La CFO de OpenAI, Sarah Friar, publicó el lunes (14) una visión de "función financiera nativa de IA" construida sobre un "cierre de día cero", concepto que sustituye el cierre contable periódico por la conciliación continua de información lista para la toma de decisiones.
La propuesta no es directamente aplicable a la mayoría de las empresas de mediano tamaño, que no disponen de los mismos recursos de ingeniería, acceso a modelos de frontera ni disposición para reconstruir flujos de trabajo financieros desde cero, según la publicación.
Lecciones para las empresas de mediano tamaño
Para estas empresas, el aspecto relevante no es el cierre de día cero en sí, sino la dirección de la automatización financiera: menos informes periódicos y más información continuamente conciliada. La pregunta más útil para un CFO de empresas medianas, por lo tanto, no es si la IA puede acelerar el cierre, sino qué decisiones se toman actualmente con datos financieros desactualizados.
Una investigación de PYMNTS Intelligence, titulada "The Enterprise AI Benchmark Report", reveló que el 71% de los ejecutivos de empresas con ingresos anuales de US$ 1 mil millones o más considera que la preparación organizacional es la principal limitación para el desempeño de la IA. Solo el 11% señaló la tecnología como principal barrera.
Michael Younkie, vicepresidente de gestión de productos de Billtrust, afirmó que "vemos estructuras de datos inconsistentes e incompletas, datos malos, datos sucios" y "desafíos en sistemas ERP heredados con capacidades limitadas de API de cuentas por cobrar".
Friar defendió que los CFO deben determinar qué datos puede acceder la IA, qué acciones puede tomar, cuándo se necesita aprobación y cuándo se debe escalar una excepción. Cada salida debe estar vinculada a una fuente confiable, y los cambios en las previsiones aprobadas deben permanecer bajo control financiero.
La medición del trabajo útil, según la ejecutiva, debe considerar el costo después de la revisión humana y el retrabajo, si la salida fue utilizable y si el flujo produjo una decisión más rápida o mejor.
Un punto de partida práctico es elegir un proceso financiero recurrente con propietario identificable, tiempo de ciclo medible y salida clara, automatizar parte de él, rastrear excepciones y medir la carga de revisión antes de expandir.
La lección para las empresas medianas, según la publicación, es que las finanzas nativas de IA no comienzan cuando todo el departamento está automatizado, sino cuando el área deja de usar personas para reconstruir información que un sistema ya debería conocer.
