Lo que deben tener en cuenta los responsables de finanzas antes de implantar una solución de IA a gran escala

En abril, el CTO de Uber, Praveen Neppalli Naga, reveló que su empresa había agotado su presupuesto completo de IA para 2026 en solo cuatro meses, en gran parte debido a la adopción de herramientas de programación por IA por el equipo de ingeniería. En junio, Uber limitó el gasto a 1500$ (1300€) por empleado al mes para cada herramienta de IA agéntica, y lo controlaba en un panel de control interno.

La reacción de Uber tras haber sobrepasado el presupuesto es más significativa que el hecho en sí: Uber decidió no ralentizar la adopción, sino visibilizar el consumo y fijar límites. En esencia, cuanto más inteligente se vuelve una IA, más tokens utilizan los empleados, y más costosa se puede volver si se utiliza a gran escala.

Para los responsables de finanzas, esto contradice la presuposición de que las tecnologías de IA reducen los costes de manera lineal y predecible. En realidad, son diversos factores, incluidos los costes de inferencia, los repuntes de uso y el trabajo de corregir problemas derivados de la mala calidad de los datos, los que pueden minar rápidamente las ganancias previstas.

La limitación es la verificabilidad, no la capacidad

Los programas tradicionales automatizan aquello que se puede especificar. Si defines un flujo de trabajo, una política, un umbral de aprobación o una vía para gestionar las excepciones, el sistema seguirá esas instrucciones. La IA funciona de manera distinta: automatiza aquello que se puede verificar. Esta distinción suele ser lo que separa una buena implantación de la IA en las finanzas de un caro experimento.

En teoría, las finanzas deberían ser una de las áreas mejor posicionadas para beneficirse de ella. Los pagos se concilian, los libros contables cuadran y todos los asientos contables deberían ser trazables. Pocas áreas de una empresa generan resultados más fáciles de comprobar. Pero esa ventaja solo puede aprovecharse si las reglas en las que se sustentan son explícitas y si los datos se pueden utilizar. Sin embargo, en muchas organizaciones, no se da ni una cosa ni la otra.

En un estudio reciente a 1520 responsables financieros y empresariales, Payhawk evidenció esta brecha. De los 405 encuestados que describían sus organizaciones como «con una implantación de la IA consolidada», el 78% decía contar con buenas capacidades y herramientas, mientras que el 69% tenía presupuesto asignado a estas. Sin embargo, solo el 61% contaba con datos preparados para la IA y un mero 55% había establecido unas reglas básicas para su uso. Solo el 26% de las personas encuestadas estaban bien preparadas en las cinco dimensiones valoradas.

Las organizaciones que creen que van a la vanguardia invierten en capacidades mucho más rápido de lo que establecen las condiciones necesarias para controlarlas. Su inversión y preparación técnica van más de un 20% por delante de sus reglas.

Cómo pueden los responsables de finanzas aplicar la IA sin perder el control

Lo que pone a prueba a un sistema no es si una tarea es repetitiva, sino si existe una respuesta correcta con independencia del modelo y si esta se puede comprobar de manera rápida y barata.

Pongamos dos procesos financieros rutinarios. La triple conciliación tiene un referente externo: existen órdenes de compra y albaranes con independencia del modelo que los analiza. El resultado del modelo puede verificarse en segundos y todo desajuste resulta útil, porque identifica excepciones particulares.

El devengo al cierre del período es distinto. No hay una respuesta definitiva disponible en el momento de contabilizarlo. Solo se pueden comprobar estimaciones más tarde, cuando llega la factura y cuando ya ha afectado a las cuentas y a los informes de gestión. Cuando utilizamos una IA en el primer proceso, lo que nos permite es automatizar de manera controlada. Cuando la utilizamos para el segundo, introduce una valoración que puede no comprobarse hasta que las consecuencias ya sean tangibles.

Para las empresas de contabilidad y servicios profesionales, esta distinción es todavía más importante, porque se ha de proporcionar el registro de evidencias. Una conclusión que no tenga una fuente en la que basarse no estará completa. La persona que revisa o aprueba una decisión debe ser capaz de reconstruir el razonamiento tras dicha decisión. La automatización sin fundamentos no elimina el trabajo; hace que el trabajo se concentre no en la elaboración de una respuesta, sino en la reconstrucción del fundamento de dicha respuesta, lo que suele suponer un coste aún mayor.

En ambos casos, lo que importa es la calidad de los datos de referencia sobre los que se sustentan. La automatización solo es fiable si los registros en los que se basa lo son. Cuando un mismo proveedor aparece registrado con cuatro nombres distintos, el modelo no elimina esta ambigüedad: la agrava. Cuando una excepción llega a una persona, resolverla puede resultar más costoso que la tarea rutinaria que el sistema debía reemplazar.

Las cinco decisiones ineludibles para los responsables de finanzas

En los próximos 12 meses, los responsables de finanzas deberán tomar cinco decisiones fundamentales cuyo impacto se podrá medir con facilidad.

1. Definir qué supone la «verificación» para cada proceso. Define cuál sería un buen resultado correcto para cada proceso y quién lo confirma. Si sigues necesitando que una persona compruebe cada resultado, no has eliminado el trabajo, solo lo has trasladado. Ese tiempo de verificación constituye un coste de implantación.
2. Identificar oportunidades de mejora rápida. Selecciona dos o tres casos de uso de la IA de gran impacto y bajo riesgo para poner en marcha proyectos piloto, demostrar el retorno de la inversión y generar impulso a nivel interno.
3. Fijar unas reglas mínimas, no un marco de gobernanza. Determina qué herramientas se aprueban, para qué tareas, con qué umbrales, cómo se registran los resultados y qué ocurre cuando hay una excepción. Un marco completo puede esperar, pero las reglas mínimas no, porque tus empleados ya están utilizando herramientas de IA de uso general con documentos de tu empresa.
4. Establecer una alianza tecnológica estratégica. Elige entre soluciones de proveedores, desarrollo interno o un enfoque híbrido para determinar la rapidez con la que se obtiene valor y las capacidades a largo plazo.
5. Diseñar un plan de transformación de la plantilla. Diseña programas de mejora de competencias y redefine los perfiles para los equipos que trabajan con IA, a fin de garantizar que el capital humano esté preparado para unas operaciones centradas en la IA.

Cuantificar el valor y el retorno de la inversión de la IA

Parte de mantener el control consiste en trabajar con marcos concretos que orienten los procesos financieros. La fórmula siguiente explica cómo se podría medir el retorno de la inversión de la IA.

Retorno de la inversión de la IA = (Valor anual generado – Inversión anual en IA) / Inversión anual en IA × 100

Con solo dos pequeños ajustes, podemos ver la utilidad de esta función. Separa los costes de desarrollo de los costes de uso: la implantación de la IA es un coste puntual, mientras que el uso supone un gasto recurrente que aumenta a medida que se amplía su utilización. Por tanto, calcula el período de amortización en función del coste de propiedad y no solo de las cuotas de las licencias.

Incluye también el coste del trabajo adicional. Si una persona debe comprobar, corregir o conciliar un resultado, ese tiempo de verificación debe incluirse en los costes. En finanzas, suele ser el mayor de ellos y es el dato que indica si has automatizado un proceso verificable o uno no verificable.

Para los responsables financieros, la verdadera pregunta ya no es dónde puede la IA mejorar la eficiencia, sino cuáles son los flujos de trabajo que se pueden automatizar sin comprometer las aprobaciones, los registros de auditoría ni la rendición de cuentas. Así es como la IA se convierte en un activo predecible y medible para la empresa, en lugar de un experimento costoso.