Demasiada IA, demasiado pronto: ¿Los equipos de finanzas se están preparando para el fracaso?

Los equipos de finanzas están bajo una enorme presión para adoptar IA, impulsados principalmente por juntas directivas que buscan ganancias de eficiencia, CFOs que persiguen cierres más rápidos y proveedores que prometen una automatización sin precedentes. 

La suposición predominante es que más IA conducirá naturalmente a mejores resultados, ya que puede analizar datos de manera eficiente en segundos. Pero la velocidad por sí sola no es el único factor que garantiza el éxito, especialmente si el proceso subyacente es defectuoso o está poco desarrollado. 

A medida que las organizaciones se apresuran a integrar IA en los flujos de trabajo financieros, corren el riesgo de pasar por alto una verdad fundamental: la IA solo es tan eficaz como los sistemas que automatiza. 

Puede acelerar tareas, pero no puede compensar controles débiles, datos fragmentados o procesos inconsistentes.

Aun así, la tecnología está ganando protagonismo dentro de las grandes empresas, y cada vez más compañías esperan que proporcione resultados inmediatos. 

Para 2025, la proporción de ejecutivos de nivel C que identifican los riesgos de conducta de IA como una preocupación material principal ha aumentado del 16 % en los últimos tres años al 56 % de cara al futuro, convirtiéndolo en el principal riesgo no financiero. Al mismo tiempo, los incidentes mayores de conducta empresarial han aumentado en un 55 % entre 2023 y 2025, con un costo promedio de 14 millones de dólares por incidente, lo que lleva a inversiones reactivas en lugar de proactivas en gobernanza y calidad de datos. 

En ningún otro ámbito el uso de IA es más crítico que en finanzas, donde los cierres de fin de mes dependen de controles, conciliaciones y verificaciones. La IA puede aumentar la velocidad de ese proceso, pero sin una base sólida, puede tan fácilmente magnificar las debilidades existentes como eliminarlas. 

La pregunta, entonces, es si finanzas ha realizado suficiente trabajo preparatorio para estar lista para una adopción masiva de IA. 

La IA es un multiplicador, no una solución

Si bien indudablemente la IA es una excelente herramienta para facilitar tareas, una idea errónea común es que la IA puede arreglar todos los procesos rotos, cuando en realidad, lo único que hace es amplificar lo que ya existe. 

Si los datos subyacentes son inconsistentes, los controles son débiles o las prácticas de conciliación son defectuosas, la IA simplemente ejecutará esas deficiencias más rápido y a mayor escala. El antiguo principio de “basura entra, basura sale” no ha desaparecido; ahora opera a velocidad de máquina.

Nada de esto significa que la IA sea inútil; al contrario, automatiza tareas laboriosas como la extracción y presentación de datos, liberando a los profesionales de finanzas para que se concentren en trabajos de mayor valor. Les permite invertir más en pensamiento crítico, extraer conclusiones y garantizar la supervisión de lo que las máquinas están ejecutando. 

Sin embargo, la dependencia excesiva de la IA puede crear vulnerabilidades si los sistemas fallan o producen resultados inesperados. Si, por ejemplo, un modelo de IA usado para predicciones de mercado falla durante una crisis, podría amplificar pérdidas o desestabilizar los mercados. 

El Comité de Supervisión Bancaria de Basilea y otros organismos están particularmente preocupados sobre los riesgos sistémicos, donde fallas generalizadas de IA podrían amenazar la estabilidad financiera. 

En lugar de tratar la IA como una cura para las ineficiencias operativas, las organizaciones deberían centrarse en construir la infraestructura financiera que permita que la automatización funcione de manera fiable. Eso implica procesos de conciliación estandarizados, controles internos más sólidos, mejor gobernanza de datos y mayor visibilidad del proceso de cierre.

«Existe una idea errónea común de que la IA es una solución a los problemas de procesos. No lo es. Es un amplificador de lo que ya existe. Los líderes financieros a menudo acuden a la IA buscando alivio del trabajo manual, cierres lentos o informes que tardan demasiado», dijo Shagun Malhotra, CEO del software de cierre automático de fin de mes SkyStem, mientras conversaba con Unite AI. 

Pero si el proceso subyacente es defectuoso, añadió, la IA no corrige el fallo. Más bien, lo ejecuta más rápido y a mayor escala. «La idea errónea es que la tecnología está realizando un trabajo diagnóstico cuando no lo está. Esa parte aún necesita a un profesional detrás de ella». 

SkyStem se centra principalmente en ayudar a organizaciones cuyas plataformas de cierre financiero a estandarizar conciliaciones, automatizar flujos de trabajo y fortalecer controles internos antes de aplicar IA a procesos contables críticos. En lugar de reemplazar operaciones financieras disciplinadas con IA, la empresa construye bases operativas fiables para que la automatización pueda proporcionar resultados precisos sin comprometer los datos. 

«La IA genera un valor enorme en volumen, consistencia y velocidad para tareas bien definidas […] Pero los lugares donde los humanos deben mantener el control son exactamente donde la experiencia es más importante: intuición de riesgo, reconocimiento de patrones bajo ambigüedad y, lo más importante, la toma de decisiones bajo presión», añadió Malhotra.  

Fundación antes de la automatización

Las finanzas tienen muy poco margen de error. Los informes precisos, las conciliaciones, el cumplimiento normativo y la auditabilidad son esenciales; la IA debe mejorar y simplificar estos procesos, no comprometerlos al acelerar las debilidades existentes dentro del sistema. 

Kognia Labs, una empresa de consultoría y desarrollo de software de IA, comparte una visión similar. Ayuda a las organizaciones a implementar sistemas que detecten fallas o incoherencias dentro de los informes antes de que se vuelvan tan costosos. 

Antes de que la IA se incorpore a un flujo de trabajo donde un cliente está esperando la respuesta, tres cosas deben ser ciertas en la institución: la conexión entre sistemas, el acceso a la información que no está archivada como documento y la capacidad de verificar de dónde proviene una respuesta, según Alexandra Ollé, directora de estrategia en Kognia Labs. 

«La información que necesita un asesor está distribuida en diferentes sistemas y formatos, y esos sistemas generalmente no se comunican entre sí. Eso es lo que hace que las respuestas sean lentas e inconsistentes en primer lugar», comentó Ollé a Unite AI. «La IA no resuelve eso simplemente añadiéndola encima». 

Esa brecha, entre acelerar un proceso y realmente mejorarlo, es donde los riesgos financieros se vuelven concretos: cuando hay fondos en juego, la fiabilidad no es opcional y gestionar mal un sistema de IA conlleva una exposición legal real. 

«La IA mejora un proceso cuando una empresa la usa para cambiar la forma en que se realiza el trabajo. Eso suele comenzar con comprender por qué el proceso falla, lo cual es algo que la mayoría de las instituciones no pueden ver claramente porque la evidencia está en miles de conversaciones con clientes que ningún equipo tiene tiempo de revisar», enfatizó Ollé.   

El camino a seguir: un puente IA-humano

Antes de confiar en la IA para automatizar flujos de trabajo financieros críticos, las organizaciones deben primero asegurarse de que sus procesos estén preparados. Eso comienza evaluando la madurez de los procesos, abordando cuellos de botella y problemas de calidad de datos, e introduciendo la IA de forma incremental en áreas de bajo riesgo antes de expandirse a operaciones financieras más complejas. 

Construir primero una base operativa sólida, en resumen, permite que la automatización mejore la eficiencia sin comprometer la precisión o la supervisión. Y esta es la parte donde los humanos no pueden bajar la guardia; hay cosas que la IA simplemente no puede hacer por sí sola. 

Ya existen algunas empresas cuyo enfoque de implementación de IA proviene de una estrategia “humanos primero” que garantiza supervisión humana y credibilidad sobre los sistemas automatizados. Solvd, por ejemplo, es una empresa de ingeniería de software con sede en California que desarrolla, implementa y gestiona sistemas de IA para empresas, especializada en construir flujos de trabajo complejos que luego son refinados por humanos antes de escalar mediante automatización. 

«Las empresas que se toman en serio la IA aprenderán más rápido, obtendrán conocimientos de clientes más profundos, operarán de forma más eficiente y personalizarán de manera más eficaz. Con el tiempo, mantenerse al día se vuelve más difícil porque los competidores no solo están desplegando mejores herramientas; están construyendo mejores datos, procesos y aprendizaje institucional», dijo Skylar Roebuck, director de tecnología de Solvd, a Unite AI. 

Una organización está verdaderamente preparada para la IA cuando su equipo ejecutivo está alineado no solo en la importancia de la IA, sino también en cómo ésta generará una ventaja competitiva significativa para el negocio. 

«La supervisión humana no debe verse simplemente como alguien que aprueba cada acción de la IA. Ese enfoque no escala y a menudo crea la ilusión de seguridad sin ofrecer un control significativo», enfatizó Roebuck, añadiendo que el sistema debe ser capaz de operar de forma independiente dentro de límites claros y reconocer la incertidumbre para escalar cuando se requiere juicio. 

En conclusión, la IA tiene el potencial de transformar las finanzas, pero no puede sustituir la disciplina operativa y el juicio humano que requiere la toma de decisiones financieras. El objetivo aquí no es acelerar el cierre, sino acelerar la confianza en él. 

Las organizaciones verdaderamente exitosas no serán aquellas que automatizan primero, sino aquellas que construyen la base adecuada y mantienen a las personas en el centro de los procesos que más importan.