En los departamentos financieros, la precisión y el control lo han sido todo durante décadas. Sin embargo, antes de que ningún directivo redactara una política o trazara una hoja de ruta, los empleados ya habían empezado a usar inteligencia artificial en su trabajo diario.
El resultado es una paradoja incómoda: una de las funciones más reguladas de cualquier empresa se ha convertido, casi sin que nadie lo ordenara, en uno de los entornos donde la IA ha calado más hondo de forma experimental. Ahora la dirección corre para recuperar el control de algo que ya ocurrió.
Una revolución que nadie ordenó
La inteligencia artificial no llegó a los departamentos financieros con un memorando interno ni un proyecto piloto aprobado. Llegó por la puerta de atrás, de la mano de empleados que buscaban resolver problemas concretos: redactar informes de varianza más rápido, revisar contratos con mayor precisión o detectar anomalías antes de que se convirtieran en fraude.
Glenn Hopper, director de IA en VAi Consulting, lo describe sin rodeos: «la proliferación de la IA ocurrió antes de la gobernanza y antes de que existiera un plan real». Esa frase resume bien lo que ha pasado en muchas organizaciones. La adopción fue espontánea, descentralizada y, en gran medida, invisible para quienes tenían la responsabilidad de supervisarla.
El desfase resultante es difícil de gestionar. Los directivos intentan ahora imponer estructura sobre una transformación que ya está en marcha: no diseñan el cambio desde arriba, sino que reaccionan ante algo que ocurrió sin su permiso.
Del dato desestructurado al flujo de trabajo automatizado
Hay un patrón claro en esta adopción: la IA ha ganado terreno precisamente donde los datos no estructurados ralentizaban los procesos. Los comentarios de varianza, las narrativas de cierre contable y la revisión de contratos son tareas donde el volumen de texto y la ambigüedad hacían el trabajo lento y propenso a errores.
La clave no está en que la IA reemplace esos procesos. Se integra dentro de ellos. Ranga Bodla, de Oracle NetSuite, lo expresa con claridad: la tecnología es más eficaz cuando «desaparece» dentro de los flujos de trabajo existentes, en lugar de sustituirlos por completo. Herramientas como el protocolo de contexto de modelos (MCP) aceleran precisamente esa integración silenciosa.
Lo más revelador es qué impulsa realmente la adopción. No es el ahorro de costes ni las nuevas funcionalidades, sino la facilidad de integración. Los equipos adoptan aquello que no interrumpe lo que ya hacen, sino que lo mejora sin fricción visible.
El verdadero cuello de botella: el talento humano
Resolver los problemas técnicos es la parte más sencilla. El obstáculo más difícil de superar es la brecha entre el conocimiento financiero profundo y la comprensión real de lo que la IA puede —y no puede— hacer.
Hopper señala que el talento es «la causa raíz» del problema. No basta con formar a las personas en herramientas nuevas: quienes conocen bien las finanzas necesitan entender las limitaciones de los modelos, y quienes dominan la tecnología deben comprender el contexto en el que se aplica. Son dos carencias distintas, y rara vez se dan en la misma persona.
Restringir demasiado el acceso a estas herramientas conlleva además un riesgo concreto. Si los empleados perciben que las restricciones son excesivas, buscarán alternativas fuera del control de la dirección. Eso no elimina el riesgo: lo desplaza a un lugar menos visible.
La opacidad de los modelos y la seguridad de los datos son preocupaciones legítimas, pero Bodla apunta a algo más urgente: la auditabilidad. «Creo que es crítica», afirma. Sin capacidad de auditar las decisiones que toma o apoya la IA, resulta muy difícil mantener la confianza interna y cumplir con los requisitos normativos.
Hacia unas finanzas orientadas al futuro
El siguiente paso ya tiene nombre: agentes de IA capaces de ejecutar tareas complejas y de múltiples pasos de forma autónoma. Estos sistemas empiezan a aparecer en entornos financieros reales, aunque todavía de forma incipiente. La ampliación de las ventanas de contexto y los sistemas interoperables prometen una inteligencia más persistente y conectada.
Conviene no dejarse llevar por el entusiasmo. La transformación real será gradual, y no se trata de sustituir a los profesionales financieros, sino de cambiar en qué emplean su tiempo y su criterio.
El objetivo más concreto es liberar a los equipos de la carga de reconciliar el pasado. Menos horas revisando lo que ya ocurrió; más capacidad para modelar escenarios, anticipar riesgos y tomar decisiones con mayor perspectiva. Eso es lo que la IA puede ofrecer cuando se integra bien y se gobierna con criterio. Lo que viene no es una sustitución, sino una reorientación: las organizaciones que antes entiendan esa diferencia tendrán ventaja sobre las que aún debaten si deberían tener un plan.