La inteligencia artificial no solo está cambiando la manera de crear imágenes, escribir textos o programar. También está transformando una de las áreas más sensibles de cualquier empresa: las finanzas.
En OpenAI, su equipo financiero trabaja hacia dos objetivos ambiciosos: cerrar los libros contables en tiempo real y mantener las previsiones actualizadas de forma continua. La experiencia deja una idea clara: la IA puede ayudar a las empresas a entender qué está ocurriendo mientras ocurre, no semanas después.
De los informes atrasados a las decisiones en tiempo real
Cuando el equipo financiero de OpenAI comenzó a crecer, muchas tareas todavía dependían de procesos manuales. Había que buscar información en distintos sistemas, comparar hojas de cálculo, explicar variaciones y preparar presentaciones antes de que un líder pudiera tomar una decisión.
¿El problema? Para cuando el análisis llegaba a la persona indicada, parte de la realidad del negocio ya había cambiado.
Por eso, el equipo plantea dos metas principales:
- Cierre de cero días: una visión financiera reconciliada, trazable y disponible prácticamente en tiempo real.
- Pronóstico continuo: una previsión que se actualiza conforme cambian las ventas, los gastos, los compromisos y las condiciones del negocio.
Esto no significa que la IA vaya a reemplazar el criterio financiero. La idea es distinta: que las máquinas se encarguen de reunir información, detectar diferencias y preparar análisis iniciales, mientras las personas validan los datos, aplican su juicio y autorizan las decisiones.
La IA no elimina el cierre contable. Elimina buena parte del esfuerzo de reconstruir lo ocurrido después de que termina el periodo.
Cinco lecciones para los líderes financieros
La experiencia de OpenAI presenta varias recomendaciones que pueden ser útiles para cualquier director financiero, incluso en empresas que todavía están dando sus primeros pasos con la IA.
1. Dar acceso y experimentar con problemas reales
El primer paso fue permitir que las personas exploraran la IA dentro de su propio trabajo. Pero no se trató de abrir una herramienta y esperar resultados mágicos. El equipo combinó acceso amplio con experimentos estructurados sobre tareas concretas.
En un hackathon de finanzas participaron ingenieros de ventas y profesionales del área financiera. Cada persona llevó un proceso que quería mejorar. De allí surgió IR-GPT, un GPT personalizado basado en materiales aprobados por el equipo de relaciones con inversionistas para responder preguntas de debida diligencia.
También comenzaron a crear herramientas similares para áreas como compras e impuestos.
El valor del experimento estuvo en convertir la IA en algo práctico. En un solo día, los participantes pudieron identificar una tarea repetitiva, construir una solución, probarla con sus colegas y mejorarla.
La recomendación para los CFO es combinar dos enfoques:
- Experimentación desde los equipos: quienes están más cerca del trabajo suelen detectar mejor las oportunidades.
- Dirección estratégica: el liderazgo debe concentrar recursos en los cambios que tengan mayor impacto para el negocio.
La transformación ocurre cuando ambos caminos se encuentran.
2. Diseñar el proceso completo, no solo automatizar una tarea
En finanzas, una previsión puede requerir datos de varios sistemas, conciliación de hojas de cálculo, explicaciones sobre variaciones, gráficos, documentos y presentaciones. Muchas veces, el equipo dedica más tiempo a preparar la información que a analizarla.
La IA permite cambiar la unidad de trabajo. En lugar de automatizar únicamente una parte, los líderes pueden rediseñar el recorrido completo desde los datos originales hasta la decisión final.
Por ejemplo, un cierre financiero puede reunir información del libro mayor, órdenes de compra, gastos acumulados, planes aprobados y detalles de transacciones. En una plataforma conectada, cada diferencia podría relacionarse con la actividad que la originó.
La IA también podría preparar una explicación inicial y señalar las excepciones que necesitan revisión. El equipo financiero seguiría siendo responsable de validar las cifras y aprobar el resultado.
El mismo principio se aplica a los pronósticos. OpenAI describe herramientas que combinan modelos estadísticos, conversaciones comerciales, datos operativos, evidencia por cuenta y criterio financiero en una vista interactiva.
Así, un líder puede responder preguntas como:
- ¿Qué cambió en la previsión?
- ¿Por qué cambió?
- ¿Qué supuestos están detrás del cálculo?
- ¿Qué ocurriría si se incorpora un nuevo compromiso de un cliente?
- ¿Qué decisión podría modificar el resultado del trimestre o del año?
La clave es comenzar con una decisión importante y trabajar hacia atrás. Primero se identifican los datos, aprobaciones y traspasos necesarios. Después se determina qué puede analizar, coordinar o completar la IA.
3. Permitir que los expertos construyan sus propias herramientas
Una de las ideas más interesantes del artículo es que los profesionales financieros ya no tienen que limitarse a usar hojas de cálculo y presentaciones estáticas. Con herramientas como ChatGPT Work y Codex, pueden crear paneles y aplicaciones adaptadas a sus necesidades.
OpenAI cita una investigación propia según la cual el 40 % del uso especializado de IA entre profesionales de finanzas ocurre fuera de las tareas financieras tradicionales, mientras que el 22 % está relacionado con labores de ingeniería.
Un integrante del equipo que nunca había programado utilizó Codex para construir una herramienta de planificación publicitaria. El sistema convierte una previsión mensual en planes semanales y diarios, considera días laborables y feriados, compara escenarios y mantiene los cálculos vinculados al modelo aprobado.
El resultado es una herramienta que permite a los responsables de marketing ver con rapidez qué cambió, dónde invertir y qué retorno podría generar un gasto adicional.
¿Significa esto que los profesionales financieros deben convertirse en programadores? No necesariamente. Significa que ahora pueden participar mucho más directamente en la creación de las soluciones que necesitan.
La especialización no desaparece. Se vuelve más poderosa porque puede apoyarse en herramientas construidas por quienes conocen el problema desde dentro.
4. Mantener el control humano y la trazabilidad
La automatización financiera solo genera confianza si cada resultado puede revisarse y relacionarse con una fuente confiable.
En el caso de IR-GPT, la herramienta puede producir en segundos un primer borrador para responder preguntas de inversionistas. Antes, ese trabajo podía tomar horas e incluso extenderse durante la noche.
Sin embargo, el equipo de relaciones con inversionistas sigue leyendo el borrador, incorporando contexto, aplicando criterio y verificando que las respuestas sean coherentes entre sí.
Ese modelo de colaboración es especialmente importante en finanzas. Los líderes deben definir, junto con los equipos de tecnología y gobierno de datos:
- A qué información puede acceder cada sistema.
- Qué acciones puede ejecutar la IA.
- Cuándo se necesita aprobación humana.
- Qué situaciones deben escalarse.
- Cómo se documenta cada cambio.
Además, cualquier modificación de una previsión aprobada debería requerir autorización financiera. La velocidad es importante, pero también lo son el control y la responsabilidad.
5. Medir el valor real, no solo el uso de la IA
Comprar más licencias o consumir más tokens no demuestra que una iniciativa de IA esté funcionando. El indicador importante es si el trabajo se completa mejor, cuánto cuesta y qué decisiones permite tomar.
OpenAI propone cuatro preguntas para evaluar cada flujo de trabajo:
- ¿La IA completó una tarea importante?
- ¿Cuál fue el costo total, incluyendo revisión, tiempo de los empleados y correcciones?
- ¿El resultado tuvo la calidad suficiente para utilizarse?
- ¿Ayudó a avanzar más rápido o a tomar una mejor decisión?
En un cierre financiero, las métricas podrían incluir el tiempo del ciclo, el porcentaje de transacciones conciliadas automáticamente, la cantidad de excepciones y el tiempo necesario para explicar una variación.
En los pronósticos, podrían medirse la precisión, la frecuencia de actualización, el tiempo para crear un escenario y la calidad de las decisiones que el análisis ayuda a respaldar.
También hay una advertencia importante: el modelo más barato no siempre es la opción más económica. Si un modelo más capaz entrega una respuesta confiable con menos intentos, menos revisión y menos retrabajo, el costo total puede ser menor.
La función financiera como punto de partida
Las finanzas ocupan una posición privilegiada dentro de una empresa. Tienen relación directa con la estrategia, el capital, los datos, los riesgos y el desempeño. Por eso, los CFO pueden convertirse en líderes de la transformación con IA, no solo en compradores de herramientas.
Una función financiera nativa de IA no se define por tener más automatizaciones. Se define por ciclos más rápidos, controles más sólidos, mejores decisiones y más tiempo para que las personas ejerzan su criterio.
El cierre de cero días y el pronóstico continuo todavía son objetivos en construcción para OpenAI. Pero el camino ya ofrece una guía práctica: dar herramientas a los equipos, rediseñar los procesos alrededor de decisiones relevantes, mantener clara la responsabilidad humana y medir los resultados con rigor.
La IA no vuelve innecesario al equipo financiero. Le permite dedicar menos tiempo a perseguir datos y más tiempo a entender el negocio, cuestionar supuestos y ayudar a decidir mientras todavía es posible cambiar el resultado.
Fuente original
https://openai.com/index/building-an-ai-native-finance-function