El punto de partida no es la tecnología
Siete de cada diez empresas ya han lanzado una o varias experimentaciones con IA. Solo una cuarta parte declara haber identificado oportunidades reales de evolución en sus procesos, y un 5 % ha definido realmente su trayectoria (McKinsey, State of AI 2025). La brecha es reveladora: el freno no es el acceso a las herramientas, ni la predisposición de los equipos. Es el punto de entrada.
En la función financiera, entrar por la herramienta resulta aún más engañoso porque las opciones son numerosas y todas legítimas: la RPA para tareas repetitivas con reglas estables, los módulos de IA que los proveedores de ERP, contabilidad, tesorería y consolidación integran de forma nativa, las plataformas agénticas para construir agentes a medida sobre los sistemas existentes. Tres piezas complementarias, y ninguna que indique por dónde empezar.
El principio central es el inverso de la intuición habitual: el punto de partida no es la pieza tecnológica, sino la fricción del negocio. La tecnología es solo un medio, y la elección de la pieza se hace al final del razonamiento, una vez caracterizado el caso de uso, no antes.
La pregunta útil no es «qué herramienta implementar», sino «qué tarea hace perder tiempo a mis equipos cada semana sin añadir nada a la calidad del análisis». En finanzas, la respuesta varía poco: la recopilación, la conciliación, el formateo y la búsqueda de información.
Las mismas fricciones, de un perímetro a otro
Nueve perímetros están implicados: control de gestión, consolidación, intercompañías, tesorería, contabilidad de clientes y proveedores en CSP, control financiero y credit management, ADV, jurídico y RAF. Los procesos difieren, pero las fricciones se solapan lo suficiente como para reducirse a seis familias, y los primeros casos de uso siguen la misma lógica de un perímetro a otro.
El tiempo absorbido por la recopilación en varias herramientas y la búsqueda de explicaciones, incluso antes del análisis. La IA prepara una primera lectura de las desviaciones, propone comentarios de gestión y señala los puntos atípicos. Más adelante, un agente multifuente produce la síntesis de la revisión mensual.
Desviaciones entre entidades, reclamaciones que consumen tiempo, documentación de cierre incompleta. Un agente concilia las transacciones intercompañías, señala las incoherencias y resume los justificantes pendientes. El interés no es el ahorro de introducción de datos: es la reducción de idas y vueltas.
Posiciones de caja repartidas entre bancos y herramientas, señales débiles perdidas en el volumen. Un agente agrega los saldos, detecta anomalías de flujo y actualiza la previsión a 30/60/90 días. La IA mejora la legibilidad; no pretende decidir.
Volúmenes elevados, fuerte heterogeneidad documental, imputaciones inciertas. Del lado proveedores: lectura de facturas, conciliación pedido / albarán / factura, preparación del lote de validación. Del lado clientes: clasificación de correos entrantes y seguimiento de las promesas de pago.
Información dispersa entre pedidos, litigios, pagos e historial de la relación, difícil de reconstruir antes de actuar. La IA reconstruye el contexto del cliente, prioriza los expedientes a reclamar y prepara el expediente antes de cada acción.
La relectura de contratos largos con plazos ajustados, la comparación de versiones, la extracción de cláusulas dispersas. La IA resume, extrae las cláusulas sensibles y prepara una nota de lectura estructurada. A menudo el mejor terreno de demostración: valor visible, control total.
Un denominador común merece subrayarse: ninguno de estos casos pide a la IA que decida. Todos consisten en preparar.
Tres niveles de madurez, no un gran salto
Una vez identificados los casos, la tentación es apuntar directamente a la automatización de principio a fin. Es la mejor forma de no poner nada en producción. Un punto a menudo subestimado: la madurez no se decreta a nivel de empresa, se constata equipo por equipo, y tres niveles bastan para situar a cada uno.
- Nivel 1 — Asistir. Resumen de un documento, reformulación de un correo, preparación de un borrador, extracción de datos de una factura. Accesible a cualquier colaborador, sin requisitos técnicos.
- Nivel 2 — Automatizar. Conciliación automática, clasificación de documentos, recordatorios preredactados, síntesis de la revisión mensual. Supone procesos estabilizados y reglas explícitas.
- Nivel 3 — Orquestar. Agentes multifuente, flujo de cierre de principio a fin, detección de anomalías en varias etapas, preparación automatizada de comité de dirección. Supone un marco de TI establecido: derechos de acceso, trazabilidad, puntos de validación.
Se empieza en el nivel 1, se valida, y se avanza en madurez de forma progresiva. Esta progresión tiene un efecto secundario valioso: instala los reflejos de control antes de que los riesgos se vuelvan significativos.
La IA prepara, la persona decide
La línea divisoria debe establecerse explícitamente desde el primer caso de uso. La IA prepara, alerta, concilia, sintetiza y pone de relieve. La persona valida en los temas sensibles, ejerce el criterio del negocio, decide sobre las cuestiones financieras, comerciales y jurídicas, gestiona las excepciones y asume la responsabilidad final.
En finanzas, esta frontera no es una precaución retórica: la validación contable, la decisión presupuestaria, la decisión de inversión, el bloqueo de un pedido o el compromiso contractual siguen siendo actos humanos. Lejos de frenar la adopción, un marco claro la facilita: los equipos aceptan mejor un agente cuanto más saben exactamente lo que no hará.
El marco también protege a la empresa. Sin él, los usos se desarrollan igualmente, pero fuera de todo control: es la IA en la sombra, con los riesgos normativos (AI Act, RGPD) y de fuga de datos que la acompañan. La inacción no es una opción neutra; cuesta, técnica y culturalmente.
Los resultados observados en producción
Tres órdenes de magnitud, medidos en proyectos recientes.
El primer caso corresponde a un grupo industrial cuya documentación financiera representaba más de 5.000 documentos de procedimientos dispersos, con expertos solicitados de forma permanente sobre cuestiones recurrentes. Se pusieron en producción cuatro agentes: un orquestador, un agente dedicado a las políticas contables, un agente de sistemas y procesos, un agente de control de calidad. El feedback de los equipos se resume en una frase: «Ya no hace falta esperar a que un experto esté disponible para una cuestión de procedimiento».
El segundo corresponde a una dirección jurídica con seguimiento contractual totalmente manual, sin alertas sobre los vencimientos y renovaciones de contratos, sobre una cartera heterogénea en idiomas, formatos y cláusulas. Bastaron dos agentes: un agente de extracción y un agente de presentación, con vistas diferenciadas según los perfiles: jurídico, dirección financiera, comercial. La ganancia no es solo el tiempo ahorrado: es una visión consolidada y en tiempo real de los riesgos.
En ambos casos, la implementación no fue larga. Lo que requiere tiempo es el ajuste al negocio: formular las preguntas reales, probar con expedientes imperfectos, ajustar las entregas esperadas por cada perfil.
¿Por dónde empezar?
Un inicio concreto vale más que un gran proyecto. La secuencia se resume en cuatro tiempos: recoger las fricciones de los equipos en lugar de una promesa tecnológica abstracta; elegir dos o tres casos específicos, visibles y útiles para los equipos implicados; experimentar con los usuarios, ajustar y después ampliar; co-construir los usos manteniendo un marco de validación humana explícito.
La selección de casos de uso, por su parte, merece hacerse en embudo: diagnosticar la cadena de valor para localizar las principales bolsas de valor, eliminar los casos de bajo impacto o demasiado complejos, priorizar según el ROI potencial y la complejidad, examinar los prerrequisitos de datos y TI (existencia y calidad del dato, accesibilidad, competencias), calcular ganancias y costes, y volver a priorizar según la viabilidad real, tanto técnica como organizativa. Es este doble filtro el que evita la lista de cincuenta casos de uso de los que ninguno llega a producción.
El buen inicio no es el que abarca más. Es el que identifica dónde la IA puede hacer el día a día de un equipo un poco más simple, más claro y más cómodo, y que da ganas de pasar al siguiente.
