IA y trabajo en finanzas y banca

En el capítulo 3 describo un agente de facturación que ya cierra el ciclo completo sin intervención humana en los casos estándar: recoge los datos del contrato, calcula la factura con descuentos e impuestos, la emite, la envía, la registra en el sistema contable y concilia el cobro cuando llega. Lo interesante no es el caso feliz. Es que, cuando detecta una discrepancia entre lo facturado y lo contratado o un consumo fuera de lo normal, no se bloquea: analiza el problema e intenta resolverlo antes de escalarlo. Ese es el trabajo que hasta ahora llenaba la semana de un departamento de administración financiera.

En el análisis el cambio es distinto. Un modelo no sustituye al analista que entiende un sector, pero sí comprime las horas de extraer datos de memorias anuales, construir la primera versión del modelo y redactar la nota. Lo que antes costaba días cuesta minutos, y eso desplaza el valor hacia la pregunta: qué hipótesis merece la pena comprobar y qué conclusión se puede defender ante un comité de riesgos.

En banca, la lección viene de antes de la IA. Cuando los smartphones se masificaron a principios de los 2010, los clientes empezaron a exigir a su banco la fluidez que ya tenían en WhatsApp o en el comercio electrónico, y la banca tradicional llegó tarde, con aplicaciones que eran la web encogida. La IA repite ese patrón con más velocidad: la expectativa del cliente la fija el mejor servicio que ha probado, no el de su sector.

La calculadora no eliminó a los contables: eliminó una parte mecánica de su trabajo y elevó la complejidad de los problemas que podían abordar. Con la IA ocurre lo mismo, a otra escala. Queda la interpretación de una norma contable ante una operación que no encaja en ninguna plantilla, la conversación con el auditor, la decisión sobre cuánto riesgo asumir y la responsabilidad de firmar las cuentas.

Queda también algo que en finanzas es más grave que en casi cualquier otro ámbito: el sesgo. Un algoritmo de crédito entrenado con historiales bancarios perpetúa las desventajas de quienes tuvieron menos acceso al sistema financiero, porque los datos reflejan el mundo tal como ha sido. Alguien tiene que decidir qué se optimiza, con qué datos y con qué excepciones, y ese alguien no es el modelo.

Empieza por tu propio cierre mensual. Haz la lista de pasos y marca cuáles son reglas (clasificar, cuadrar, conciliar) y cuáles son criterio (provisionar, reclasificar, explicar una desviación). Los primeros son candidatos a automatizar ya; los segundos son tu valor, y conviene que se vean.

Después, practica con datos reales y no confidenciales: pide a un asistente que te explique una variación entre dos trimestres y comprueba cada cifra contra el origen. Aprenderás rápido dónde acierta y dónde inventa con total seguridad, que es justo la habilidad que los responsables financieros van a exigir.

Y si diriges un equipo, mide el tiempo que hoy se va en tareas de bajo criterio. Ese tiempo es el presupuesto que puedes reinvertir en análisis, control de riesgos y relación con el negocio antes de que otro lo reinvierta por ti.