El marco de 5 pasos para la IA en la elaboración de previsiones de FP&A: Una guía
Parece que todos estamos tratando de descubrir cómo usar la IA en FP&A (de manera adecuada). ¿Puede la IA facilitar tu trabajo? Probablemente. ¿Requerirá algo de esfuerzo? Definitivamente.
Ya sea utilizando ChatGPT, Copilot u otra herramienta, existe la noción de que la inteligencia artificial (IA) y el aprendizaje automático (ML) son "cajas negras", es decir, que no es posible ver su funcionamiento interno.
En finanzas, esta falta de transparencia y la necesidad de digitalización plantea un desafío para CFOs, Controllers Financieros y equipos de Planificación y Análisis Financiero (FP&A), quienes necesitan proporcionar pronósticos precisos pero, más importante aún, deben comprender y explicar los factores subyacentes a las partes interesadas del negocio.
Want more from The CFO Club?
Create a free account to finish this piece and join a community of modern CFOs and finance executives accessing proven frameworks, tools, and insights to navigate AI-driven finance.
Have an account? Log In
Como sabemos, Finanzas no puede entregar un pronóstico automatizado y, cuando le pregunten por los principales factores de su modelo, simplemente responder "Así lo indican las herramientas de IA".
Para abordar este problema y fomentar la confianza en los procesos impulsados por IA para la toma de decisiones, es esencial establecer mecanismos para supervisar la IA, a fin de garantizar que el trabajo realizado sea confiable y responsable.
Pero luego viene la parte difícil: ¿cómo crear marcos de supervisión para los procesos de IA y asegurar que el trabajo se realice correctamente?
En este artículo, exploraré un proceso específico de IA: el Pronóstico mediante Aprendizaje Automático (ML).
PD: Ya he explicado cómo determinar qué tareas de FP&A tienen prioridad al automatizar procesos si tienes dudas sobre ello.
Marco de 5 Pasos para Supervisar el Pronóstico con ML
Si deseas saber cómo utilizar la IA en FP&A, necesitarás un plan claro para hacerlo correctamente. Cuando se trata de pronóstico con ML, hay varias áreas clave que requieren supervisión para asegurar que el trabajo se realice de manera adecuada. Estos son los 5 pasos que sigo:
1. Revisa tus Supuestos
El primer paso es validar los supuestos realizados durante el proceso de pronóstico. Esto implica examinar las hipótesis subyacentes y asegurarse de que se ajusten al contexto del negocio. Debes evaluar si los supuestos son razonables, consistentes y están basados en datos históricos relevantes.
Por ejemplo, cuando comencé a pronosticar el Gasto Laboral durante la COVID-19, el modelo fue entrenado con datos históricos pero no consideraba otros factores como el aumento de la demanda. Para una persona, este incremento de la demanda sería un nuevo supuesto “razonable”, pero una máquina no "pensaría" en incluirlo. Si el algoritmo de ML fuera una caja negra, no podrías ver el impacto de la demanda en el resultado final.
2. Revisa la Precisión de Tus Datos
Los conjuntos de datos precisos y de alta calidad son fundamentales para pronósticos fiables. Como decimos en Finanzas y Contabilidad, si tus datos de entrada son basura, tus salidas también lo serán.
Es fundamental verificar que los datos utilizados para entrenar el modelo de ML sean completos, estén actualizados y representen bien a la población objetivo. Se deben implementar técnicas de limpieza y preprocesamiento de datos para abordar valores atípicos, datos faltantes y otros problemas de calidad.
En mi experiencia, no contar con datos en tiempo real (o lo más cercano posible), fiables, es la razón más común por la que los algoritmos de ML no funcionan en las empresas. Necesitas tener tus datos depurados, estandarizados y estructurados de modo que el modelo pueda utilizarlos fácilmente.
3. Comprende la Lógica del Algoritmo
Si quieres saber cómo usar IA en FP&A, necesitas entrar en la "mente" de la máquina. Comprender la lógica detrás del algoritmo seleccionado es esencial: necesitas determinar si es adecuado para la tarea de pronóstico en cuestión.
Deberías evaluar si el algoritmo de ML elegido se ajusta a las características de los datos y a los objetivos específicos del pronóstico. Dado que los modelos de IA se basan en análisis predictivos, tienes que comprobar que las predicciones realmente tengan sentido. Esta evaluación ayuda a garantizar que los supuestos subyacentes del algoritmo estén alineados con el ámbito financiero.
Una forma de hacerlo es descomponer el algoritmo en partes más pequeñas e intentar comprender las matemáticas detrás de cada uno de los componentes. Luego, entender la relación entre ellos y los casos en los cuales el algoritmo producirá ciertos resultados. Si no te sientes preparado para manejar esta parte del análisis de datos por ti mismo, encuentra a un experto en IA (ingeniero, científico de datos o una persona en un rol similar al mío) que realice el análisis por ti. Alternativamente, podrías usar una herramienta de análisis estadístico que simplifique el proceso.
Esta evaluación de la lógica también debe ir de la mano con el siguiente punto: entender los factores impulsores.
4. Comprende los Factores Impulsores (y sé capaz de Explicarlos)
La transparencia en los pronósticos requiere la capacidad de explicar los factores que están detrás de los resultados predichos: ya sea que formes parte de un equipo de FP&A o seas el CFO, no puedes presentar datos que no entiendes.
Debes comprender las variables y características clave que contribuyen a los resultados del pronóstico. Esta explicación ayuda a generar confianza y a facilitar una comunicación efectiva con las partes interesadas que dependen del pronóstico.
En mi propio proceso, antes de comenzar a codificar el algoritmo, paso 1 o 2 días con la parte del negocio para la que lo estoy construyendo. Voy a una fábrica en particular si el algoritmo está destinado a predecir su consumo de energía o acompaño a un equipo de ventas si el algoritmo va a pronosticar las ventas en una tienda específica.
Una vez que tienes una idea del departamento, equipo o instalación en cuestión, anota todos los factores que podrían afectar la previsión y asegúrate de que el algoritmo no entregue solo un “resultado final”, sino que también explique cuáles características o factores contribuyeron a llegar a ese resultado.
5. Valida los Resultados
Los algoritmos de ML deben ser validados a fondo para asegurar que sus resultados tengan sentido. Esto implica examinar las métricas de desempeño del modelo, como precisión, exactitud, exhaustividad y el error absoluto medio. Si el desempeño del modelo está por debajo de los umbrales aceptables, puede ser necesario un refinamiento adicional, reentrenamiento o explorar algoritmos alternativos.
En las últimas semanas, he estado hablando con muchos profesionales de finanzas y describen este último paso de diferentes maneras: algunos lo llaman “intuición”; otros, el “olfato” para los resultados del pronóstico.
En pocas palabras, debes usar tanto tu conocimiento empírico como tu experiencia en el tema para evaluar si el pronóstico tiene sentido. Puedes utilizar los cálculos matemáticos descritos arriba para hacerlo, pero también necesitas tener una mentalidad de verdadero socio de negocio y siempre construir tu conocimiento empresarial para poder evaluar correctamente el resultado de un modelo de IA.
El Veredicto
Da a una persona una automatización de ML: automatizará por un día. Enseña a una persona a usar IA en FP&A: automatizará para toda la vida.
Los casos de uso son muchos, ya que las capacidades de la IA continúan creciendo y descubriéndose. Pero las decisiones empresariales aún no se están dejando en manos de los robots.
Los beneficios de la IA pueden hacer la vida más fácil para los CFOs y los profesionales de FP&A pero, por ahora, ChatGPT aún no puede hacer el trabajo por sí solo.
Si quieres mantenerte a la vanguardia con la implementación de la IA en finanzas, suscríbete al boletín de The CFO Club y recibe las mejores guías directamente en tu bandeja de entrada.