A primera vista, el sector de contabilidad y finanzas parece un gran caso de prueba para la integración de la IA. El trabajo gira en torno a datos numéricos, mientras que los procesos están estructurados y basados en reglas.
Este parece ser un entorno ideal para la automatización, que permite a la IA procesar datos a velocidad y escala. Por esa razón, ya se está utilizando para manejar algunas de las tareas repetitivas y que consumen mucho tiempo que requiere el sector, como la captura de facturas, informes de fin de mes y detección de anomalías.
Fundador y director ejecutivo de Akilla.
Pero a medida que la confianza en la IA crece y se integra en más software de contabilidad y finanzas, existe el riesgo de que las empresas temerosas de la tecnología se vayan al otro extremo. En ese punto, algunos profesionales pueden inclinarse tan profundamente hacia la IA que corren el riesgo de distanciarse de los números.
Último vídeo deTecnologíaRadar
Esto es importante porque las decisiones detrás de las estadísticas y las hojas de cálculo rara vez se basan en pura lógica. La estrategia financiera está determinada por el criterio del liderazgo, las prioridades organizacionales, el apetito por el riesgo y, a veces (aunque a ninguno de nosotros nos gusta admitirlo) la política interna.
Esto significa que una porción sorprendentemente grande de las decisiones comerciales tiene un elemento humano que la IA no puede y probablemente no debería intentar reemplazar.
Para muchos equipos de finanzas y contabilidad, la solución es utilizar la automatización para reducir la carga cognitiva. Entonces, los individuos son libres de centrarse en la interpretación, la creatividad y la toma de decisiones. Pone a las personas en el proceso donde más se necesitan pasión y experiencia.
revelar la verdad
Los números a menudo crean una sensación de objetividad y certeza, pero los informes financieros aún implican interpretación, contexto y juicio. Por lo tanto, a medida que los profesionales de contabilidad y finanzas utilizan herramientas de inteligencia artificial y automatización, es importante mantener una comprensión sólida de sus datos.
Pero también hay una dimensión moral. La mayoría de las empresas de contabilidad del Reino Unido han establecido códigos y directrices éticos sobre la implementación de la IA de manera que protejan la supervisión y la autoridad humanas y protejan los datos confidenciales.
Esta es una consideración importante porque, por primera vez, no estamos simplemente pidiendo a la tecnología que haga los cálculos, como haríamos con las hojas de cálculo o las calculadoras. Pedimos opiniones y explicaciones, mientras ocultamos muchos de los métodos que nos dan respuestas.
En cierto modo, es como comparar coches clásicos y modernos. Abre el capó de un coche del 80 o anterior y verás todas las piezas del motor. Puedes comprar un manual y (si eres valiente) hacer algunas reparaciones tú mismo. Hoy en día, si abres el capó de un coche nuevo, gran parte de lo que ves está sellado, cubierto o controlado por software.
Por supuesto, hay señales para agregar lavaparabrisas, pero eso es todo. Para todo lo demás, hemos dejado la máquina de diagnóstico, la telemetría y el control a mecánicos profesionales. Es fantástico no ensuciarnos las manos, pero no tanto cuando el coche se avería a kilómetros de casa.
El problema no es que la nueva tecnología de los automóviles sea mala. Es que cuanto más nos alejamos de la comprensión de los sistemas en los que confiamos, más difícil resulta desafiarlos cuando algo parece estar mal.
Una cuestión de confianza
Por la misma razón, los líderes financieros aún necesitan visibilidad sobre cómo alcanzar los resultados generados por la IA y la confianza para desafiarlos cuando sea necesario. Esto es importante porque, en última instancia, los resultados de la IA se basan en predicciones y las predicciones no son lo mismo que la verdad verificada.
Sin embargo, tendemos a creerlo, generalmente porque nos ahorra tiempo y nos sentimos autoritarios. La investigación publicada respalda esta opinión: un estudio de KPMG y la Universidad de Melbourne encontró que dos tercios de los trabajadores no evalúan la precisión de la producción de IA, aunque más de la mitad informa que han cometido errores relacionados con la IA en su trabajo.
Al mismo tiempo, la investigación de Glynn encontró que en un mes, el 77% de los trabajadores del Reino Unido tuvieron que modificar el trabajo generado por IA. En conjunto, los hallazgos sugieren que a medida que la IA se convierte en una parte cada vez más confiable del lugar de trabajo, la supervisión y validación humanas son esenciales.
mantener la puntuación
La puntuación de la confianza en la producción puede ser una solución. En lugar de confiar en cada resultado generado por la IA, las organizaciones pueden implementar procesos en los que la propia tecnología señale resultados de baja confianza para que los revisen humanos antes de tomar medidas. Logra un buen equilibrio entre automatización y supervisión. Esto brinda a los equipos de finanzas una visibilidad más clara de la confiabilidad e integridad de los resultados generados por la IA.
De hecho, la puntuación de confianza crea un sistema de alerta temprana que ayuda a las organizaciones a comprender qué recomienda la IA y, lo que es más importante, cuánta confianza deben depositar en estas recomendaciones.
Una advertencia: la responsabilidad de verificar la producción no debe recaer únicamente en el personal subalterno. Es cierto que tienen que sentarse detrás de sistemas automatizados y aprender cálculos y procesos manuales para poder cuestionar adecuadamente los resultados.
Sin embargo, el mismo principio se aplica a las personas mayores. Su experiencia no debería restar valor al razonamiento detrás de sus cifras. En todo caso, la IA hace que esa visibilidad sea aún más importante.
Hay otra consideración a largo plazo. Cada equipo de finanzas tiene personas que saben instintivamente cuando algo no va bien. Pasaron años trabajando con los datos y entendiendo los procesos detrás de ellos.
Parte de ese conocimiento está escrito, pero la mayor parte se obtiene de la experiencia y se acumula con el tiempo. Si las organizaciones se desconectan demasiado de los sistemas y cálculos en los que se basan sus informes, corren el riesgo de perder parte de la memoria institucional que les ayuda a desafiar las inconsistencias e identificar problemas potenciales.
La realidad detrás de los números
Las ganancias de productividad derivadas de la IA y la automatización están creando más espacio para el pensamiento de alto valor en lugar de sacar a las personas del proceso. La información revelada por la IA puede, en última instancia, ayudar a los líderes a tomar mejores decisiones al revelar conexiones, patrones y conocimientos que anteriormente podrían haber estado ocultos en los datos.
En muchos sentidos, esto no es nuevo: los líderes siempre han confiado en resúmenes, paneles y capas de informes para ayudarlos a tomar decisiones. De hecho, los informes de fin de mes y los resúmenes ejecutivos creados por los equipos de contabilidad y finanzas siempre estuvieron diseñados para brindar esa información de una manera simple y digerible.
Pero la IA amplía drásticamente la brecha entre los tomadores de decisiones y la realidad operativa detrás de las cifras. Antes de la IA, los ejecutivos podían pedir a su equipo financiero que explicara el fundamento de sus informes. Incluso después de pasar de las hojas de cálculo al software, esos equipos participaron estrechamente en la creación del informe y, por lo general, pudieron rastrear cómo se llegó a las conclusiones.
Teniendo esto en cuenta, es probable que los equipos financieros que más se benefician de la IA logren el equilibrio adecuado entre automatización y supervisión: aquellos que pueden delegar tareas de procesamiento manual repetitivas pero que no pierden visibilidad de los datos. Si las empresas renuncian por completo a esa comprensión, el juicio comercial y los instintos empresariales pueden verse embotados o mal dirigidos.
Por lo tanto, las organizaciones pueden terminar sin dar control total a los sistemas habilitados para IA y, en cambio, centrarse en la automatización dirigida por las personas. El objetivo debe ser la confianza en flujos de trabajo transparentes respaldados por IA, no una dependencia inquebrantable de resultados automatizados más opacos. Esto evita que la IA actúe como sustituto del juicio humano y la transforma en una extensión de las capacidades humanas.
Hemos presentado las mejores plataformas de inteligencia empresarial.
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
