No es exagerado decir que la transformación de las finanzas impulsada por la inteligencia artificial (AI) tiene mucho de reingeniería e inclusive de reinvención, y a toda velocidad. Los profesionales del área de finanzas no pueden abordar reactivamente esta coyuntura histórica.
Para hacerse una idea del cambio, un estudio de Citi Global Perspectives & Solutions está calculando que la IA podría impulsar las ganancias del sector bancario mundial a 2 billones de dólares, un aumento de 9% en solo cinco años.
McKinsey Global Institute estima que la IA generativa podría aportar entre 2.6 y 4.4 billones de dólares anuales en valor en 63 casos de uso. Solo en el sector bancario, entre 200 mil y 340 mil millones, equivalente a de 9 a 15 por ciento de las ganancias operativas, principalmente por aumento de la productividad.
En las organizaciones, como destaca un informe de Bain, ya genera mejoras reales en eficiencia, como reducción en un tercio de los tiempos de respuesta de atención al cliente y en generación de código, a la mitad. La última vez que vimos una nueva tecnología tan potente, afirman, fue con la llegada de Internet en los 90.
Esta vez, a mayor velocidad y con una disrupción distinta, que exige cierto rediseño de negocio y de procesos para poder capturar valor. Y mucho. Simplemente implementar no funciona.
Estar realmente preparados para adoptar
Con anteriores disrupciones tecnológicas, explica el informe de Bain, quienes esperan a ver qué errores cometen los pioneros pueden tener una ventaja competitiva. No es el caso con la IA: organizaciones que han adoptado soluciones tempranamente ya están consiguiendo mejoras de rendimiento de hasta el 20% de sus ganancias en tan solo de 18 a 36 meses.
Están desarrollando capacidades y confianza que probablemente se traducirán en una ventaja competitiva sostenida, lo que les permitirá redefinir las operaciones y desarrollar nuevos modelos de negocio.
Obtener valor de las soluciones de IA requiere más que simplemente realizar pruebas o implementar sin más: a diferencia de lo común con el Internet o la nube, requiere cambios e inclusive rediseños en los procesos de negocio.
Así es como ARMS, la plataforma de optimización de cuentas por cobrar (AR), trabaja con empresas B2B para aprovechar la IA y otras tecnologías, como aprendizaje automático y blockchain, para automatizar procesos, predecir y acelerar el flujo de caja, con retornos de inversión (ROI) de 50 por ciento. Comenzando por conocer todo el ciclo de order to cash, con todos los pasos, detalles e incidencias del pedido al cobro, pasando por la facturación efectiva.
Las organizaciones que están adoptando herramientas de IA con ese enfoque están generando valor, reinvirtiendo y ampliando la experimentación en casos de uso.
3 principios estructurales
La estrategia y la responsabilidad son claves para abordar tres desafíos de adopción fundamentales: integración tecnológica, adaptación humana y reinvención de los procesos de negocio.
- Preparando los procesos de negocio: corregir aquellos que son excesivamente complejos antes de automatizarlos. Optimizando, simplificando y eliminando pasos innecesarios, lo que libera energía y capacidad.
- Modernizando los entornos de datos y las aplicaciones: las bases de datos extensivas, las múltiples fuentes de información y los entornos de aplicaciones complejos dificultan la rápida implementación de una IA fiable y productiva. Hace sentido invertir en modernización y gobernanza de datos antes de escalar las soluciones y para mayor impulso de la productividad.
- Encontrando soporte tecnológico y de servicios: implementar la IA en la nube y localmente requiere diseños de referencia, recomendaciones de modelos de lenguaje extensos (LLM), ingeniería ágil y soporte para el desarrollo de aplicaciones. Recursos que escasean actualmente.
6 mejores prácticas emergentes
Los consultores insisten en que el CFO, en su rol de liderazgo en la implementación estratégica de la IA, debe priorizar siempre la alineación a los objetivos del negocio.
- Priorizar la IA como medio de generar valor: establecer objetivos claros de ROI y responsabilizar a los equipos, desde los presupuestos, para generar ahorros y valor.
- Realizar un diagnóstico de negocio y no automatizar procesos deficientes: invertir en identificar oportunidades de valor y necesidades de rediseño de procesos antes de automatizar. Gestionar el cambio de principio a fin.
- Definir una hoja de ruta para los casos de uso: centrarse en áreas funcionales con alto potencial de valor, como desarrollo de software y operaciones, y para la organización en su conjunto, ventas o atención al cliente.
- Aprovechar los múltiples modelos de uso de IA: herramientas de autoservicio de trabajo como Microsoft 365 Copilot, sistemas de IA comerciales prediseñados de proveedores y modelos personalizados cuando sea necesario, por ejemplo, si la sensibilidad de los datos es alta.
- Desarrollar conjuntos de datos compartidos, modelos de IA, componentes y plataformas tecnológicas para garantizar economías de escala: mejorar los procesos para impulsar el desarrollo acelerado.
- Desarrollar una gestión de riesgos adecuada, una IA responsable con roles de gobernanza: garantizar una comunicación clara y estrategias de talento.