Hay una versión de esto que se está dando en muchas organizaciones financieras en este momento. Un proceso ha sido lento y manual durante años, todos están cansados de ello y alguien propone la solución obvia: aplicar IA. Sáltate el aburrido paso intermedio y ve directo a lo que parece progreso.
Es una decisión entendible. También es la razón por la que muchos proyectos piloto de IA en el sector de finanzas no llegan a nada.
¿Qué tiene que suceder primero?
La IA necesita una versión clara y consistente de un proceso a partir del cual trabajar. Si ese proceso todavía está repartido en hojas de cálculo sin una manera clara de cómo debe ejecutarse, no hay nada estable de lo que la IA pueda aprender. Aun así, producirá algo. Solo que no será algo en lo que puedas confiar, que puedas repetir o que puedas explicarle a un auditor.
Ese primer paso no recibe mucha atención, pero es el que importa. Se trata de hacer que el proceso sea lo suficientemente visible para que alguien nuevo pueda seguirlo, lo suficientemente consistente para que se ejecute siempre de la misma manera y esté lo suficientemente bien documentado como para resistir que alguien pregunte cómo obtuviste la respuesta.
Nada de eso es un proyecto de IA. Se trata de integrar el proceso en un flujo de trabajo real que todos puedan entender fácilmente. Cuando se desarrolla suficiente de eso en un equipo, es a lo que las personas se refieren con la capa de lógica empresarial. La IA viene después, porque necesita algo real con lo que corroborar su trabajo.
Tres empresas llevaron esto a cabo en ámbitos muy diferentes de las finanzas, y el patrón se mantiene siempre.
Sunbelt Rentals: gobernanza antes de siquiera hablar sobre la IA
Los equipos de finanzas, contabilidad y operaciones de Sunbelt Rentals utilizaron los mismos procesos manuales, en su mayoría en Excel, durante veinte años. Cuando la empresa contrató a una Directora de Tecnología y Transformación Financiera, ella consideró esos veinte años como algo sobre lo que valía la pena construir, no algo que hubiera que descartar por completo y empezar desde cero. “El objetivo es aprovechar lo que la gente ya está haciendo”, mencionó LaShell Estes.
Estes comenzó por alinear a los equipos de finanzas, TI y comercial, y luego capacitó al personal para que aprendieran las nuevas herramientas hasta que usarlas se volvió algo natural. Solo después de reconstruir procesos específicos como flujos de trabajo gobernados y repetibles, con controles SOX integrados en su ejecución, el equipo se enfocó en la IA para leer archivos PDF de facturas y verificar si el impuesto de uso ya se había pagado. Ese último paso funcionó porque la base que lo sostenía ya era sólida.
Crowe LLC: el mismo orden, en una práctica fiscal
Los profesionales fiscales de Crowe LLC estaban lidiando con una versión más dispersa del mismo problema. Los diferentes grupos utilizaban distintas herramientas, algunos seguían usando exclusivamente Excel y no había una forma consistente de escalar nada de ello. “No había consistencia ni capacidad para escalar”, afirmó Hannah Brauer, Gerente de Transformación Fiscal en Crowe.
La solución no fue una implementación de IA. Fue el Programa de Innovación de Alteryx, que capacitó a más de 190 profesionales tributarios y estableció estándares en toda la empresa sobre cómo se creaban, gobernaban y documentaban los flujos de trabajo, de modo que el mismo proceso se ejecutara de la misma manera sin importar quién interviniera.
Esa es la capa de lógica empresarial apareciendo de nuevo, pero diseñada para una práctica fiscal en lugar de una empresa de alquiler de equipos. La IA solo entró en escena después de que se creara esa base. “Usamos las características de IA integradas de Alteryx para replantearnos cómo se orquestan y entregan los flujos de trabajo”, afirmó Tracey Grant-Castleman, Líder de Transformación Fiscal en Crowe, al describir lo que fue posible lograr una vez que ya se había completado el trabajo de gobernanza.
Esto está más cerca de la normalidad de lo que crees
Ninguna de estas empresas estaba inusualmente atrasada. PwC descubrió que incluso entre empresas con más de USD 10,000 millones en ingresos, el 38 % todavía recopila y consolida sus datos de previsión de forma manual. Entre las empresas con ingresos de entre USD 1000 millones y USD 10,000 millones, esa cifra sube al 52 %. La mayor parte del sector de finanzas todavía no ha terminado la parte menos glamurosa del trabajo, lo que significa que la mayoría de los equipos de finanzas en realidad no están listos para tener la conversación sobre IA que intentan tener. Ese es el estado actual de la industria, en pocas palabras.
Papa Johns: el mismo pedido a una escala mucho mayor
Papa Johns se enfrentó a esta misma cuestión de secuenciación en algo de mayor importancia: conciliar los pagos de socios de entrega en más de 6000 tiendas, donde cometer un error afecta directamente lo que se les paga a los franquiciados. El orden era el mismo que el de Sunbelt y Crowe. Crear el flujo de trabajo, hacer que sea gobernado y repetible, y solo entonces traspasar una parte a un agente de IA.
Papa Johns, Alteryx y Google Cloud explicaron exactamente cómo lo hicieron en este seminario web bajo demanda.
Si tu equipo está considerando la IA para un proceso que nadie ha logrado hacer repetible todavía, vale la pena saber cómo se ve el orden antes de saltarte el paso que hace que todo lo posterior funcione.