Las entrevistas realizadas por Forrester sugieren que la inteligencia artificial (IA) aún no ha ayudado a transformar las finanzas, pero está avanzando rápidamente en algunas áreas.
Procure-to-pay (P2P), por ejemplo, utiliza procesamiento de lenguaje natural (NLP) y aprendizaje automático (ML) y ha mostrado retornos inmediatos, mientras que los análisis de auditoría y de pedido a pago muestran beneficios a corto plazo de la IA. Además, el análisis predictivo puede aumentar los informes básicos de inteligencia empresarial (BI) para la planificación financiera.
Cuatro formas en que la IA está potenciando las finanzas y la contabilidad
El análisis de auditoría, la adquisición para pagar, el pedido para cobrar y la planificación financiera son cuatro procesos financieros y contables (F&A) en los que ya existe la tecnología de inteligencia artificial necesaria para elevar el proceso. También hay una comunidad activa de proveedores de tecnología y las referencias de los clientes indican un fuerte progreso. Forrester otorga a estos cuatro casos de uso puntuaciones sólidas para la adopción, como una brecha de habilidades manejable, datos estables y resultados comerciales claros.
Análisis de auditoría
Comenzando con el análisis de auditoría, los auditores tienden a pasar demasiado tiempo enterrados en listas de verificación de cumplimiento y creando informes que pocas personas leen, con poco tiempo para buscar anomalías en cada transacción. En lugar de muestrear puntos de datos manualmente, Forrester dice que el aprendizaje automático se está utilizando para la evaluación de riesgos de las transacciones.
La asociación de la industria basada en miembros Instituto Americano de Contadores Públicos Certificados (AICPA) está desarrollando una guía para LD en la función de auditoría. Proveedores maduros de soporte de auditoría como Thomson Reuters y Wolters Kluwer, así como empresas emergentes como Caseworks Cloud y MindBridge, están incorporando IA en sus plataformas de auditoría.
La preparación tecnológica es alta, con ML maduro, mientras que la extracción de NLP pone en juego el contenido no estructurado, como el correo electrónico. El perfil de adopción también es fuerte, con pocos problemas de gobernanza, alto valor comercial y un fuerte potencial disruptivo. Sin embargo, capacitar a los auditores en aspectos de ML expone una brecha de habilidades actual.
Procura pagar
Al observar el proceso de compra a pago (P2P), Forrester descubrió que P2P puede aprovechar ML para estandarizar y analizar datos de gastos, contratos, mercados y proveedores. La BI aumentada puede aislar los pagos que alguna vez dieron lugar a multas por pago atrasado y puede mostrar excepciones de facturas, clasificar los gastos en categorías para su seguimiento, incorporar nuevos proveedores más rápido y detectar fraudes automáticamente.
Un área destacada es el procesamiento de facturas, donde la captura de nivel 1, el reconocimiento óptico de caracteres (OCR) y los patrones de automatización del flujo de trabajo se han aplicado durante décadas. Las primeras soluciones se basaban en plantillas, donde las reglas de extracción se alineaban con una factura específica o una plantilla de orden de compra. Los nuevos enfoques utilizan NLP para proporcionar una extracción sin plantillas ni zonas. Para garantizar la calidad de la digitalización, cada extracción se puede sellar con un nivel de certeza.
ML puede manejar estructuras de documentos complejas más fácilmente, sin configuración previa. NLP y ML tradicional están maduros y brindan un puntaje sólido de preparación tecnológica. El perfil de adopción también es sólido debido a un alto potencial de interrupción y una combinación de datos estables de formularios y datos semiestructurados.
Orden de cobranza
Order to cash es otro candidato sin explotar para la automatización impulsada por IA. El efectivo es el elemento vital de la mayoría de las empresas, pero las prácticas de automatización más recientes lo siguen desatendido, en particular si se compara con P2P.
En la mayoría de los casos, el software de automatización de facturas de cuentas por cobrar (AR) genera la factura del cliente en formatos como CXML (XML de comercio), ebXML (XML de negocios electrónicos) y Edifact, y realiza un seguimiento del estado, mientras que F&A maneja el efectivo. Las soluciones modernas de pedido al cobro elevan el papel del profesional de AR, ya que muchas tareas se trasladan a bots basados en IA que pueden hacerse cargo de las comunicaciones por correo electrónico o crear una carta de cobro basada en la clasificación automática, los datos centrales del sistema y la etapa de disputa.
Analytics controlará las aplicaciones de efectivo. La IA impulsará los ciclos de vida de pago automatizados, la gestión de crédito y la previsión predictiva de remesas. El perfil de adopción es fuerte debido a un resultado comercial claro, como mejorar el rendimiento del efectivo. El flujo de trabajo y las decisiones basadas en reglas están comenzando a dar paso a las basadas en IA, pero el valor comercial ahora es moderado. La tecnología está lista hoy, con ML, automatización de procesos robóticos (RPA) y análisis de texto listos para ayudar.
Planificacion Financiera
Un cuarto caso de uso, la planificación y el análisis financieros, está empezando a ir más allá de Excel. El análisis financiero tiene un gran potencial para el soporte de IA, sin embargo, la mayoría de los departamentos financieros dependen de Excel o informes básicos de plataformas de proveedores especializados.
Sin embargo, la planificación y el pronóstico de presupuestos futuros utilizarán simulación, optimización y modelos estadísticos basados en ML que vinculan la estrategia corporativa con la ejecución. Un ejemplo es Vena Solutions, que ofrece un producto F&A orientado a Microsoft con Power BI integrado para proporcionar un camino fácil hacia el análisis predictivo y el aprendizaje automático (PAML).
Cuatro áreas en las que la IA en finanzas y contabilidad necesita un mayor desarrollo
Análisis de contratos
El análisis de contratos tiene un amplio potencial en una serie de casos de uso. El análisis de contratos no es una función central de finanzas y contabilidad, pero es de creciente interés para los directores financieros (CFO) y su personal.
El uso principal de la IA es automatizar la importación y el etiquetado de metadatos de contratos heredados y de terceros. Plataformas como ContractPodAI e Icertis y proveedores especializados en IA como Corticol.io están incorporando funciones de IA en la gestión del ciclo de vida de los contratos (CLM).
ML puede ayudar a evaluar riesgos y anomalías dentro de la cartera general de contratos, encontrar contratos con una redacción relacionada con un nuevo problema o tema, como Brexit o nuevas leyes fiscales, y alimentar CLM u otras plataformas de automatización de flujos de trabajo para admitir acuerdos de nivel de servicio (SLA) y otros términos y condiciones. Forrester está viendo un progreso inicial en el suministro de chatbots para ayudar a armar un borrador de contrato.
El bloque de construcción principal de IA es el análisis de texto, que proporciona un puntaje de preparación tecnológica de moderado a fuerte. La puntuación del perfil de adopción de Forrester muestra un alto valor comercial pero resultados poco claros, y la variedad de formatos de documentos hace que los datos no sean estables.
Conciliación de cuentas
La IA también se puede utilizar en la conciliación de cuentas para resolver problemas de datos. Muchas tareas en finanzas y contabilidad requieren dos o incluso tres juegos de registros para estar de acuerdo, particularmente cuando el dinero sale de una cuenta bancaria. Los gastos prepagos, las deudas incobrables, los activos fijos, las cuentas de efectivo y las tareas del libro mayor y del libro mayor auxiliar son objetivos típicos para conciliar. Las transacciones que faltan o se pierden, las cuentas no conciliadas o el uso inapropiado de transferencias son típicos.
ML puede manejar una amplia variedad de fuentes de datos estructurados en muchos formatos (CSV, XML, SQL o NoSQL) donde puede “aprender” las fuentes y patrones de datos, con reglas de control de datos en una ubicación central. La mayoría de las conciliaciones tratan solo con dos fuentes de datos, pero AI puede expandir esto a múltiples fuentes. Los bots RPA ayudan a extraer datos, brindan soporte para la entrada de datos y ejecutan un proceso de aprobación.
En la conciliación de cuentas, Forrester califica la preparación tecnológica como alta, pero el perfil de adopción es promedio debido a la estabilidad deficiente de los datos y al valor comercial y de interrupción moderado. La conciliación es a menudo una función de subconjunto necesaria del proceso de cierre.
Cierre automatizado
La automatización de cierre mensual y trimestral se basa en un flujo de trabajo básico. Automatizar el proceso de cierre es lo más importante para muchos departamentos de F&A. Un cierre bien dirigido es señal de una empresa bien dirigida. La transparencia, la velocidad, la precisión y el cumplimiento de los plazos de presentación de informes son las principales preocupaciones. La automatización cercana debe integrarse con aplicaciones empresariales, hojas de cálculo y varios sistemas de contabilidad para documentar datos relevantes e identificar inconsistencias.
La IA tiene el potencial de recopilar datos de diferentes fuentes, cotejarlos y fusionarlos, acelerar el proceso mensual y ser más precisos. La automatización se centra en listas de verificación y tareas individuales, rastreando el proceso de cierre, los plazos y las aprobaciones.
Forrester califica el cierre de los libros con un puntaje promedio de preparación tecnológica pero con un alto perfil de adopción, impulsado por un alto valor comercial y un potencial disruptivo, aunque las adquisiciones y las conversiones del sistema central hacen que los datos sean menos estables.
Administración de gastos
Otra área en la que se pueden utilizar la IA y la automatización es en la gestión de gastos. Forrester no ha visto un fuerte impulso para usar formas avanzadas de IA en esta área. La automatización inteligente centrada en RPA ha sido la principal mejora. Por ejemplo, una agencia federal está utilizando bots RPA para auditar los detalles de los elementos de línea, lo que antes hacían los humanos. Cuando los viajes aumenten nuevamente, esta función administrativa volverá a ser un elemento básico de cualquier empresa bien administrada. Los principales actores del mercado, como SAP Concur, no han impulsado la IA, ni los CFO buscan eficiencia o detección de anomalías.
Forrester califica la preparación tecnológica para el uso de IA en la gestión de gastos como alta debido a la dependencia de los bots RPA y el ML tradicional. Sin embargo, a pesar de los resultados claros, el perfil de adopción es más bajo debido al bajo valor empresarial percibido, el potencial disruptivo mínimo y los datos poco estables.
En resumen, Forrester señala que muchos procesos financieros y contables están plagados de variaciones innecesarias. AI funciona mejor contra acciones estándar y repetibles. Pero los pasos adicionales del proceso, el comportamiento fuera de línea, las hojas de cálculo no autorizadas y los atajos personales son comunes. Esta falta de estandarización de las tareas entre las empresas impide que los proveedores de software construyan una IA específica y fácil de implementar para los procesos financieros y contables.
Este artículo se basa en un extracto del informe “IA en finanzas y contabilidad” de Forrester. Craig Le Clair es vicepresidente y analista principal de Forrester.