La IA provoca el mayor cambio en la dirección financiera en 20 años

En su carrera, Brad Wolfe ha ocupado tres puestos de director financiero en empresas cotizadas en NASDAQ. Ahora es el fundador de Wolfe Packs Consulting, donde apoya a empresas respaldadas por PE en el mercado intermedio bajo. También imparte clases en varias universidades.

Nos sentamos con él para entender cómo la IA está cambiando el puesto de director financiero. Esto es lo que nos contó.

Lo que exige este momento de transformación de la IA

Pasé la primera mitad de mi carrera haciendo el trabajo que la mayoría de los directores financieros delegan. Tres puestos de director financiero en empresas cotizadas en NASDAQ, más de 80 transacciones de M&A y más de 50 implementaciones de sistemas empresariales en ERP, CRM, facturación y almacenamiento de datos. Formación en PwC, JD y un MBA de Kellogg. He comparecido ante comités de auditoría, he firmado las certificaciones 302 y he cerrado operaciones en las que la calidad de los datos me incomodaba lo suficiente como para cambiar el precio.

Mi razón para estar aquí es sencilla: vi cómo se entregaba la IA a las personas equivocadas. No porque las personas de tecnología sean incompetentes —no lo son—, sino porque las preguntas que plantea la IA no son preguntas tecnológicas. Son preguntas de asignación de capital. Son preguntas de responsabilidad. Estas son las preguntas que ya llegan al escritorio del director financiero cuando el resultado de la IA es incorrecto y alguien certifica lo que se produjo.

Ahora dirijo Wolfe Packs Consulting y trabajo con empresas respaldadas por PE en el mercado intermedio bajo. Mi tesis central es que el puesto de director financiero —o lo que llamo el puesto de COFO cuando el mandato operativo está integrado— es el único cargo ejecutivo que ya es responsable del modelo financiero, los controles, la exposición derivada de las certificaciones y la relación con el consejo. La gobernanza de la IA no necesita un título nuevo. El puesto existente debe reclamar el territorio previo al resultado.

Ese es mi enfoque. Y eso es lo que exige este momento.

Construir lo que se necesita

Trabajo como socio operativo y director financiero integrado en empresas respaldadas por PE del mercado intermedio bajo. El encargo típico corresponde a una empresa con ingresos de entre $20 millones y $500 millones, respaldada por un patrocinador que acaba de cerrar la operación o que lleva entre 12 y 18 meses con la inversión y se da cuenta de que la función financiera no está preparada para lo que viene.

La complejidad varía, pero el patrón es constante: estructuras con múltiples entidades, a menudo resultado de una estrategia de consolidación, con equipos financieros diseñados para un modelo operativo de una sola empresa a los que ahora se les pide producir simultáneamente informes consolidados, contabilidad de integración y una arquitectura de datos preparada para la IA. No hay una infraestructura de servicios compartidos. Los informes viven en hojas de cálculo. Los directores financieros son técnicamente capaces, pero están desbordados desde el punto de vista operativo.

Mi función como COFO es ocupar el puesto, construir lo que se necesita y transferir la capacidad —ya sea poner en marcha el modelo financiero, secuenciar el trabajo de sistemas, asumir la relación con el consejo durante una transición o definir cómo es la gobernanza de la IA dentro de una empresa con una complejidad operativa real y un patrocinador que quiere respuestas, no marcos teóricos.

Trabajo con un encargo a la vez y con ese nivel de profundidad. Dedico el resto de mi tiempo a asesorar, escribir y enseñar —en Northwestern, DePaul y Chicago Kent— porque la brecha entre lo que el puesto de director financiero exige hoy y aquello para lo que se prepara a los líderes financieros es lo bastante grande como para requerir acciones tanto a nivel de los profesionales como de la cantera de talento.

Cómo la IA permite crear modelos financieros integrados

El cambio más concreto que he realizado durante el último año es la forma en que construyo y mantengo el modelo operativo y financiero integrado.

Antes, la construcción del modelo era un ejercicio periódico. Un ciclo presupuestario producía una versión; una nueva previsión la actualizaba; y un puñado de personas entendía la lógica del modelo en Excel. Para cuando llegaba una reunión del consejo, el modelo ya estaba obsoleto y el relato tenía que ocultar las brechas.

Ahora utilizo la IA para mantener un modelo actualizado continuamente que conecta directamente los factores operativos con los resultados financieros —ingresos por cohorte, plantilla con costes laborales, gasto en proveedores con el margen por unidad de negocio—. Ya no reconstruyo el modelo trimestralmente. Lo mantengo como un documento vivo que puede analizarse en tiempo real.

Como consecuencia, las conversaciones con el consejo han cambiado. En lugar de presentar una instantánea estática y defender sus supuestos, puedo entrar en una reunión del consejo y ejecutar escenarios en la sala. Un patrocinador pregunta qué ocurre con el EBITDA si el cliente más importante abandona la empresa; la respuesta ya no es «Me pondré en contacto con usted». Está en el modelo y está actualizado.

Este cambio también afectó a mi forma de pensar sobre la gobernanza de la IA. Una vez que los ejecutivos toman decisiones a partir de un modelo asistido por IA, la calidad de los datos se convierte en una cuestión existencial. El modelo no sabe qué falta. Ejecuta lo que tiene disponible. Esto impuso una disciplina en torno a la gobernanza de datos y la documentación de procesos que la mayoría de las empresas del mercado intermedio bajo nunca había tenido.

La IA no creó ese requisito. Hizo que ignorarlo resultara costoso.

Un flujo de trabajo de análisis de variaciones impulsado por IA

Así es como funciona de principio a fin el análisis de variaciones asistido por IA, conectado al modelo operativo y financiero integrado.

Un proceso documentado desde la captación hasta el cobro constituye la base — cada paso generador de ingresos, desde la oportunidad inicial hasta el cobro, asignado a sus sistemas. Esto debe existir antes de añadir la capa de IA. Sin ello, el modelo carece de lógica de procesos para la validación.

A partir de ahí, los sistemas ERP y CRM introducen diariamente los datos reales en el modelo. La IA supervisa los datos entrantes comparándolos con los patrones esperados — ingresos por cohorte, calendario de cobros, gastos por categoría frente al presupuesto — y señala las variaciones que superan los umbrales definidos. Solo señala aquellas que son estadísticamente significativas o que se desvían de las hipótesis sobre los factores impulsores del modelo.

Reviso una alerta el mismo día en que aparece. La IA ya ha rastreado la variación hasta su origen — un cliente específico, un centro de costes específico, un tipo de transacción específico — por lo que la revisión no consiste en buscar a ciegas. Es una cuestión de criterio: ¿Se trata de ruido, una tendencia o un problema de control que requiere una escalada?

El resultado de esa revisión se incorpora directamente al relato para el consejo. Cuando me preparo para una reunión del consejo, edito el análisis de variaciones; no lo elaboro desde cero. El modelo ya ha producido el primer borrador del relato. Mi trabajo consiste en validar la lógica, aplicar el criterio que requiere contexto operativo y asegurarme de que puedo certificar el relato que presento.

La capa de gobierno que permite este trabajo incluye: responsables de datos designados para cada sistema de origen, una vía de escalada documentada para las excepciones del modelo y una distinción clara entre lo que señala la IA y lo que decide el director financiero. La IA no toma la decisión. Saca la información a la luz con suficiente rapidez para tomarla antes de que el problema se agrave.

Claude de Anthropic es vital para los líderes financieros

Claude, el modelo de lenguaje de gran escala de Anthropic, es mi herramienta habitual. No porque sea el único modelo capaz — no lo es — sino porque me ha resultado más útil para el trabajo que importa en el contexto de un director financiero: razonamiento extenso, síntesis de información financiera y operativa compleja, redacción de relatos para el consejo y trabajo con marcos de gobierno que requieren una coherencia lógica sostenida a lo largo de un documento extenso.

Aporta el mayor valor en un caso de uso específico: crear y mantener el Informe maestro — un documento vivo que registra cada relación activa, hilo de contenido, decisión terminológica y asunto pendiente de toda mi plataforma de asesoramiento y contenidos. Esta tarea no cabe en una sola instrucción. Requiere un modelo que mantenga el contexto, razone sobre las dependencias y produzca resultados coherentes con las decisiones tomadas anteriormente en la misma sesión. Aquí es donde la diferencia de calidad entre los modelos resulta más visible.

Por qué los directores financieros deben defender las decisiones informadas por la IA

Brad comparte

La IA no decide sobre la asignación de capital, los criterios de reconocimiento de ingresos, la evaluación de riesgos a nivel del consejo ni ningún otro asunto que requiera certificación. Estos asuntos siguen siendo explícitamente humanos…

Pero el punto más importante no es qué herramientas me encantan, sino para qué las utilizo.

La IA informa el análisis de variaciones, la modelización de escenarios, las previsiones, el reconocimiento de patrones en el flujo de caja y el primer borrador de prácticamente cualquier resultado analítico. Estas son áreas en las que el volumen de datos supera lo que un analista humano puede procesar eficientemente y en las que el valor reside en sacar a la luz la señal, no en que una persona realice los cálculos.

La IA no decide sobre la asignación de capital, los criterios de reconocimiento de ingresos, la evaluación de riesgos a nivel del consejo ni ningún otro asunto que requiera certificación. Estos asuntos siguen siendo explícitamente humanos — no porque la IA no pueda producir una respuesta, sino porque esa respuesta conlleva consecuencias legales y fiduciarias que deben terminar en una persona identificada que pueda defenderla en una revisión adversarial.

Actualmente, la mayoría de los directores financieros gestionan mal la capa intermedia: resultados asistidos por IA que informan las decisiones sin una responsabilidad explícita sobre el resultado. Análisis de variaciones que alimentan un relato para el consejo. Proyecciones de flujo de caja que impulsan conversaciones sobre cláusulas financieras. No son asuntos de bajo riesgo. El director financiero que permite que la IA informe esos resultados sin una arquitectura de gobierno para la calidad de los datos, la validación del modelo y la certificación de los resultados está firmando un 302 sobre una cifra que no puede explicar por completo. Ese no es un problema de IA. Es un problema de controles.

La IA ofrece grandes beneficios y grandes riesgos

Primero, los buenos resultados.

El tiempo de cierre es el resultado más visible. Cuando secuenciamos correctamente el trabajo con los datos antes de implementar informes asistidos por IA, el tiempo de cierre mensual se redujo considerablemente; en un caso, pasó de 18 días a 9. No es magia; ocurre cuando los datos están lo suficientemente limpios como para que la automatización funcione sin intervención manual en cada paso.

La precisión de las previsiones mejoró de una forma distinta a la que esperaba. La mejora no estuvo en la precisión numérica, sino en la velocidad de revisión. Cuando los resultados reales se desvían del plan, el modelo identifica la variación y la rastrea hasta el factor impulsor en cuestión de horas en lugar de días. El CFO no está explicando un incumplimiento en la reunión del consejo. El CFO ya está gestionando la respuesta.

El resultado cualitativo más importante: la conversación con el consejo cambió. Cuando el modelo está actualizado y los escenarios están preparados de antemano, el patrocinador hace mejores preguntas y el CFO ofrece mejores respuestas. Eso cambia la relación.

Ahora, lo malo.

El éxito de la IA requiere una buena infraestructura de datos

El modo de fallo más habitual que he observado consiste en implementar IA sobre un problema de datos que la organización no sabía que tenía.

Todo CFO que inicia una iniciativa de IA cree que sus datos están en un estado razonable —el ERP lleva varios años funcionando, el plan de cuentas está estandarizado y el CRM está poblado—, pero casi nunca es así. Las evaluaciones de calidad de los datos suelen reflejar cómo se ven los datos para las personas que los introdujeron, no cómo se ven para un modelo que intenta utilizarlos.

Los problemas siempre estuvieron ahí: categorización incoherente, procesos no documentados, políticas de reconocimiento de ingresos acordadas en una reunión del consejo pero nunca configuradas en el sistema de facturación y registros de clientes con tres versiones del mismo nombre. El equipo financiero aprendió a sortearlos. La IA no puede.

Por tanto, la IA no señala los datos erróneos. Los procesa con seguridad y produce resultados que parecen autorizados. Un equipo financiero que confía en los resultados sin comprender los datos de entrada se encuentra en una posición más peligrosa que un equipo que utiliza hojas de cálculo, porque, al menos con las hojas de cálculo, normalmente alguien sabe dónde están enterrados los cadáveres.

Lo que he aprendido es que la gobernanza de datos debería ser el primer entregable, no el prerrequisito con el que todos están de acuerdo en principio y que omiten en la práctica. Esto significa mapear el proceso desde el cliente potencial hasta el cobro antes de seleccionar cualquier herramienta de IA: cada transferencia, cada punto de contacto con un sistema, cada lugar donde los datos cambian de manos y podrían codificarse, definirse o perderse de forma incorrecta.

Después, asigna un responsable identificado a cada capa —no un departamento, sino una persona— y documenta cómo debe ser lo correcto en cada paso. Esto significa responsables identificados para cada dominio de datos, definiciones documentadas para cada métrica que utilizará el modelo y una conciliación entre lo que establece la política y lo que realmente hace el sistema, antes de seleccionar la herramienta de IA, no después de implementarla.

El coste de hacerlo mal no consiste únicamente en limpiar los datos. Incluye la necesidad de volver a capacitar, la nueva validación, la pérdida de confianza en los resultados y, en algunos casos, la conversación sobre la reformulación de los estados financieros. Ese coste no figuraba en el caso de negocio. Nunca figura.

La IA falla si no se designan responsables

El segundo fallo es el retraso de la gobernanza y la falta de disposición para designar a un responsable.

La adopción de la IA en las finanzas suele estancarse no porque la tecnología sea incorrecta o la implementación sea complicada, sino porque nadie en la organización ha recibido —o asumido— la autoridad para tomar las decisiones que requiere la implementación de la IA.

Cuando la organización se da cuenta de que necesita una asignación documentada de la responsabilidad sobre los datos, aprobadores identificados y un proceso de escalado para las excepciones del modelo, la IA ya está integrada en flujos de trabajo que nadie comprende por completo. Adaptar la gobernanza posteriormente es considerablemente más difícil y costoso que establecerla antes de la implementación.

¿Quién define cómo deben verse los datos antes de que el modelo los procese? ¿Quién aprueba las excepciones cuando el modelo produce un resultado que no coincide con la política? ¿Quién es responsable cuando el análisis asistido por IA influye en una decisión que resulta ser errónea?

Estas no son preguntas tecnológicas. Son preguntas de autoridad. Y en la mayoría de las organizaciones, se responden de la misma manera que cualquier otra pregunta incómoda sobre autoridad: con un comité.

Por qué la IA no está a la altura en el análisis y la estrategia de proveedores

La IA no ha cumplido sus promesas en el análisis de contratos con proveedores ni en la inteligencia de adquisiciones. La promesa era que la IA identificaría oportunidades de ahorro ocultas en las condiciones contractuales, detectaría gastos duplicados y señalaría condiciones de renovación desfavorables antes de que se renovaran. En la práctica, los datos que alimentan estas herramientas casi nunca están lo bastante limpios o completos como para producir resultados accionables.

Los contratos están en archivos PDF con un formato incoherente, los registros de proveedores tienen tres versiones del mismo nombre de proveedor y la categorización del gasto, que se suponía que debía estar estandarizada, nunca lo estuvo realmente. La IA produce un informe que requiere validación manual, lo que lleva más tiempo que el análisis original.

Veo el mismo patrón en todas partes: la herramienta funciona en la demostración porque preparamos los datos de la demostración. Tiene un rendimiento inferior en producción porque no preparamos los datos de producción.

Cómo la IA transforma los equipos financieros y las necesidades de talento

Brad comparte

Los equipos financieros tradicionales se construyeron en torno a la cantidad de empleados…La IA automatiza una parte significativa de ese trabajo.

La IA está cambiando la estructura del equipo financiero de maneras que la mayoría de los organigramas todavía no han reflejado.

Los equipos financieros tradicionales se construyeron en torno a una plantilla que incluía un controller, un equipo de contables, uno o dos analistas de FP&A y un director financiero que los gestionaba a todos. Esa estructura suponía que las personas realizaban tareas repetitivas y de gran volumen: cerrar los libros, conciliar cuentas, elaborar informes de variaciones y mantener el modelo presupuestario.

La IA automatiza una parte significativa de ese trabajo. La pregunta no es si cambiará el número de empleados. En cambio, las organizaciones deben reconocer que la plantilla financiera ahora incluye cuatro categorías distintas, cada una de las cuales requiere una gestión, una gobernanza y unas estructuras de costes diferentes: empleados, agentes de IA, contratistas y consultores.

La mayoría de las organizaciones financieras utilizan las cuatro categorías sin reconocer la distinción. Un agente de IA que procesa facturas no es un empleado. No tiene un gerente en el sentido habitual. Tiene a alguien que es responsable del proceso: alguien que define sus parámetros, valida sus resultados y responde por un procesamiento incorrecto. Las organizaciones deben designar a esa persona responsable. La mayoría de las organizaciones no lo ha hecho.

Veo cómo cambia la combinación de talento: el trabajo transaccional de gran volumen está pasando a los agentes. El trabajo humano restante requiere criterio, contexto y responsabilidad: el director financiero que certifica el resultado, el controller que sabe dónde están enterrados los problemas en los datos y el analista que entiende por qué el modelo produce una cifra que no coincide con la realidad del negocio.

Los equipos financieros más eficaces dentro de tres años serán aquellos que rediseñen deliberadamente ahora la arquitectura de su plantilla, no aquellos que reduzcan el número de empleados y esperen que los agentes cubran la brecha.

Cómo la IA ha ampliado el mandato de los directores financieros

Muchas personas creen que el puesto de director financiero se está reduciendo. La IA está automatizando el cierre contable, la conciliación, el análisis de variaciones y el primer borrador de la presentación para el consejo. Está disminuyendo el número de empleados necesarios para dirigir una función financiera. El argumento parece evidente.

Pero creo que el puesto se está ampliando, y los directores financieros que entiendan esto serán quienes definan cómo será el cargo durante la próxima década.

Esta es la razón. La IA está automatizando el trabajo básico. Lo que no puede automatizar es la estructura de responsabilidad que hace utilizable el resultado: la arquitectura de gobernanza que determina si el resultado de la IA puede certificarse, el criterio de asignación de capital que decide sobre qué escenario actuar, la relación con el consejo que hace creíble la recomendación y la firma conforme a la SOX 302 que pone el nombre de una persona sobre las consecuencias cuando algo sale mal.

Todo eso se está concentrando en los niveles superiores. El nivel de asesoría de confianza de las finanzas —el director financiero que es responsable del modelo integrado, gobierna el resultado de la IA y asume la exposición fiduciaria— no se está reduciendo. Está adquiriendo mayor importancia a medida que crece el volumen de resultados generados por IA que requieren certificación humana.

Los directores financieros que perderán terreno construyeron su identidad en torno a un trabajo que está siendo automatizado. Los directores financieros que ganarán terreno reclamarán el mandato anterior al resultado —la gobernanza de datos, la arquitectura de procesos y la gobernanza de la IA como función de capital— antes de que otra persona ocupe ese vacío.

Este momento no supone una amenaza para el puesto de director financiero. Es la mayor ampliación del mandato que ha experimentado el cargo en veinte años. La mayoría de los directores financieros todavía no se ha dado cuenta.

Por qué los directores financieros deben cambiar ahora su enfoque

Entonces, ¿mi consejo? Tres cosas, en orden de importancia.

1. Adueñarse primero de la arquitectura. El CFO que espera a que una herramienta de IA exponga los problemas de datos ya está rezagado. La gobernanza de datos, la documentación de procesos y la alineación de sistemas son requisitos previos, no subproductos. Si no sabe quién es responsable de cada dominio de datos, qué establece la política de reconocimiento de ingresos en el sistema de facturación y cómo funciona su proceso del cliente potencial al cobro de principio a fin, no está preparado para implementar IA. Está preparado para financiar la limpieza que sigue a una implementación fallida.
2. Reclamar el mandato antes de que se genere el resultado. La gobernanza de la IA está llegando al escritorio del CFO, lo haya solicitado o no. La exposición relacionada con la certificación conforme a SOX 302, las preguntas de la junta directiva sobre el riesgo de los modelos y las decisiones de asignación de capital en torno a los contratos con proveedores de IA ya pertenecen al CFO por función. El CFO que trata la IA como un problema de TI cede voluntariamente el territorio que define la próxima versión del puesto. El CFO que asume la responsabilidad del modelo operativo y financiero integrado, del proceso del cliente potencial al cobro y de la arquitectura de gobernanza que hace que el resultado sea certificable no solo sobrevive a este momento. La junta directiva y el patrocinador confiarán en ese CFO a medida que aumenten las apuestas.
3. No construya su identidad profesional en torno a un trabajo que está siendo automatizado. El cierre contable, las cuentas por pagar, las conciliaciones y los informes básicos se están convirtiendo en productos básicos. El CFO que construyó toda su credibilidad en torno a ejecutar el cierre verá cómo esa credibilidad se vacía más rápido de lo que cambia la descripción del puesto. El trabajo que se acumula es el que no puede convertirse en un producto básico: el criterio para la asignación de capital, la confianza de la junta directiva, la arquitectura de gobernanza y la capacidad de certificar que lo que produjo el modelo es algo que está dispuesto a respaldar con su nombre.

Este momento no es una amenaza para el puesto de CFO. Es una ampliación del mandato. Los CFO que lo vean así definirán cómo será el puesto durante la próxima década.

Sigue el hilo

Puedes seguir el trabajo de Brad Wolfe en LinkedIn y consultar Wolfe Packs Consulting.

¡Próximamente, más entrevistas con expertos en The CFO Club!