La inteligencia artificial ya se convirtió en rutina dentro de los productos y servicios que las empresas de tecnología entregan a sus clientes.
Pero hay un detalle curioso en toda esta historia: mientras estas empresas le enseñan al mercado a usar IA para optimizar procesos, muchas de ellas todavía ignoran su propio departamento financiero interno.
Es casi una paradoja, ¿no?
Quienes venden el futuro siguen viviendo en el pasado cuando el tema es la gestión financiera interna.
Y no es solo una impresión.
EY presentó datos que muestran exactamente esa brecha: la automatización en finanzas dentro de las empresas tech sigue siendo fragmentada, llena de datos aislados en silos y sin una estrategia clara de ownership sobre la IA.
¿El resultado?
Un modelo que la propia EY llama RPA 2.0, es decir, automatización de partes del proceso, pero nunca del proceso como un todo.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
La buena noticia es que esto está cambiando, y la transformación que está llegando para las finanzas corporativas promete ser mucho más profunda que cualquier actualización de sistema que hayas visto por ahí. 🚀
El Problema que Nadie Quiere Admitir en las Finanzas Corporativas
Existe una ironía enorme en el mercado de tecnología hoy. Las mismas empresas que desarrollan plataformas de inteligencia artificial para que sus clientes automaticen flujos de trabajo, reduzcan costos operativos y tomen decisiones más rápidas siguen operando internamente con procesos financieros fragmentados, manuales y llenos de retrabajo. No es exagerado decir que existe un abismo entre lo que estas organizaciones venden y lo que ellas mismas practican cuando el asunto es la gestión de su propio dinero. Y ese abismo tiene un costo real, medible, que se refleja en la velocidad de cierre contable, en la calidad de los reportes y en la capacidad de reaccionar rápidamente ante cambios en el mercado.
Los datos recopilados por EY ponen luz sobre algo que muchos CFOs y directores financieros ya perciben en el día a día, pero tienen dificultad para abordar con claridad. La automatización que existe hoy en la mayoría de las áreas de finanzas corporativas es puntual, desconectada y construida sobre lógicas de RPA tradicionales, que automatizan tareas repetitivas pero no transforman el proceso de principio a fin. Es como ponerle un motor eléctrico a una bicicleta y pensar que ahora tienes un auto. La estructura sigue siendo la misma, solo con un empujoncito extra. El problema real está en la arquitectura del proceso, no solo en la herramienta que ejecuta una etapa específica de él.
Como bien resumió Adam Blaylock, líder del sector de Tecnología de EY Americas para servicios de consultoría en contabilidad financiera, la mayoría de los líderes de tecnología puede describir exactamente cómo será el futuro de la IA en las finanzas. El verdadero desafío es salir del punto donde se está hoy y llegar a ese futuro de forma cuidadosa y orientada por valor, porque construir una función financiera reimaginada no es una tarea sencilla. Empresas de todos los tamaños pueden beneficiarse de una alianza con quienes entienden los matices del área financiera y de los reportes regulatorios.
Otro punto crítico identificado es la cuestión de los datos en silos. Dentro de una empresa de tecnología de mediano o gran tamaño, es muy común encontrar sistemas de ERP que no se comunican con plataformas de business intelligence, que a su vez no se integran con las herramientas de planificación financiera. Cada área se encarga de su parte, genera sus propios reportes y entrega una visión parcial de la realidad. Cuando alguien en la alta dirección necesita una visión consolidada para tomar una decisión estratégica, el proceso de reunir todo eso puede llevar días, o incluso semanas, dependiendo de la complejidad de la operación. En un mercado donde la velocidad de decisión es un diferencial competitivo, esto es un problema demasiado serio como para ignorarlo.
Reimaginando las Finanzas con IA Agéntica
Algunas empresas de tecnología están adoptando un enfoque de renovación para la IA en las finanzas, desarrollando soluciones puntuales enfocadas en casos de uso específicos, como la extracción de datos de facturas o la detección de anomalías. Eso ayuda a agilizar los procesos y a reducir costos, pero no cambia realmente el juego en términos de estructura ni aprovecha todo el poder que la inteligencia artificial tiene para hacer avanzar de verdad al área financiera.
La estrategia más completa y de largo plazo es repensar la función financiera en un mundo centrado en IA, usando un enfoque que parte desde cero. En la práctica, esto significa rediseñar el proceso enfocándose en los resultados que se quieren alcanzar y en cómo esos resultados podrían lograrse sin intervención humana. Solo después de eso se incorpora a la persona de vuelta al flujo, pero únicamente donde es realmente indispensable, y no simplemente porque finanzas siempre lo hizo de esa manera.
Los profesionales de EY consideran que, para las empresas de tecnología, vale la pena priorizar primero el desarrollo interno en torno a los procesos de order-to-cash (OTC) y de planificación y análisis financiero. El motivo es que el OTC es justamente lo que hace únicas a estas empresas en el mercado, y difícilmente encontrarían soluciones estándar ya listas para IA. Por otro lado, procesos como procure-to-pay (PTP) y record-to-report (RTR) suelen ser más directos en una empresa tech, y puede tener sentido esperar a que los proveedores de software incorporen IA en esos productos.
Según Amanda Donohue, directora de consultoría financiera de Ernst & Young LLP, lo importante es recordar que no existe una solución que sirva para todos. Las empresas necesitan analizar con profundidad sus procesos internos y la tecnología que los sustenta antes de avanzar. La clave está en invertir en la reinvención de los procesos más críticos y complejos, en lugar de quedarse esperando a que alguien más los reinvente por ti.
Cómo la Inteligencia Artificial Redefine la Eficiencia en las Finanzas
La llegada de una nueva generación de herramientas basadas en inteligencia artificial generativa y modelos de lenguaje de gran escala está cambiando por completo la lógica de cómo puede funcionar la automatización financiera. A diferencia del RPA tradicional, que sigue scripts rígidos y se rompe ante la primera variación del proceso, los sistemas modernos de IA pueden interpretar contexto, manejar excepciones, aprender de patrones históricos e hasta anticipar escenarios futuros con base en datos en tiempo real. Esto representa un cambio de paradigma real, no solo una evolución incremental de las herramientas que ya existían.
En un modelo totalmente agéntico, el trabajo financiero se divide en dos categorías. Por un lado, están las tareas operativas de rutina, gestionadas por la IA con supervisión humana. Por el otro, están las tareas de nivel más alto, conducidas casi en su totalidad por personas. Como las actividades operativas que consumen mucho tiempo pasan a ser ejecutadas de forma fluida en segundo plano por la IA, los equipos financieros logran operar con menos personas dedicadas a tareas repetitivas y más foco en entregas que realmente agregan valor.
Un ejemplo práctico ayuda a visualizar esto. Hoy, un analista de planificación y análisis financiero reúne datos manualmente antes de hacer cualquier análisis, muchas veces extrayendo información de varios sistemas diferentes. Con la IA agéntica, esos datos llegan reunidos y listos de forma automática, en el momento en que se necesitan. La IA además entrega un primer borrador del análisis, lo que libera al analista para concentrarse en insights más profundos y actuar como un verdadero socio del negocio en las decisiones importantes sobre el camino a seguir.
En muchos sectores, la inteligencia artificial ya está transformando todo el proceso de lead-to-cash, desde la creación de campañas de marketing personalizadas basadas en los datos del cliente hasta la gestión de contratos, gestión de crédito, facturación, cobranza, cumplimiento de pedidos y atención al cliente. A lo largo de todas estas etapas, la IA agéntica usa análisis predictivo para entender mejor las preferencias de los clientes, los riesgos de pago y las probabilidades de renovación o recompra. El resultado es un proceso altamente automatizado que incrementa las ventas, maneja contratos complejos, reduce el riesgo de morosidad y mejora el flujo de caja.
EY señala que las organizaciones que están avanzando en esta dirección están adoptando un enfoque que va más allá de simplemente implementar herramientas nuevas. Están repensando el modelo operativo de finanzas como un todo, definiendo claramente quién es responsable de la gobernanza de los datos, cómo la inteligencia artificial será supervisada dentro de los procesos y cómo los equipos serán capacitados para trabajar codo a codo con estos sistemas. Cuando está bien diseñada e implementada, la IA agéntica mejora la precisión de los datos financieros porque elimina el error humano y abre más tiempo para revisión y análisis.
Vale destacar un cuidado importante aquí. Aunque la IA facilita mucho la vida de los empleados a la hora de escribir código y crear procesos automatizados, no hay garantía de que estas herramientas estén entregando datos o respuestas correctas. Por eso, cada vez más las organizaciones necesitan implementar herramientas de validación de IA para monitorear el desempeño de sus propios modelos propietarios y mantener la confianza en los números.
La Transformación que Está Llegando y lo que Exige de las Empresas
La palabra transformación se usa con tanta frecuencia en el mundo corporativo que a veces pierde su impacto. Pero cuando se habla de transformación de las finanzas corporativas con inteligencia artificial, el término le hace justicia a lo que está sucediendo. No se trata de cambiar un sistema por otro o de agregar un chatbot en el proceso de atención interna. Se trata de rediseñar cómo opera la función financiera, cómo fluyen los datos dentro de la organización y cómo se toman las decisiones en todos los niveles de la empresa. Es un cambio estructural que afecta cultura, tecnología, procesos y personas al mismo tiempo.
Herramientas que usamos a diario
Para las empresas de tecnología, la pregunta ya dejó de ser si vale la pena usar IA en las finanzas. La cuestión ahora es con qué velocidad se puede salir de la automatización fragmentada y llegar a la transformación completa. Y los números son alentadores. Según Blaylock, una implementación de IA agéntica de principio a fin puede generar ahorros de costos de hasta un 40%, al mismo tiempo que entrega mejores insights financieros. Y, tan importante como eso, al enfocarse en un modelo de entrega que pone a la IA en primer lugar y en una estrategia basada en resultados, es posible transformar la función financiera en cuestión de meses, y no de años.
Los Desafíos que Todavía Frenan la Adopción
Aun con todo ese potencial, los líderes financieros de las empresas de tecnología todavía enfrentan tres preocupaciones bastante comunes que vienen retrasando la adopción de la IA. La primera es decidir en qué herramientas de IA invertir, dado el volumen gigante de opciones disponibles en el mercado. La segunda es evaluar si el equipo está realmente preparado para trabajar con IA y descubrir cómo capacitar o incentivar a las personas para que abracen este cambio. Y la tercera es entender cuál es la mejor forma de integrar la IA a los grandes proyectos de actualización de los sistemas corporativos.
Estos son obstáculos legítimos, pero cada uno de ellos apunta a una necesidad mayor, que es repensar el futuro de la función financiera. Más específicamente, cómo se dividirá el trabajo entre agentes de IA y empleados y cómo debe estructurarse el área de finanzas una vez que esa integración esté en pleno funcionamiento.
El primer desafío en la práctica es la calidad de los datos. Ningún modelo de inteligencia artificial va a funcionar bien si se alimenta con información inconsistente, desactualizada o mal estructurada. Antes de pensar en implementar cualquier solución de IA en las finanzas, es fundamental invertir en la depuración, estandarización e integración de las fuentes de datos existentes. Ese trabajo de base es lo que va a determinar si el proyecto realmente despega o se atasca en los primeros meses de operación.
El segundo gran desafío es humano. Equipos financieros que crecieron en un entorno de hojas de cálculo, procesos manuales y herramientas heredadas necesitan tiempo, apoyo y capacitación para adaptarse a una nueva forma de trabajar. La eficiencia que la IA trae no es instantánea, se construye a lo largo del tiempo, conforme los equipos aprenden a interpretar los outputs de los modelos, a identificar cuándo el sistema acierta y cuándo necesita corrección y a usar los insights generados para tomar mejores decisiones. Las empresas que entienden esto e invierten en la capacitación de las personas obtienen resultados mucho más consistentes que aquellas que creen que la tecnología lo resuelve todo sola. 💡
El escenario que se perfila para los próximos años es de una división clara entre empresas que lograron integrar la inteligencia artificial de forma estratégica en sus operaciones financieras y aquellas que siguieron remendando procesos antiguos con soluciones puntuales. La eficiencia operativa, la velocidad de cierre, la calidad de las proyecciones y la capacidad de responder rápidamente a cambios del mercado van a ser diferenciales competitivos cada vez más importantes, y esos diferenciales se construirán, en gran parte, por la forma en que cada organización decida encarar esta transformación ahora.
Lo que está claro es que el momento de actuar es este. Las herramientas están maduras, los casos de uso están comprobados y los beneficios son tangibles para quienes estén dispuestos a ir más allá del piloto y estructurar un recorrido real de transformación de las finanzas con IA. 🎯
