Por Qué la IA Aún No Está Transformando las Finanzas

Se suponía que la inteligencia artificial cambiaría drásticamente la función financiera corporativa. Los pronósticos serían más precisos y más frecuentes. Los ciclos de cierre se acortarían. Los riesgos se identificarían antes. La planificación de escenarios evolucionaría de un ejercicio ocasional a una capacidad continua. Basándose en esas predicciones optimistas, muchos líderes financieros han invertido fuertemente en la tecnología.

Sin embargo, cuando los directores financieros hablan en privado, surge una historia diferente. Hay pruebas de concepto que nunca salen de sus entornos de prueba. Los modelos que parecían prometedores en el piloto quedan sin usar cuando llega la presión del trimestre. Se producen y actualizan paneles de control, pero rara vez influyen en las decisiones más importantes. Las finanzas son innegablemente más ocupadas y automatizadas, pero no obviamente más proactivas en cómo ayudan a la organización a adaptarse.

Es tentador culpar la deficiencia a problemas tecnológicos: la calidad de los datos aún no está ahí; las herramientas no están suficientemente integradas; los modelos no son confiables; los proveedores prometieron demasiado. Todos esos factores importan, pero no explican por qué tecnologías de IA similares, introducidas en condiciones comparables, llevan a resultados muy diferentes en finanzas que en otras funciones corporativas.

Después de varios años de trabajar estrechamente con directores financieros y sus equipos mientras intentaban aplicar la IA en la práctica, otra explicación se volvió difícil de evitar: en muchas organizaciones, la tecnología avanza más rápido que la forma en que el liderazgo realmente funciona dentro de la función financiera.

Cuando llegan nuevas herramientas, las personas tienden a hablar, decidir y comportarse de manera muy similar a como lo hacían antes. La atención se centra en completar el cierre, explicar las variaciones, defender un único número de pronóstico y tratar las desviaciones como errores que deben corregirse en lugar de señales que deben explorarse. La IA se introduce en ese entorno y se espera que lo transforme.