciosos. Una información financiera limpia, coherente y accesible ofrece al sistema una base fiable. Los datos dispersos, por el contrario, dificultan confiar incluso en las herramientas más sofisticadas. Gran parte del trabajo importante se hace antes de poner en marcha la IA: hay que conectar los sistemas, ordenar los datos y crear una visión única y fiable de las finanzas.
Sobre esa base, la IA podrá no solo automatizar tareas administrativas, sino también detectar anomalías, analizar la estructura de gastos y proporcionar a los equipos información más útil para tomar decisiones. El valor práctico suele esconderse en tareas poco llamativas: tramitar facturas más rápido, clasificar los gastos con mayor precisión, detectar antes los desembolsos inusuales y encontrar más deprisa los datos necesarios para planificar.
Lo sensato es empezar con tareas concretas. Así, el equipo verá cómo funciona la IA con sus propios datos y procesos, dónde resulta realmente útil y qué debe corregirse antes de ampliar su papel. Es una opción más realista que intentar transformar todo el departamento financiero de una vez. Las empresas que avanzan primero resuelven bien problemas concretos y amplían las soluciones solo cuando comprueban que funcionan con datos reales, imperfectos, y en procesos de trabajo reales.
El objetivo de la IA no es un departamento financiero que haga menos, sino un equipo que dedique menos tiempo a las tareas rutinarias y más a las decisiones importantes. Al liberarse de operaciones repetitivas, los especialistas pueden analizar el negocio en mayor profundidad, detectar riesgos y oportunidades y revisar las hipótesis de partida. En lugar de esperar al cierre del mes para entender qué ha ocurrido, las empresas pueden pasar a un análisis y una toma de decisiones más continuos.
La IA no sustituye la experiencia financiera, sino que aumenta su valor: son las personas quienes deciden qué preguntas plantear, si una respuesta es verosímil y qué hacer después. El éxito de la implantación no debe medirse por el número de procesos delegados en un agente digital, sino por si han mejorado las decisiones y se dedica menos tiempo al trabajo administrativo. Los directores financieros deben determinar dónde puede actuar la IA por su cuenta, dónde debe limitarse a hacer recomendaciones y dónde es imprescindible el criterio humano. El equilibrio adecuado permitirá pasar de los experimentos a los beneficios reales.
Texto publicado en el marco de TechRadar Pro Perspectives, una sección dedicada a las opiniones de especialistas del sector tecnológico. La postura expuesta pertenece al autor y puede no coincidir con la de TechRadar Pro o Future plc.
PEREC.RU
La IA financiera tiene una costumbre útil: responde con seguridad a la pregunta que le han hecho. El problema es que las empresas suelen funcionar dentro de preguntas que nadie ha tenido tiempo de formular: acuerdos, planes y decisiones que no han llegado a una hoja de cálculo. Por eso, hablar de supervisión humana no suena a nostalgia por el trabajo manual, sino a recordatorio de que una cifra sin contexto no es más que una cifra, aunque la haya pronunciado un algoritmo carísimo.
Es fácil que la promesa de la automatización haga pasar inadvertida la parte menos vistosa del trabajo: poner orden en los datos. No se vende como una revolución digital: hay que eliminar duplicados, armonizar los registros y actualizar lo obsoleto. Pero es justo ahí donde se decide si el sistema será una herramienta útil o un acelerador de la chapuza organizativa. La paradoja del mercado: las empresas compran encantadas inteligencia, pero primero tienen que explicarle dónde guardan los mismos proveedores bajo nombres distintos.
Los proveedores de tecnología y las consultoras, como es lógico, tienen interés en presentar la autonomía como el principal indicador de progreso. Cuantas más funciones se delegan en un agente, más vistosa queda la presentación y más fácil es llamar transformación al proyecto. Pero el impacto para un departamento financiero no se mide por el número de operaciones delegadas, sino por si hay menos errores y más tiempo para tomar decisiones. En ese punto, la regla publicitaria suele empezar a mirar discretamente al suelo.
También está la cuestión de la responsabilidad. Si el sistema recomienda por su cuenta a una contraparte o inicia un pago, luego no se puede fingir sorpresa con un «lo decidió el algoritmo». Alguien determinó qué datos estaban disponibles, cuáles eran las reglas y hasta dónde llegaban sus competencias; y ese alguien tendrá que explicar por qué permitió que la máquina actuara así. Añadir controles después de un fallo es como comprar un extintor después del incendio: útil, en teoría; un poco tarde, en la práctica.
Al final, el modelo sensato resulta casi insultantemente prosaico: automatizar lo repetitivo, comprobar la calidad de la base y reservar a las personas el derecho a detener el sistema cuando la realidad no coincide con su pulcra versión. Eso no frena el desarrollo tecnológico. Lo que frena es que el marketing venda velocidad como si fuera sabiduría; y en finanzas, confundir ambas cosas suele salir caro.
