Los agentes de IA no importan sin adopción
Sibaranjan Patnaik explica por qué la IA solo tiene éxito en las finanzas cuando los equipos rediseñan los flujos de trabajo, automatizan las tareas rutinarias y mantienen el juicio humano en el centro.
Sibaranjan Patnaik
Director de Finanzas y Estrategia
Transformación de la IA: Sibaranjan destaca el papel de la IA en la redefinición de los flujos de trabajo financieros, más allá de los simples cambios de presentación.
Uso estratégico de la IA: La IA ayuda a los equipos financieros a operar en niveles estratégicos más altos, cerrando las brechas entre los equipos y la sede central.
Automatización de flujos de trabajo: La IA automatiza las tareas financieras mecánicas, lo que permite a los equipos centrarse en el análisis y la toma de decisiones.
Desafíos de adopción: La integración eficaz de la IA requiere rediseñar los flujos de trabajo y superar la resistencia de los profesionales de las finanzas.
Exploración de herramientas: Claude destaca en los casos de uso financieros, pero se recomienda explorar diversas herramientas de IA.
Sibaranjan Patnaik es el director de Finanzas y Estrategia del GCC en India de una gran empresa tecnológica. Con 16 años de experiencia, ha trabajado en diferentes puestos tanto en contabilidad como en FP&A, lo que le ha proporcionado una comprensión integral de cómo funcionan las áreas financieras.
Hablamos con Sibaranjan para conocer los agentes financieros internos que está desarrollando y por qué el éxito de la IA se define por las personas que la adoptan. Esto es lo que nos contó.
La transformación tecnológica de las finanzas finalmente está sucediendo
Soy Siba, director de Finanzas y Estrategia, con unos 16 años de experiencia.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Comencé en contabilidad, pasé a FP&A, y esa trayectoria en ambos lados del área me proporciona una visión completa de cómo funcionan las finanzas a diario: no solo la capa de planificación y previsión, sino también el motor transaccional y de generación de informes que hay debajo.
Hoy, mis responsabilidades se han ampliado más allá de las finanzas: dirijo equipos tecnológicos, áreas de ingresos y múltiples divisiones simultáneamente, y desempeño el papel de líder interfuncional tanto como el de líder financiero. Esta amplitud cambia la forma en que entiendes la transformación: dejas de verla como un problema financiero y empiezas a verla como un problema organizativo.
En retrospectiva, esto me resulta casi gracioso: a lo largo de mi carrera, he oído hablar de la transformación financiera impulsada por la tecnología. Mejores herramientas. Sistemas más inteligentes. La desaparición de Excel. Sin embargo, en cada puesto al que llegaba, ya fuera en una gran empresa de bienes de consumo de alta rotación, un minorista global o un GCC, el flujo de trabajo principal seguía siendo el mismo. Extraer los datos, conciliarlos, crear el modelo, dar formato a la presentación y enviarla. Excel, siempre.
Tenía paneles de control creados a partir de extracciones manuales de datos. Tenía herramientas de planificación que aún requerían que alguien supervisara constantemente las suposiciones. La tecnología existía en áreas aisladas, pero la transformación nunca terminaba de llegar.
Lo que es diferente ahora —y lo digo como alguien escéptico ante la publicidad exagerada en torno a la tecnología financiera— es que la IA, específicamente la IA agéntica, es lo primero que he utilizado que realmente cambia el flujo de trabajo subyacente, no solo la capa de presentación. Hoy la utilizo para automatizar comentarios, acelerar el análisis de escenarios y gestionar el trabajo analítico repetitivo que antes consumía la mayor parte de la semana de un equipo.
Por primera vez en mi carrera, siento genuinamente que la transformación prometida finalmente avanza en la dirección correcta. Y eso es lo que intento aportar a las conversaciones cuando asesoro a jóvenes profesionales de las finanzas, porque el momento para adelantarse a esto es ahora.
Usar la IA para operar en un nivel estratégico superior
Trabajo para una organización consolidada que cotiza en bolsa y tiene operaciones globales. No compartiré detalles específicos públicamente —quiero dejar claro que lo que comparto aquí son únicamente mis observaciones personales—, pero puedo decir que dirijo una organización financiera dentro de una estructura de GCC en India. Esto significa que somos un centro estratégico de prestación de servicios para una función global mucho más amplia.
La complejidad es real; hacemos mucho más que procesamiento administrativo. El equipo abarca FP&A, ingresos y funciones tecnológicas, y opera en múltiples divisiones con importantes interdependencias interfuncionales. En este entorno, equilibramos constantemente la estandarización global con las realidades de la ejecución local.
Desde el punto de vista de la transformación, históricamente los GCC de India se han considerado centros de costes, creados para la eficiencia, no para la influencia. En gran medida, intento cambiar esa percepción, tanto internamente como en la forma en que el equipo se ve a sí mismo. Como socio financiero de una unidad de negocio global dentro de un GCC, debes operar en el mismo nivel estratégico que cualquier persona de la sede central. La IA es una parte importante de cómo cerramos esa brecha.
Por qué las grandes transformaciones de IA en las finanzas requieren paciencia
Hoy no tengo un flujo de trabajo financiero integral impulsado por IA completamente implementado y funcionando en producción. Desconfiaría de cualquiera que afirmara tenerlo funcionando a escala, con controles, dentro del entorno de una empresa pública regulada.
Hoy no tengo un flujo de trabajo financiero integral impulsado por IA completamente implementado y funcionando en producción. Desconfiaría de cualquiera que afirmara tenerlo funcionando a escala, con controles, dentro del entorno de una empresa pública regulada. Tengo una dirección clara, un conjunto de herramientas de productividad que realmente están cambiando la forma en que mi equipo y yo trabajamos a diario, y una serie de agentes en distintas etapas de desarrollo y pruebas.
En cuanto a la productividad, uso herramientas de IA a diario para redactar comunicaciones, resumir informes extensos, estructurar análisis, prepararme para revisiones del negocio y analizar escenarios más rápido de lo que podría hacerlo por mi cuenta. No son casos de uso glamorosos, pero el ahorro de tiempo acumulado es real y ha cambiado la calidad de mi participación en las conversaciones.
Mi progreso actual es más ambicioso. Estoy avanzando hacia un flujo de trabajo en el que los agentes se encarguen de las partes mecánicas del ciclo de cierre mensual —la consolidación de datos, la identificación de variaciones y la generación de comentarios—, mientras que las personas intervengan en la fase de revisión y criterio. La arquitectura existe y las pruebas están en curso. Hacerlo bien, con los controles adecuados, lleva tiempo.
Comparto esto como un trabajo en progreso, en lugar de presentarlo como algo terminado, porque creo que la profesión financiera ya tiene suficientes personas vendiendo el destino final. Lo útil es escuchar cómo es el camino en tiempo real: qué funciona, qué se está resolviendo y qué resulta más difícil de lo esperado.
Ahí es donde estoy. Construyendo con cuidado, avanzando de forma constante y sin esperar a la perfección para empezar.
Cómo mejora la IA los comentarios sobre variaciones
Un cambio reciente que he realizado tiene que ver con los comentarios sobre variaciones. Todos los equipos financieros lo hacen. Cada mes, sin falta, alguien se sienta a escribir entre dos y tres páginas explicando por qué los resultados reales estuvieron por encima o por debajo del plan. Línea por línea. En teoría es un trabajo importante, pero en la práctica, alrededor del 80 % es mecánico. Los números ya están ahí. Las variaciones ya están calculadas. Lo que lleva tiempo es la traducción: convertir los datos en frases que una persona ajena a las finanzas pueda leer y utilizar para actuar.
Antes de cambiar esto, un analista sénior dedicaba prácticamente todo un día solo a los comentarios. No porque fuera lento, sino porque realmente eso es lo que tardaba en hacerlo correctamente en varios centros de costos y líneas de negocio. Y para cuando terminaba, se revisaba y se daba formato, el margen para la conversación que debía facilitar ya se había reducido.
Creé un agente para encargarse del primer borrador. Extrae los números, identifica las variaciones materiales y genera comentarios estructurados en un lenguaje empresarial claro. Ahora el trabajo del analista consiste en revisar, perfeccionar y añadir la capa de criterio: el contexto que solo puede aportar una persona con conocimiento del negocio.
Eso afecta a la velocidad, pero también cambia la calidad de la conversación. Cuando el analista no está agotado de escribir, llega a la reunión de revisión pensando en lo que la variación significa para el próximo trimestre, no solo en lo que ocurrió el mes pasado. Ese era el cambio que buscaba. Un día de redacción mecánica puede convertirse en dos horas de reflexión.
Un marco para determinar qué permanece en manos humanas
Mi marco es sencillo: si es mecánico, automatízalo. Si requiere criterio, mantenlo en manos humanas. Eso es todo.
Suena obvio, pero la mayoría de los equipos financieros no trabaja de esa manera. Las personas realizan trabajo mecánico y lo llaman análisis. Las herramientas de IA permanecen sin utilizar porque nadie ha definido claramente el límite.
La IA se encarga de la consolidación de datos, las conciliaciones, la identificación de variaciones, los primeros borradores de comentarios, las actualizaciones de los modelos de previsión cuando cambian los supuestos, los paquetes de informes estándar y las proyecciones de flujo de caja basadas en patrones históricos. Son tareas repetibles, basadas en reglas y de gran volumen. Las personas ya no deberían dedicarles un tiempo significativo. Un agente las realiza más rápido, de manera más uniforme y sin el cansancio que aparece al final de un ciclo de cierre.
Las personas se encargan de todo lo que requiere contexto, relaciones y criterio. ¿Qué significa esta variación para el negocio? ¿Deberíamos reasignar capital a esta iniciativa o esperar, dadas las condiciones del mercado? ¿Cuál es la manera adecuada de presentar este riesgo a la dirección? ¿Es creíble esta previsión en términos de dirección, o simplemente estamos ajustando una cifra a un objetivo? La IA puede aportar información a todas estas conversaciones; no puede asumir su responsabilidad.
Aquí trazo la línea: la IA proporciona a mi equipo información más rápido y en mejor formato que antes. Pero la decisión —y la responsabilidad por ella— sigue correspondiendo a una persona. No estoy sorteando una limitación; así está diseñado.
Cómo la IA mejora la eficiencia y la confianza del equipo de finanzas
En términos positivos, el resultado más fiable es la reasignación del tiempo. Automatizar tareas mecánicas —extracción de datos, conciliaciones, informes estándar y primeros borradores de comentarios— devuelve a cada persona varias horas cada semana. No horas teóricas, sino horas reales. Si se gestiona intencionadamente cómo emplean las personas ese tiempo, se empieza a observar un análisis de mayor calidad, respuestas más rápidas a las preguntas del negocio y profesionales de finanzas implicados en su trabajo en lugar de agotarse durante un ciclo de cierre.
La calidad de las previsiones también mejora, no porque la IA sea más inteligente que los analistas, sino porque estos están menos fatigados y tienen más tiempo para cuestionar las suposiciones en lugar de limitarse a completar el modelo. Las personas cansadas toman malas decisiones. Las personas descansadas, con datos limpios, toman mejores decisiones.
Cualitativamente, el cambio más significativo es la confianza. Cuando un equipo de finanzas deja de dedicar la mayor parte de su energía a producir información y empieza a interpretarla, participa de otra manera en las conversaciones empresariales. Tiene opiniones. Cuestiona las decisiones. Ese es el cambio cultural que resulta difícil de medir, pero imposible de ignorar.
Los mayores modos de fallo de la IA en finanzas
Ahora, lo negativo. El mayor modo de fallo que observo es que los equipos automaticen procesos deficientes. Si los datos subyacentes están desordenados, los flujos de trabajo están rotos o los equipos no entienden las cifras, la IA simplemente acelera el problema. Entran datos basura, salen datos basura, pero más rápido.
El segundo modo de fallo es depender demasiado de resultados que las personas no comprenden del todo. La IA puede producir una previsión con una estructura impecable, un análisis de variaciones que parece convincente y un modelo de escenarios claro. Y si la persona que lo presenta no puede explicar cómo se obtuvo o de dónde proceden las suposiciones, eso supone un riesgo. No un riesgo tecnológico. Un riesgo de criterio. La IA debería hacer que el equipo sea más perspicaz, no más pasivo. Si ocurre lo contrario, ese es el riesgo del que nadie habla con la suficiente claridad.
El tercer modo de fallo es la adopción. Se puede crear el agente más elegante, pero si el equipo no confía en él o no cambia la forma en que trabaja con él, quedará sin utilizar. La gestión del cambio no es opcional.
Por qué la adopción de la IA requiere flujos de trabajo rediseñados
Cuando la IA no funciona, el problema son las personas.
He creado agentes que funcionan. Los he visto probar, validar y aprobar. Después, observé cómo los equipos los evitaban discretamente y volvían a sus métodos anteriores. No por malicia, sino por hábito, comodidad y la convicción genuina de que su versión manual era más fiable, incluso cuando no lo era.
Esta es la brecha de la que no se habla lo suficiente en las conversaciones sobre transformación mediante IA. Todo el mundo se centra en qué construir. Muy pocos se centran en qué debe cambiar en la persona que utiliza la herramienta para que esta tenga una verdadera relevancia.
Los profesionales de finanzas, en particular, reciben formación para ser precisos y reacios al riesgo. Esa es una fortaleza profesional. Se convierte en una barrera cuando se les pide que confíen en un sistema que no han creado y cuyo funcionamiento interno no pueden ver por completo. En el momento en que un resultado de la IA parece ligeramente incorrecto —aunque sea correcto—, vuelven a hacerlo por su cuenta. Y cuando eso sucede varias veces, dejan de utilizar el agente.
He aprendido que la adopción no es un problema de comunicación. Enviar un correo electrónico diciendo «tenemos una nueva herramienta, por favor, utilícenla» no sirve de nada. Es un problema de cambio de comportamiento. Hay que rediseñar el flujo de trabajo en torno a la herramienta, no limitarse a incorporarla al flujo existente y esperar que las personas se adapten.
Por qué Claude destaca en los casos de uso financieros
Las herramientas están cambiando rápidamente, y la que llegue a formar parte de mi flujo de trabajo a largo plazo tendrá que ganárselo. Ahora mismo, mantengo la curiosidad por todas ellas y dejo que los casos de uso decidan.
Utilizo varias herramientas y creo que ese es el enfoque adecuado en este momento. Estamos en una fase de exploración y todas las herramientas siguen evolucionando rápidamente. Elegir una hoy e ignorar las demás sería un error.
Pero si tuviera que inclinarme por una, Claude ha destacado específicamente para el trabajo financiero. La capacidad de razonar sobre situaciones complejas, trabajar con números en contexto, redactar análisis estructurados y manejar el lenguaje empresarial con matices la hace especialmente útil para el tipo de trabajo que exige FP&A y que requiere una gran capacidad de análisis.
Las herramientas están cambiando rápidamente, y la que llegue a formar parte de mi flujo de trabajo a largo plazo tendrá que ganárselo. Ahora mismo, mantengo la curiosidad por todas ellas y dejo que los casos de uso decidan.
No confundas comprar herramientas de IA con la transformación mediante IA
Este es mi consejo:
- Deja de esperar a contar con la estrategia empresarial perfecta antes de avanzar. La mayoría de los CFO con los que hablo tienen una hoja de ruta de transformación que lleva seis meses en revisión. Mientras tanto, sus equipos siguen dedicando la mitad de la semana a tareas que podrían automatizar hoy mismo. La oportunidad está abierta ahora. Aprovéchala.
- No confundas comprar herramientas con lograr una transformación. He visto organizaciones gastar grandes cantidades de dinero en plataformas, licencias y consultores para terminar con los mismos flujos de trabajo con los que empezaron, solo que más caros. La tecnología no es la parte difícil. Lo difícil es evaluar honestamente cómo trabaja tu equipo y estar dispuesto a cambiarlo.
- Invierte en tu gente antes de invertir en herramientas. Un profesional de las finanzas que entienda lo que la IA puede y no puede hacer, que sepa redactar buenas instrucciones, que revise críticamente los resultados de la IA y aporte la capa de criterio profesional vale más que cualquier plataforma que compres. Desarrolla esa capacidad en tu equipo. Se acumula con el tiempo.
- Pon en orden tus datos. La IA expondrá cada grieta de los cimientos de tus datos más rápido que cualquier otra cosa. Si tus cifras no están limpias, tus procesos no están documentados y tus sistemas no se comunican entre sí, soluciona eso primero. De lo contrario, estarás automatizando el caos.
- El trabajo del CFO está cambiando, tanto si te involucras con la IA como si no. La cuestión es si darás forma a ese cambio o reaccionarás ante él. Los líderes financieros que serán relevantes dentro de cinco años son los que tienen la curiosidad suficiente para experimentar, la humildad suficiente para aprender de lo que no funciona y la determinación suficiente para construir algo.
No te limites a tener una opinión sobre la IA. Haz algo con ella.
Sigue la conversación
Puedes seguir el trabajo de Sibaranjan Patnaik en LinkedIn.
¡Próximamente habrá más entrevistas con expertos en The CFO Club!
