La IA puede exponer más rápidamente los sistemas financieros débiles

La IA puede ser la nueva solución favorita de la industria financiera, pero un artículo de Perspectivas de TechRadar Pro sostiene que también puede empeorar los problemas existentes. El artículo, escrito por el director de tecnología y cofundador de Farseer, afirma que los equipos financieros están bajo presión para usar la IA en previsiones, elaboración de informes, planificación de escenarios y presupuestación, aun cuando muchos siguen operando con sistemas fragmentados, datos desconectados y procesos dominados por hojas de cálculo.

El argumento central es simple: la IA solo es tan buena como los sistemas, procesos y datos que la respaldan. En finanzas eso importa porque muchas organizaciones siguen dependiendo de extensas hojas de cálculo para la planificación y el análisis críticos. Esas herramientas pueden resultar familiares y flexibles, pero el artículo señala que nunca se diseñaron para servir de base a la planificación y el análisis financiero modernos en grandes empresas.

El problema de las hojas de cálculo en finanzas

Según el artículo, muchas empresas todavía gestionan modelos de previsión, procesos de presupuestación y flujos de trabajo de informes a través de un gran número de hojas de cálculo, a menudo con una gobernanza limitada y una precisión desigual. Los datos se copian entre sistemas, las fórmulas cambian con el tiempo y las suposiciones se vuelven difíciles de rastrear.

Recomendado

SQLite manejó 315 millones de solicitudes diarias en un portátil

Añadir IA a ese entorno no elimina los problemas subyacentes, dice el autor. Puede intensificarlos. Si un modelo de IA se entrena con o extrae datos de fuentes inconsistentes o de hojas de cálculo desactualizadas, simplemente producirá respuestas erróneas con mayor rapidez. El artículo recurre a la vieja regla de «basura entra, basura sale» para describir el riesgo.

Cómo es la preparación real para la IA

El artículo afirma que demasiadas organizaciones juzgan la preparación para la IA por el acceso a herramientas en lugar de por la calidad de la infraestructura que alimenta esas herramientas. Argumenta que los líderes financieros deberían, en cambio, preguntarse si:

• los datos financieros son consistentes entre sistemas
• los equipos pueden confiar en las cifras que usan
• la planificación, los informes y las previsiones están estandarizados
• existe una única fuente de verdad sobre el rendimiento empresarial

Si esas preguntas no tienen respuestas claras, advierte el artículo, la IA puede añadir complejidad en lugar de valor.

También presenta la calidad de los datos como un asunto estratégico, no solo operativo. Las empresas con plataformas centralizadas, entornos de datos integrados y procesos de planificación estandarizados están en mejor posición para obtener resultados útiles de la IA, mientras que otras corren el riesgo de convertir los proyectos de IA en experimentos costosos.

El artículo concluye con un punto contundente: para los equipos financieros que aún dependen de sistemas fragmentados y de flujos de trabajo impulsados por hojas de cálculo, la prioridad debería ser arreglar la base primero, porque la IA no reparará una infraestructura financiera débil: la expondrá.