Las compañías españolas no necesitan más presupuesto en IA, necesitan preparación

Por Laura Gámiz, Directora de Payhawk en España

La inteligencia artificial ha dejado de ser un experimento para convertirse en una partida cada vez más presente en las agendas de los departamentos financieros. En España, de hecho, la disposición a invertir parece estar ligeramente por encima de la de los vecinos europeos. Así, según nuestro estudio más reciente, “AI Readiness in Finance: Spain Deep Dive”, el 69,4% de los líderes de finanzas españoles afirman contar con presupuesto para IA, frente al 68,9% de la media europea.

El capital para explorar las posibilidades de esta tecnología está, pero ¿qué ocurre después? Solo el 49% de estos líderes de nuestro país reconocen haber conseguido implementar estas capacidades. En Europa el porcentaje sube hasta el 64%. Existe, por tanto, una distancia considerable entre disponer de recursos y conseguir resultados; entre la intención y la acción.

La cuestión que se abre es menos tecnológica de lo que podría parecer. Si el presupuesto existe, ¿qué hace falta para que una organización pueda llevar realmente la IA a sus procesos financieros? La respuesta apunta a elementos menos visibles que la propia herramienta. Me refiero a la calidad de los datos, las reglas que acompañan su uso y la capacidad de los equipos para incorporarla en su día a día.

El presupuesto es solo el principio

La brecha entre inversión e implementación nos obliga a mirar más allá del presupuesto. Una organización puede disponer de recursos para incorporar la IA y, aun así, encontrarse con obstáculos cuando intenta implementarla en un entorno financiero real.

Los datos de nuestro estudio apuntan en esa dirección. Solo el 44,9% de los encuestados españoles consideran que disponen de datos preparados para la IA, frente al 61% de los europeos. Además, el mismo porcentaje, 44,9%, cuentan con reglas mínimas de gobernanza, mientras que en el conjunto analizado alcanza el 55,3%. Son dos dimensiones distintas, pero ambas resultan determinantes cuando una tecnología empieza a intervenir sobre procesos que requieren información fiable y criterios claros de actuación.

La distancia entre disponer de una herramienta y poder utilizarla de forma efectiva aparece, por tanto, antes incluso de que esta llegue a integrarse en los procesos. Una herramienta puede estar disponible, pero necesita encontrar datos que pueda interpretar y un marco que determine cómo debe utilizarse, supervisarse o corregirse. La preparación, en este sentido, se construye alrededor de la tecnología.

El problema adquiere una nueva dimensión cuando ambas carencias coinciden

Hasta aquí hemos hablado de datos y gobernanza como dos piezas con margen de mejora. Sin embargo, el dato más revelador aparece cuando las observamos conjuntamente: el 40,8% de los líderes de IA en España no disponen ni de una base de datos sólida ni de una gobernanza definida, más de 16 puntos porcentuales por encima de la media de Europa, (24,4%).

La diferencia es importante porque hablamos, además, de profesionales que se encuentran a la vanguardia de la adopción de esta tecnología. Es decir, incluso entre quienes ya han avanzado, cuatro de cada diez todavía tienen pendientes dos de los elementos que permiten utilizarla con garantías.

Paralelamente, la falta de estas condiciones también puede influir en la forma en que los equipos se relacionan con la IA. En España, solo el 55,4% de los encuestados afirman confiar en estas herramientas cuando se aplican controles de pensamiento crítico, por debajo de la media europea (65,4%). Existe una cierta cautela ante los resultados, algo comprensible cuando todavía no existen unas bases suficientemente sólidas para respaldar su utilización.

De hecho, los datos apuntan a una relación interesante entre confianza y gobernanza. Entre los líderes que confían en la IA acompañada de controles de pensamiento crítico, el 56,7% cuenta con reglas de gobernanza, mientras que entre quienes no muestran ese nivel de confianza el porcentaje cae al 26,3%.

De la herramienta al proceso

Ahora, la cuestión no termina en disponer de datos fiables o de unas reglas claras para utilizar la IA. Estas condiciones deben poder trasladarse al trabajo cotidiano, de modo que la tecnología encuentre un lugar concreto dentro de los procesos financieros.

En finanzas, este paso tiene una dificultad añadida. Muchas tareas están conectadas entre sí y requieren coordinación entre equipos y sistemas, de modo que incorporar una nueva solución implica también revisar cómo se ejecutan determinados procesos y qué papel asumen las personas que trabajan con ella.

Esta dimensión organizativa ayuda a entender por qué una organización puede contar con mejores capacidades y, aun así, avanzar con más lentitud en la implementación. El propio estudio apunta a que, incluso cuando existen mejores capacidades y bases de datos, la coordinación, los procesos de aprobación y la gestión del cambio pueden dificultar el despliegue de la IA en los flujos financieros.

Por eso, llevar la IA a la práctica exige algo más que identificar una herramienta y ponerla a disposición de los equipos. Requiere decidir dónde puede aportar valor de forma viable, qué cambios implica su incorporación y cómo acompañar ese proceso dentro de la organización. En otras palabras, la implementación empieza mucho antes de que una solución llegue a utilizarse de forma habitual.

Tener claro para qué utilizarla

Hay, sin embargo, un elemento que conviene poner en valor. Las dificultades para llevar la IA a la práctica no significan que falte una visión sobre el papel que puede desempeñar en las finanzas. De hecho, el 66,1% de los líderes de nuestro país consideran que estas herramientas pueden contribuir a mejorar la transparencia y la rendición de cuentas, una cifra prácticamente idéntica al 66,3% registrado en el conjunto analizado.

Algo parecido ocurre cuando se plantea la posibilidad de liberar a los equipos de parte de las tareas administrativas para dedicar más tiempo a cuestiones estratégicas. En España, el 66,1% de los encuestados comparte esa visión, frente al 68,3% del conjunto analizado.

Son datos que introducen un matiz relevante en el diagnóstico. Existe una idea bastante definida sobre el valor que la IA puede aportar a la función financiera, pero esa visión convive con dificultades para convertirla en una realidad operativa. La cuestión, por tanto, no parece estar solo en identificar el potencial de la tecnología. También es necesario concretar dónde puede tener un impacto útil y qué debe cambiar para hacerlo posible.

La conversación sobre IA en finanzas está dejando atrás la pregunta de cuánto invertir. El reto está en conseguir que esa inversión encuentre las condiciones necesarias para convertirse en aplicaciones concretas y útiles para la función financiera. En España, el presupuesto y una visión clara sobre el valor de esta tecnología ya están presentes. Ahora queda que datos, gobernanza, procesos y equipos permitan llevarla a la práctica.