El Marco de 5 Pasos para la IA en la Predicción de FP&A: Una Guía
¿Puede la IA en FP&A facilitar tu trabajo? Probablemente. ¿Requerirá algo de trabajo? Definitivamente. Existe la idea de que la inteligencia artificial (IA) y el aprendizaje automático (ML) son “cajas negras”, lo que significa que no es posible ver su funcionamiento interno.
Esta falta de transparencia y necesidad de digitalizarse plantea un desafío, porque necesitas proporcionar previsiones precisas y entender y explicar los factores a las partes interesadas. Es esencial establecer mecanismos de supervisión para la IA, a fin de garantizar que el trabajo realizado sea fiable y responsable.
Marco de 5 pasos para supervisar las previsiones con ML
Si quieres saber cómo usar IA en FP&A, necesitas un plan claro para hacerlo correctamente. Cuando se trata de previsión con ML, hay varias áreas clave que requieren supervisión para garantizar que el trabajo se realiza bien. Aquí te indico los 5 pasos que sigo:
¿Quieres más de The CFO Club?
Crea una cuenta gratuita para terminar de leer este artículo y únete a una comunidad de CFOs y ejecutivos financieros modernos que acceden a marcos probados, herramientas e ideas para navegar las finanzas impulsadas por IA.
Have an account? Log In
1. Revisa tus supuestos
El primer paso es validar los supuestos hechos durante el proceso de previsión. Esto implica examinar cuidadosamente las hipótesis subyacentes y asegurarse de que estén alineadas con el contexto del negocio. Debes evaluar si los supuestos son razonables, coherentes, y basados en datos históricos relevantes.
Por ejemplo, cuando empecé a prever el gasto en mano de obra durante el COVID-19, el modelo fue entrenado con datos históricos pero no consideró otras variables como el aumento de la demanda. Para un humano, este aumento de demanda sería un nuevo supuesto “razonable”, pero una máquina no “pensaría” en incluirlo. Si el algoritmo de ML fuera una caja negra, entonces no podrías ver el impacto de la demanda en el resultado final.
2. Revisa la precisión de tus datos
Disponer de conjuntos de datos precisos y de alta calidad es fundamental para obtener previsiones fiables. Como decimos en Finanzas y Contabilidad, si tus entradas son basura, tus salidas también lo serán.
Es crucial verificar que los datos utilizados para entrenar el modelo de ML sean completos, estén actualizados y sean representativos de la población objetivo. Deben implementarse técnicas de limpieza y preprocesamiento de datos para abordar valores atípicos, valores faltantes y otros problemas de calidad de datos.
En mi experiencia, no tener datos en tiempo real (o lo más cercano posible), fiables, es la razón más común por la que los algoritmos de ML no funcionan para las empresas. Necesitas que tus datos estén depurados, estandarizados y estructurados de tal forma que el modelo de ML pueda trabajar con ellos.
3. Comprende el razonamiento del algoritmo
Si quieres saber cómo usar IA en FP&A, necesitas meterte en la "mente" de la máquina. Entender el razonamiento detrás del algoritmo elegido es esencial: debes determinar si el algoritmo es adecuado para la tarea de previsión específica.
Debes evaluar si el algoritmo de ML seleccionado se alinea con las características de los datos y los objetivos específicos de la previsión; como los modelos de IA suelen estar basados en análisis predictivo, debes comprobar que las predicciones realmente tengan sentido. Esta evaluación ayuda a asegurar que los supuestos del algoritmo están alineados con el ámbito financiero.
Una forma de hacer esto es descomponer el algoritmo en partes más pequeñas y tratar de entender las matemáticas detrás de cada uno de sus componentes. Luego, comprender la relación entre ellos y los casos en los que el algoritmo mostrará determinados resultados. Si no te sientes preparado para abordar esta parte del análisis de datos por tu cuenta, busca a un experto en IA (ingeniero, científico de datos o alguien en un puesto similar al mío) para que te ayude con el análisis. Otra opción es utilizar una herramienta de análisis estadístico diseñada para simplificar el proceso.
Esta evaluación del razonamiento también debe combinarse con el siguiente elemento: entender los factores impulsores.
4. Comprende los factores impulsores (y sé capaz de explicarlos)
La transparencia en la previsión requiere poder explicar los factores impulsores tras los resultados predichos: ya seas parte de un equipo de FP&A o seas el CFO, no puedes presentar unos datos que no comprendes.
Debes comprender las variables clave y las características que contribuyen a los resultados previstos. Esta explicación ayuda a generar confianza y facilita la comunicación eficaz con las partes interesadas que dependen de la previsión.
En mi propio proceso, antes de comenzar a programar el algoritmo, paso 1 o 2 días con la parte del negocio para la que lo estoy construyendo. Ve a una fábrica concreta si el algoritmo está diseñado para predecir su consumo de energía, o acompaña a un equipo de ventas si el algoritmo va a prever ventas en una tienda específica.
Una vez que tengas una idea del departamento, equipo o instalación en cuestión, anota todos los factores impulsores que puedan afectar a la previsión y asegúrate de que el algoritmo no arroje solo un “resultado final”, sino que explique también qué características o factores impulsores contribuyeron para llegar a ese resultado.
5. Valida los resultados
Los algoritmos de ML deben ser validados minuciosamente para garantizar que sus resultados tengan sentido. Esto implica examinar las métricas de rendimiento del modelo, como la precisión, la exactitud, la recuperación y el error absoluto medio. Si el rendimiento del modelo cae por debajo de los umbrales aceptables, puede ser necesario refinarlo, volver a entrenar o explorar algoritmos alternativos.
En las últimas semanas, he estado conversando con muchos profesionales de finanzas y ellos describen este último paso de diferentes maneras: algunas personas lo llaman “corazonada”; otras, el “olor” de los resultados del pronóstico.
En pocas palabras, necesitas utilizar tus conocimientos empíricos y experiencia en la materia para evaluar si el pronóstico tiene sentido. Puedes apoyarte en los cálculos matemáticos mencionados anteriormente para hacerlo, pero también necesitas tener la mentalidad de un verdadero socio del negocio y construir constantemente tu conocimiento empresarial para evaluar adecuadamente el resultado de un modelo de IA.
El veredicto
Da a una persona una automatización de ML: automatiza por un día. Enseña a una persona a usar IA en FP&A: automatiza toda la vida.
Los casos de uso son muchos, a medida que las capacidades de la IA continúan creciendo y descubriéndose. Pero todavía no se están dejando las decisiones empresariales 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 un paso adelante con la implementación de IA en finanzas, suscríbete al boletín de The CFO Club y recibe las mejores guías directamente en tu bandeja de entrada.
