Gracias por su interés, por favor complete sus datos le estaremos contactando a la brevedad
Siguenos en
Puedes suscribirte para recibir nuestro Blog por email. Dejanos saber tu opinión para mejorar y/o los temas que te interesaría encontratar acá. Gracias!
Suscribirme
Entre los avances tecnológicos de más rápida adopción organizacional, sobre todo en estos tiempos pandémicos, probablemente sea la automatización de procesos en sus diversas modalidades una de las tecnologías más favorecidas, debido a la rapidez de implementar la solución escogida, su relativo bajo costo y su casi inmediata recuperación de la inversión realizada.
Independientemente de que el camino elegido para automatizar fuere la contratación directa de un proveedor de soluciones de este tipo o el desarrollo interno del talento y las capacidades para hacerlo, ya la alta gerencia de las organizaciones (y más aún, su gerencia financiera) reconoce la urgencia por automatizar todo lo que fuere posible y cuán atrás quedó la etapa de los “early adopters”; esto lo confirma un estudio de Deloitte sobre el estado de la inteligencia artificial en las empresas (2020), donde se revela que casi un 75% de los participantes declararon haber iniciado acciones y proyectos que involucran el uso de estas tecnologías, con diversos grados de experticia.
En nuestra entrega de este mes, queremos hacer referencia precisamente a otro artículo de Deloitte titulado Por qué los CFOs deben estar pendientes de la inteligencia artificial (2020), que enfatiza cuán importante es para los gerentes financieros de hoy mantener en sus radares la necesidad de digitalizar sus operaciones, y no enfocarse solamente en proteger el flujo de caja requerido para asegurar la continuidad, tal como lo ha forzado la pandemia. En el artículo se explora cómo los gerentes financieros pueden incorporar en sus operaciones el uso de la inteligencia artificial (IA) -particularmente a través de aplicaciones de ‘machine learning’ (“máquinas que aprenden”) o ML, por sus siglas en inglés, que “aprenden” al reconocer patrones en la data que reciben y van, gradualmente, “enseñándose a sí mismas”, refinando sus habilidades y prediciendo resultados futuros, con crecientes niveles de certidumbre.
Aprendiendo más de IA y ML: el uso de máquinas que aprenden se compagina muy bien con la función financiera, la cual normalmente maneja grandes cantidades de data variada y compleja, en la mayor parte de sus procesos y ya, según el estudio mencionado anteriormente, 97% de los encuestados planifica usar aplicaciones de ML a muy corto plazo. Dependiendo de la cantidad y calidad de la data analizada, los algoritmos incorporados en las aplicaciones de ML y RPA permitirían a los gerentes financieros automatizar tareas que típicamente requieren intervención manual, mejorar la precisión de la causación transaccional y acelerar las conciliaciones, eliminando en lo posible el sesgo humano y optimizando y transformando estos procesos esenciales. En adición a esto, las ventajas no se reducirían a eficiencias operativas: si se emplea ML en el área comercial, estas herramientas podrían detectar tendencias predecibles con mucha precisión, tales como cuales clientes tendrán mayor probabilidad de repetir compras o cuales suplidores van a retrasarse en sus pagos.
Superando los obstáculos iniciales: al evaluar cuan bien se alinea esta tecnología con el problema a resolver, resulta claro que no todo se reduce a la cantidad y calidad de la data utilizada; habrá que tomar las acciones necesarias que garanticen la integridad, precisión y amplia disponibilidad de dicha data, asi como los mecanismos que aseguren de antemano su adecuada gobernabilidad, disolviendo silos funcionales tradicionales para evitar retrasos innecesarios en la implantación e instrumentación de los proyectos de automatización. Los CFOs que consiguen mantener el foco en los beneficios que se obtendrían con estas iniciativas, encontrarán las respuestas a problemas comunes como:
Cuán artificial es la ‘inteligencia’: las máquinas trabajando con las personas: el solo hecho de que las aplicaciones de ML no estén basadas en reglas fijas implica que estas pueden cambiar y adaptarse gradualmente, de conformidad con la evolución del entorno. De manera similar, los gerentes financieros pueden ir asentando el terreno para que estas iniciativas avancen con buen pie si dan algunos pequeños pasos, tales como:
