Buscar
Cerrar este cuadro de búsqueda.

IA en tesorería corporativa: ¿Qué causa la adopción lenta, impidiendo todo el potencial?

Crisil Coalition Greenwich

-

La mitad de las grandes empresas a nivel mundial aún no han implementado la IA en sus departamentos de tesorería, y las que han comenzado solo han logrado un progreso limitado.

 

Los departamentos de tesorería corporativa no están recibiendo el impulso de productividad que esperaban de sus inversiones en inteligencia artificial (IA). Esta experiencia, y las dificultades de los tesoreros para aprovechar esta nueva tecnología, podrían tener implicaciones más amplias para las empresas de todo el mundo que se preguntan por qué el retorno de la inversión (ROI) en IA no está a la altura las expectativas, al menos por ahora.

Casi todas las empresas y departamentos corporativos están apostando fuertemente por la IA. Pero los tesoreros corporativos tienen una razón adicional para esperar que estas inversiones valgan la pena. En los últimos años, los roles de tesorero corporativo y departamentos de tesorería han experimentado una transformación significativa.

Tradicionalmente, la función de tesorería se ha considerado (incorrectamente) como una función en gran medida operativa, cuyas responsabilidades principales se centran en las transacciones relacionadas con la gestión del efectivo y la liquidez diarios de la empresa. La digitalización de los negocios y la implementación de potentes análisis de datos han cambiado ese panorama por completo. Hoy en día, el departamento de tesorería sirve como la unidad central de procesamiento de la empresa, tanto el centro operativo de la organización como un repositorio clave de información sobre el estado financiero de la empresa. Los directores financieros y otros altos ejecutivos recurren cada vez más a los datos y al poder analítico alojados en el departamento de tesorería para obtener información sobre decisiones estratégicas de alto nivel, en medio de un entorno empresarial complejo y en evolución.

Como se muestra en el gráfico anterior, estos cambios han hecho que los tesoreros corporativos ocupen un lugar importante en la mesa directiva, ya que ayudan a los altos directivos a mejorar su confianza en la toma de decisiones estratégicas. Casi dos tercios de los tesoreros corporativos que participaron en la investigación de Crisil Coalition Greenwich en 2025 dijeron que casi siempre participan en las conversaciones de la alta dirección sobre la gestión de riesgos y las estrategias de cobertura, y una proporción similar casi siempre participa en las decisiones de la alta dirección sobre la estructura de capital y las decisiones de financiación. Como ilustra el gráfico, los tesoreros ahora también tienen voz en las discusiones de los altos directivos sobre una serie de otros temas críticos. Mientras tanto, los directores financieros y otros altos directivos piden cada vez más a los tesoreros corporativos que aprovechen sus capacidades de datos, análisis y ejecución para dirigir grandes proyectos estratégicos.

Sin embargo, aunque la alta dirección recurre a los tesoreros para obtener más información, análisis y previsiones, el departamento de tesorería sigue teniendo su trabajo diario. Dado que las responsabilidades estratégicas adicionales ocupan más tiempo, los tesoreros corporativos tienen una necesidad apremiante de crear eficiencias en todo su departamento. Entra la IA.

Progreso limitado

En todo el mundo, aproximadamente la mitad de las grandes empresas han destinado recursos para implementar la IA en sus departamentos de tesorería, y tanto la alta dirección como los tesoreros corporativos están ansiosos por ver resultados. Sin embargo, como se muestra en el siguiente gráfico, las empresas han logrado un progreso variable y, en su mayor parte, limitado en la implementación de la IA en los flujos de trabajo de una manera que puede afectar significativamente el rendimiento.

La mayoría de las empresas que han comenzado a usar IA en tesorería todavía están en la fase de exploración, investigando posibles casos de uso y ejecutando pruebas piloto iniciales. Menos de 1 de cada 10 ha implementado la IA en los flujos de trabajo diarios en áreas como la previsión y la detección de fraudes, y solo un número relativamente bajo afirma estar en el proceso de implementar la IA a gran escala en múltiples funciones de tesorería. Tanto en Estados Unidos como en Europa, ninguna empresa pretende haber alcanzado la etapa de despliegue estratégico, en la que la IA está integrada en la estrategia de tesorería y la toma de decisiones.

Como se muestra en el gráfico anterior, los departamentos de tesorería que han implementado la IA la utilizan con mayor frecuencia para la automatización. En cuanto a la integración de la IA, la automatización de las tareas manuales representa un objetivo fácil de alcanzar. Las soluciones de automatización son relativamente fáciles de crear e implementar, y las ganancias rápidas que pueden producir son muy valiosas para los tesoreros desesperados por mejorar la eficiencia.

Tres cuartas partes de los tesoreros corporativos encuestados mencionan la automatización y el ahorro como el principal beneficio que reciben o esperan recibir de las inversiones de IA en sus departamentos. Los participantes del estudio destacan el potencial de aumento de la eficiencia, el ahorro de costes y la reducción de errores a través de la automatización de la conciliación de cuentas bancarias, el posicionamiento de efectivo, el procesamiento de operaciones y otras funciones.

Identificar los obstáculos para la adopción de la IA

Para resumir los datos sobre la adopción de IA: La mitad de las grandes empresas de todo el mundo aún no han implementado la IA en absoluto en sus departamentos de tesorería, y las que han comenzado a implementarla solo han logrado un progreso limitado, a menudo en forma de automatización de procesos.

Estos hallazgos plantean una pregunta obvia: ¿Por qué el progreso ha sido tan lento en lo que respecta tanto a la adopción como a la implementación?

El gráfico anterior muestra lo que los tesoreros ven como las principales barreras para la adopción de la IA en sus departamentos y funciones. Se destacan dos obstáculos: la falta de experiencia interna y los obstáculos de integración.

El primer problema, la falta de experiencia interna, es problemático, pero relativamente sencillo de abordar. Las empresas necesitan contratar a más expertos en IA y científicos de datos y formar a profesionales en toda la organización sobre el uso de la nueva tecnología. En la tesorería y en otros lugares, las empresas deben centrarse en el desarrollo de “campeones” de la IA, que fomenten la experimentación y el uso de la IA, tanto a nivel estratégico como en los flujos de trabajo diarios.

El segundo problema, los obstáculos de integración, es más molesto y más importante para las dificultades que las empresas han tenido para lograr las expectativas de ROI de las inversiones de IA en tesorería y en todas las empresas. En pocas palabras: Las aplicaciones de IA se ejecutan en datos, idealmente datos limpios, y la mayoría de las empresas no son capaces de entregarlos, o al menos no en la cantidad y calidad requeridas.

El error principal: Descuidar los datos

El error principal que las empresas están cometiendo con sus inversiones en IA en sistemas de tesorería y gestión y otros departamentos es asignar recursos a las soluciones de IA sin construir primero la infraestructura de datos necesaria para operar esas soluciones de manera efectiva. Las empresas se están saltando el trabajo fundamental y avanzando hacia el trabajo más atractivo de construir y comprar herramientas de IA. Creemos que esta es la razón fundamental por la que las empresas no logran los resultados esperados.

Este error es comprensible. Con el auge de la IA, los CEO se ven presionados para capitalizar esta tecnología revolucionaria. Como resultado, dan luz verde a las inversiones en IA. Al hacerlo, saben que las juntas directivas y los inversores reclaman acuerdos con los principales proveedores de IA y titulares sobre la llegada de soluciones de IA de vanguardia. Es poco probable que estas audiencias queden impresionadas con el anuncio de que la empresa está dirigiendo una gran parte de esas inversiones en IA hacia la reconstrucción de la arquitectura interna de gestión de datos.

Pero eso es exactamente lo que se requiere.

Existe una correlación casi perfecta entre el gobierno de datos y la capacidad de escalar la IA. Sin la capacidad de producir datos sin interrupciones, oportunos y precisos, las empresas nunca podrán integrar la IA a escala en la tesorería ni en ningún otro lugar.

La triste realidad es que muchas grandes empresas funcionan con plataformas tecnológicas heredadas obsoletas compuestas por sistemas aislados que no interactúan bien y almacenan datos en distintas ubicaciones, a menudo en formatos variables e incompatibles. Como se ilustra arriba, esta fragmentación de datos supone una barrera inherente a la adopción de la IA, que a menudo limita a las empresas a aplicaciones aisladas, como la automatización inteligente de procesos en un flujo de trabajo específico. La fragmentación de datos es una de las principales razones por las que el personal del departamento de tesorería sigue dedicando casi un tercio de su tiempo a trabajar en hojas de cálculo (véase el siguiente gráfico).

Construir una base de gobernanza de datos preparada para la IA

Para obtener los beneficios esperados de la IA, las empresas primero tendrán que llevar a cabo el trabajo preliminar, menos glamuroso, de establecer una gobernanza y gestión de datos sólidas. A nivel estratégico, altos directivos, directores de datos y tesoreros corporativos, y otros responsables operativos y de negocios deben centrarse en cinco prioridades:

  1. Establecer los estándares de calidad de los datos y los procesos de garantía La racionalización de datos permite la adopción y la escalabilidad de las soluciones de IA al proporcionar la base y la infraestructura necesarias, lo que lleva a una implementación más rápida y un mejor aprovechamiento de las capacidades de
  2. Documentar el linaje de datos. Para tener confianza en los resultados de la IA, las empresas deben saber de dónde provienen los datos ingeridos, cómo y cuándo han cambiado, y para qué se han utilizado. El seguimiento del linaje de datos es fundamental para establecer la confianza en los resultados y la auditabilidad de la IA. A medida que los modelos de IA se aceleran y evolucionan utilizando varias versiones de datos, mantener un linaje claro de los datos que entrenan a cada modelo se vuelve esencial.
  1. Adquirir abundantes datos de entrenamiento de alta calidad. Las empresas deben crear canales que racionalicen e integren datos estructurados y no estructurados, y construir motores de ingestión que ayuden a reducir la latencia de los datos y mejorar la seguridad y el cumplimiento de los La transparencia debe ser una prioridad absoluta. La transparencia en los datos de formación permite a los usuarios empresariales comprender cómo funciona el modelo de IA, mejora la confianza en los resultados y permite a los expertos en la materia solicitar ajustes.
  2. Desarrollar un modelo de responsabilidad compartida. Desarrollar un modelo sólido de gobernanza de datos para una implementación exitosa de la IA requerirá un equipo multifuncional. Guiado por un órgano de gobierno experto, este equipo establecerá estándares de riesgo, auditará los sistemas de IA y guiará a los equipos de negocios y desarrollo en el cumplimiento de los estándares regulatorios y organizativos.
  3. Invertir en la alfabetización de datos en toda la organización. Los profesionales de todos los niveles deben comprender la importancia crítica de los datos sólidos, los requisitos de un buen gobierno de datos y los beneficios potenciales que la empresa y sus empleados pueden obtener de la combinación de una gestión de datos efectiva y una IA La formación y la mejora de las habilidades pueden ayudar a los líderes a superar la escasez y los costos del talento y la experiencia, y los proveedores de gobernanza de terceros pueden ofrecer un acceso rápido a soluciones probadas.

Conclusión

Alrededor del 60 % de las grandes empresas de todo el mundo esperan aumentar sus inversiones en IA. Para las empresas que dan este paso sin abordar los problemas fundamentales de la gestión y la gobernanza de los datos, podría ser un caso de malgastar el dinero. Es imposible implementar soluciones sofisticadas de IA, como el análisis predictivo y la toma de decisiones, sin una fuente completa de datos fiables y oportunos.

En los últimos años, demasiados departamentos de tesorería corporativa han aprendido esa lección de la manera más difícil. En un momento en que los tesoreros y el personal de tesorería necesitan mejoras de eficiencia más que nunca, la incapacidad de producir datos limpios y sin interrupciones ha sido uno de los factores más importantes que ha ralentizado la adopción de soluciones de IA cada vez más potentes y capaces.

La buena noticia tanto para las empresas como para los tesoreros corporativos es que hay una respuesta a la vista. Las empresas pueden obtener el ROI anticipado en IA en los departamentos de tesorería y en toda la organización, si están dispuestas a arremangarse y abordar el arduo trabajo de modernizar los sistemas heredados y establecer procesos para una gobernanza de datos sólida. La integración de datos mediante una sólida gobernanza de

datos era una aspiración mucho antes de la ola de IA que ahora estamos presenciando. Sin embargo, a menudo se consideraba difícil, costoso y, en última instancia, algo que debía abordarse en una etapa posterior. Dado el potencial que ofrece la IA, las recompensas que se pueden obtener al abordar finalmente este desafío de datos fundamentales nunca han sido mayores.

 

Sobre el autor

El Dr. Tobias Miarka dirige la investigación de banca corporativa a nivel mundial en Crisil Coalition Greenwich.

 

Agradecimientos

El autor agradece las contribuciones de Mohit Modi, jefe de estrategia y desarrollo corporativo de Crisil, así como de nuestro equipo central de investigación operativa, en particular, Siddarth Mehta.

 


METODOLOGÍA

En junio de 2025, Crisil Coalition Greenwich realizó un estudio que exploraba la adopción de IA para los profesionales de tesorería corporativa, incluido el estado actual, las direcciones futuras y las consideraciones clave. Participaron más de 100 tesoreros de grandes corporaciones con una facturación de más de 500 millones de dólares en Asia, Europa y los Estados Unidos. Las preguntas también examinaron los principales obstáculos para la adopción de la IA en las funciones de tesorería y dónde recurren los ejecutivos de tesorería en busca de asesoramiento o apoyo para la implementación.

El Dr. Tobias Miarka

Tobias Miarka

El Dr. Tobias Miarka dirige la investigación de banca corporativa a nivel mundial en Crisil Coalition Greenwich.

Deja una respuesta

Compartir este artículo