Aplicaciones de la inteligencia artificial en las finanzas corporativas

Recomendados:  Nueve formas prácticas de optimizar tus costes IT Leer Data cloud inteligente, clave para tu transformación digital Informe Infome de pruebas: VMware Work from home Documento

Uno de los ámbitos en los que la inteligencia artificial puede ofrecer más beneficios es en las finanzas corporativas y ya se han creado multitud de casos de uso que prometen grandes mejoras para los responsables financieros. Pero los expertos de Gartner han estudiado 23 de estos casos de uso y han determinado que hay cinco aplicaciones principales que los líderes de análisis y planificación financiera (FP&A) deberían priorizar. 

En su informe, Mark D. McDonald, director sénior de investigación en la práctica de Finanzas de Gartner, dice que “las organizaciones que ignoran estos casos de uso deberían tener una buena razón para hacerlo, ya que ofrecen la mejor combinación de viabilidad y beneficio comercial”. En su opinión, “buscar aplicar IA a otros casos de uso antes de que estos cinco funcionen de manera efectiva probablemente deje sobre la mesa la eficiencia del proceso y las ganancias de rendimiento empresarial”.

Han clasificado los casos de uso en función de su valor empresarial y de la viabilidad de su implementación. McDonald dice que los líderes de FP&A deben tener en cuenta la madurez y las necesidades de su organización financiera porque cada empresa y cada industria pueden mostrar diferentes índices de aplicabilidad de la inteligencia artificial. Comenta que estos casos de uso se implementan con más frecuencia y son efectivos, pero los más valiosos permiten explotar las fortalezas únicas de cada empresa y les permiten diferenciarse aún más. Los casos de uso identificados por Gartner como los más importantes son:

- Pronóstico de demanda e ingresos

A través de las fuentes de datos internas y externas los líderes financieros pueden aplicar modelos capaces de predecir la demanda y los ingresos asociados a ella en diferentes direcciones. Estas incluyen la unidad de negocios, la línea de productos, el SKU, el tipo de cliente y la región.

- Detección de anomalías y errores

Este caso de uso se basa en utilizar modelos de aprendizaje automático para identificar transacciones o saldos que presentan errores o que potencialmente violan principios o políticas contables. Las soluciones de IA más completas para la detección de anomalías y errores incluyen análisis en tiempo real durante la entrada de datos, una capacidad que evita que se introduzcan errores en el flujo de trabajo y que sea necesario realizar costosas correcciones posteriores.

- Apoyo a las decisiones

En Gartner explican que los algoritmos de predicción de aprendizaje automático diseñados para predecir resultados basándose en datos actuales se pueden utilizar para anticipar resultados cuando se usan valores de datos alternativos. Y que el uso de modelos con datos hipotéticos es capaz de predecir el resultado de decisiones alternativas.

- Pronóstico de ingresos de POC

El aprendizaje automático permite predecir las métricas de porcentaje de fidelización, por ejemplo, horas, costo, unidades o peso, entre otras, para predecir los ingresos de POC y el esfuerzo de fidelización total restante.

- Cobros en efectivo

Se pueden utilizar modelos de aprendizaje automático para anticipar cuándo los clientes pagarán sus facturas, lo que permite anticipar esfuerzos enfocados al cobro de estas facturas antes de que venzan los pagos. Los responsables del cobro de facturas pueden usar las predicciones de estos modelos para enfocar mejor sus esfuerzos en las cuentas de riesgo. Y las recaudaciones de efectivo previstas pueden contribuir a la previsión general de flujo de caja.

McDonald comenta que uno de los casos de uso más populares en los departamentos de finanzas es la previsión, ya que los proceso heredados son muy manuales y muy poco fiables. Dice que muchos paquetes de software preconfigurados se enfocan a procesos financieros comunes, como cuentas pendientes de cobro o de pago, pero alerta a los líderes de FP&A que tengan en cuenta que los casos de uso enfocados a necesidades comerciales únicas, como la previsión, requieren el desarrollo de ciertas habilidades internas, algo que no se debería desatender.