Lo que aprendí al crear una función financiera nativa de IA

Finanzas se ha convertido en una función que opera en tiempo real. Para mí, la oportunidad va mucho más allá de cerrar los libros más rápido o actualizar una previsión con mayor frecuencia. Consiste en ver cómo cambia el negocio, ayudar a los responsables a actuar antes y dar a los equipos financieros más tiempo para influir en lo que sucederá después.

Cuando me incorporé a OpenAI hace dos años, solo había un pequeño equipo financiero apoyando a una empresa que crecía a una velocidad extraordinaria. Teníamos que crear la función desde cero y convertir la IA en un elemento fundamental de nuestra forma de trabajar, tomar decisiones y apoyar al negocio.

También reconocí un punto de partida habitual. El cierre de los libros y la actualización de las previsiones todavía implicaban tareas manuales y recurrentes: buscar información, explicar qué había cambiado y recopilar los datos necesarios para tomar una decisión. Teníamos acceso a las herramientas de IA más avanzadas del mundo y aún estábamos aprendiendo a rediseñar la función financiera en torno a ellas.

Así que nos fijamos dos objetivos ambiciosos: un cierre en el día cero y unas previsiones automatizadas y actualizadas continuamente.

La idea del cierre en el día cero es ofrecer a los responsables una visión conciliada, trazable y en tiempo real de la situación financiera de la empresa. La previsión continua se apoya en esa base para mostrar cómo cambia el negocio, qué podría suceder después y qué decisiones podrían modificar el resultado.

Seguimos trabajando para alcanzar ambos objetivos. Este trabajo ya ha cambiado la forma de operar de nuestro equipo. Nos ha permitido superar las limitaciones de las hojas de cálculo estáticas, las búsquedas manuales de documentación justificativa y las presentaciones para adoptar herramientas en tiempo real basadas en todo el contexto y los datos del negocio. También ha dado a los profesionales de finanzas la capacidad de crear las herramientas que exige su trabajo y llevar más lejos sus conocimientos especializados.

Para mí, esa es la verdadera promesa de una función financiera nativa de IA: un equipo que entienda lo que sucede mientras ocurre, ayude a los responsables a anticipar las opciones y dé al negocio más tiempo para actuar mientras aún sea posible cambiar el resultado.

Para lograrlo, no basta con adoptar nuevas tecnologías. Hay que rediseñar el trabajo en torno a las decisiones importantes, dar margen para experimentar, incorporar responsabilidades claras en cada flujo de trabajo y medir el trabajo fiable que completa la IA para obtener un retorno de la inversión claro.

Estas son cinco lecciones prácticas extraídas de nuestra experiencia que cualquier director financiero puede aplicar.

El primer paso fue ofrecer un acceso amplio. Las personas necesitan libertad para explorar la IA en el contexto de su propio trabajo. El acceso genera el máximo valor cuando se combina con una experimentación estructurada en torno a problemas reales.

Invitamos a ingenieros de ventas a un hackatón de finanzas y pedimos al equipo que trajera tareas que quisiera transformar. Uno de los resultados fue IR-GPT, un GPT personalizado basado en los materiales aprobados que nuestro equipo de relaciones con inversores utiliza para responder a preguntas de diligencia debida. También empezamos a crear GPT personalizados para áreas como compras y fiscalidad.

El hackatón convirtió la IA, que era una capacidad abstracta, en una herramienta práctica. En un solo día, las personas podían identificar una tarea recurrente, crear una solución, probarla con sus compañeros y mejorarla. Los casos de uso procedían de quienes estaban más cerca del trabajo, mientras que los expertos técnicos les ayudaban a avanzar más rápido.

Para los directores financieros, la lección es sencilla: hace falta experimentación de abajo arriba y estrategia de arriba abajo. Hay que poner una IA segura y capaz en manos de las personas y dejar que quienes están más cerca del trabajo identifiquen mejores formas de hacerlo. Al mismo tiempo, los responsables deben centrar su atención y sus recursos en los cambios que más importarán al negocio. La verdadera oportunidad surge cuando ambos enfoques se unen: ideas prácticas de primera línea aplicadas a las prioridades más importantes.

Los equipos financieros dedican una enorme cantidad de energía a recopilar la información necesaria para tomar una decisión. Para revisar una previsión puede ser necesario buscar los datos más recientes, conciliar hojas de cálculo, explicar desviaciones, crear gráficos, preparar documentos y convertirlos en diapositivas. El análisis acaba llegando a quien toma la decisión, pero el equipo ya ha dedicado gran parte de su tiempo a prepararlo.

La IA cambia la unidad de trabajo. Los responsables financieros pueden rediseñar todo el proceso, desde los datos de origen hasta la decisión.

Pensemos en el cierre. Todo director financiero conoce el proceso mensual: los datos reales están en un sistema, los pedidos de compra en otro, los devengos en una hoja de cálculo y la explicación de una desviación enterrada en un hilo de mensajes.

Estamos avanzando hacia un modelo operativo diferente. El objetivo del cierre en el día cero es conectar los planes de gasto aprobados, los datos reales del libro mayor, los pedidos de compra, los devengos y los detalles de las transacciones en una vista conciliada continuamente. Cada desviación puede rastrearse hasta la actividad subyacente. La IA puede preparar una explicación inicial y señalar las excepciones que requieren atención. Finanzas valida las cifras, aplica su criterio y asume la responsabilidad de la aprobación final.

El cierre no desaparece. Lo que empieza a desaparecer es la carrera contrarreloj para reconstruir la situación del negocio una vez finalizado el periodo.

Esa base conciliada puede sustentar una previsión que se actualice continuamente. Nuestro equipo está creando flujos de trabajo que combinan modelos estadísticos, conversaciones de ventas, evidencias de cada cuenta, datos operativos y el criterio del equipo financiero.

Estamos superando las limitaciones de las hojas de cálculo mediante herramientas más interactivas que reúnen la previsión estadística, las evidencias que la respaldan y los escenarios en una única vista en tiempo real. Los responsables pueden ver qué ha cambiado, por qué y qué decisiones podrían modificar el resultado. Cuando un nuevo compromiso de un cliente no aparece en el escenario de referencia, el sistema puede mostrar las evidencias que lo respaldan y cómo afectaría un ajuste al trimestre o al año. Finanzas puede examinar los supuestos, comparar escenarios y decidir si actualiza la previsión aprobada.

Esa misma vista puede ayudar a los responsables a tomar mejores decisiones sobre la asignación de capital. Un equipo financiero puede ver dónde genera rentabilidad la inversión en marketing, dónde disminuyen los resultados y qué efecto tendría reasignar el próximo euro.

El objetivo final es automatizar las previsiones. Para lograrlo, necesitamos una vista que se actualice continuamente, un análisis de escenarios más rápido y una responsabilidad clara por parte de Finanzas.

La enseñanza general es empezar por una decisión de gran repercusión y trabajar hacia atrás. Hay que identificar los datos, las herramientas, las aprobaciones y los traspasos necesarios para respaldarla. Después, hay que determinar qué partes puede analizar, coordinar o completar la IA. Esto mejora la velocidad y la calidad de todo el ciclo de decisión.

La transformación más profunda es que los profesionales de finanzas ahora pueden crear las herramientas que exige su trabajo.

Un estudio reciente de OpenAI muestra que el 40 % del uso especializado de la IA por parte de profesionales de finanzas corresponde a trabajos ajenos a las finanzas tradicionales, y el 22 % a tareas relacionadas con la ingeniería.

Todos los miembros de mi equipo crean paneles y herramientas de IA personalizados con ChatGPT Work y Codex. El trabajo está pasando de modelos estáticos de Excel y presentaciones de PowerPoint a paneles en tiempo real que aprovechan todo el contexto y los datos del negocio. Estas herramientas pueden desarrollar un análisis, responder a preguntas de seguimiento y actualizarse conforme cambia la información subyacente.

Un compañero que daba apoyo a nuestro negocio publicitario nunca había programado. Utilizó Codex para crear una herramienta que convierte nuestra previsión publicitaria mensual en planes semanales y diarios. Tiene en cuenta los días laborables y festivos, compara previsiones y mantiene cada cifra vinculada al modelo aprobado. Los responsables de marketing pueden ver rápidamente qué ha cambiado, dónde invertir y qué rentabilidad podría generar un gasto adicional.

Quienes entienden el problema ahora pueden dar forma a la solución. Crear estas herramientas también les lleva a replantearse la forma habitual de trabajar. Un profesional de finanzas puede crear la infraestructura de toma de decisiones que necesita el negocio, probarla con sus compañeros y mejorarla a medida que evoluciona el trabajo.

Los equipos financieros no están perdiendo especialización. Están adquiriendo la capacidad de llevar más lejos sus conocimientos especializados.

IR-GPT nos enseñó una lección importante sobre el control. Las preguntas de diligencia debida de los inversores pueden exigir que un analista busque en materiales anteriores, redacte una respuesta, compruebe su coherencia y coordine la revisión. Con un GPT personalizado basado en fuentes aprobadas, un trabajo que antes llevaba horas y a veces continuaba durante la noche ahora puede generar en segundos un primer borrador sólido.

El papel de las personas sigue siendo fundamental. Nuestro equipo de relaciones con inversores lee el borrador, aporta criterio y contexto, y comprueba que nuestras respuestas sean coherentes para todos los inversores. La IA acelera el trabajo. Las personas asumen la responsabilidad del resultado.

Ese es el modelo adecuado para Finanzas. Los directores financieros deben colaborar con los equipos de TI y gobernanza para definir a qué datos puede acceder un sistema de IA, qué acciones puede realizar, cuándo se requiere aprobación y cuándo debe escalarse una incidencia. Cada resultado debe estar vinculado a una fuente fiable. Cada previsión debe incluir una explicación clara. Todo cambio en un escenario de referencia aprobado debe requerir la autorización de Finanzas.

La breve moda del «tokenmaxxing» ya ha pasado. Ahora es sencillo establecer límites de uso, controles presupuestarios, acceso basado en roles, reglas de enrutamiento entre modelos y umbrales de aprobación. Los directores financieros pueden gestionar el uso de la IA con la misma disciplina que aplican a cualquier gasto variable, a la vez que dan margen a los equipos para crear y experimentar.

Una responsabilidad bien definida genera la confianza necesaria para avanzar más rápido. A medida que se aceleran la síntesis, la conciliación y la preparación, los profesionales de finanzas disponen de más tiempo para cuestionar supuestos, asesorar al negocio y aplicar su criterio.

Los directores financieros necesitan un cuadro de indicadores de IA basado en el rendimiento operativo. Comprar más licencias o usar más tokens no aporta demasiada información. Lo importante es si el trabajo se hace bien y cuánto cuesta realmente.

Para cada flujo de trabajo, hay que plantearse cuatro preguntas:

• ¿La IA completó un trabajo importante?
• ¿Cuánto costó, incluido el tiempo de los empleados, la revisión y la repetición del trabajo?
• ¿El resultado tenía calidad suficiente para utilizarlo?
• ¿Nos ayudó a avanzar más rápido o a tomar una decisión mejor?

Para un equipo financiero, un trabajo útil podría ser actualizar una previsión, explicar una desviación, atender una solicitud de auditoría o responder a una pregunta del consejo. Para el cierre, el cuadro de indicadores podría incluir la duración del ciclo, el porcentaje de transacciones conciliadas automáticamente, el número de excepciones que requieren revisión y el tiempo necesario para explicar una desviación. Para las previsiones, podría incluir su precisión, la frecuencia de actualización, el tiempo necesario para elaborar un nuevo escenario y la calidad de las decisiones que sustentan.

El modelo más barato no siempre es el más rentable. Si un modelo mejor llega a una respuesta fiable con menos intentos y revisiones, su coste total puede ser menor.

Finanzas ocupa un lugar central en la estrategia, el capital, los datos, el riesgo y el rendimiento. Esto ofrece a los directores financieros una perspectiva única sobre el funcionamiento de la empresa y un sólido mandato para liderar su transformación mediante la IA.

Una función financiera nativa de IA se caracteriza por ciclos más rápidos, controles más sólidos, mejores decisiones y más tiempo para aplicar el criterio profesional. El camino comienza con un flujo de trabajo relevante y se amplía a partir de la evidencia: hay que ofrecer herramientas, ayudar a replantear el trabajo, mantener claras las responsabilidades y medir el resultado.

El cierre en el día cero y la previsión continua reflejan una ambición más amplia: un equipo financiero que entienda lo que sucede mientras ocurre, muestre a los líderes qué podría suceder después y ayude a la empresa a tomar antes mejores decisiones.

El resultado es un equipo financiero con mayor capacidad y un director financiero con una visión más clara del negocio. También ofrece un modelo práctico para que toda la empresa convierta la inteligencia en valor duradero. Como siempre digo, no puedes ser lo que no puedes ver. Si queremos que nuestros equipos financieros aprovechen las posibilidades de la IA, tenemos que mostrarles cómo son en la práctica; y, como directores financieros, debemos empezar por nosotros mismos.

Mi equipo financiero mostró cómo funciona esto en la práctica; puedes ver la grabación aquí⁠(se abre en una ventana nueva).