Con su potencial de fortalecer de formas aún insólitas a las funciones empresariales, es natural que la inteligencia artificial (IA) y el machine learning (ML) hayan captado el interés de quienes desean prepararse para un futuro inminente.
Entretanto, hay numerosas oportunidades de usar IA y ML en las empresas que comienzan su transformación digital, especialmente en las funciones de finanzas
Las finanzas están en peligro de quedar rezagadas en los ámbitos de la IA, la automatización e incluso en el de los analytics convencionales, en opinión deTom Davenport(autor deAll in on AI: How Smart Companies Win Big With Artificial Intelligence; President’s Distinguished Professor del Babson College; integrante de la MIT Initiative for the Digital Economy; y profesor visitante en la Saïd Business School, University of Oxford).
En unwebcast recienteorganizado porFortuney patrocinado por Workday, Davenport,Vanessa Kanu(CFO de TELUS International),Katie Rooney(CFO de Alight Solutions) y菲利帕Lawrence(vicepresidenta y Chief Accounting Officer de Workday) hablaron de la implementación de tecnologías avanzadas en las empresas con el fin de abordar las carencias de talento en el área de finanzas.
达文波特comento, una encuesta realizada穷el hace unos años sugería que los departamentos de recursos humanos (RRHH) estaban muy por delante de los de finanzas en lo relativo al uso de análisis predictivos y machine learning.
Al margen de la utilidad de IA y ML para transformar la empresa, Davenport hizo hincapié en que las tecnologías existentes pueden liberar tiempo para que las personas realicen funciones de alto rendimiento. En su opinión, la tecnología no será un mero sustituto del headcount.
“女性总体上orientada在更年期之后IA es una herramienta助教reas. No reemplaza puestos totalmente, ni mucho menos procesos de gestión completos", dijo. "Para que el efecto sea considerable, hay que tomar diversos casos de uso menores y sumarlos unos a otros".
Davenport señaló que las organizaciones financieras también han empezado a examinar casos de uso de IA y ML para evaluar la forma en qué áreas como el servicio de atención al cliente o actividades de aprendizaje de los empleados generan rendimiento financiero y para cuantificar el valor que aportan a la empresa.
Davenport añadió que las organizaciones de auditoría ya utilizan la automatización para leer contratos a fin de determinar responsabilidades y medir el rendimiento. Y dijo que seguirá siendo preciso que los CFO y los auditores revisen el producto final y aprueben los resultados finales. "Nunca le pediremos a un sistema de IA que haga eso: porque no puede hacerlo", puntualizó.
Davenport indicó que la IA y el ML siguen siendo funciones probabilísticas. "Todo el machine learning se basa en estadísticas y en predicciones estadísticas", dijo. "Si hay un área en la que es esencial obtener la respuesta correcta, seguirá a cargo de los humanos".
A pesar de la notoriedad alcanzada por ChatGPT en estos últimos meses, las mayores ventajas empresariales propiciadas por la tecnología en el futuro próximo seguramente se obtendrán con la automatización de tareas repetitivas. "Hay cantidad de oportunidades a través de la automatización robótica de procesos (RPA) para tareas financieras previsibles relativamente estructuradas, tareas que implican la extracción de información de un sistema para colocarla en otro", dijo Davenport. "Es realmente útil para esos casos".
Una sólida estructura de datos apta para IA
"La calidad de la IA y la de los insights depende de lo buenos que sean los datos subyacentes", afirmó Rooney. Y añadió que mantener una sólida estructura de datos es una de las prioridades de Alight Solutions, un proveedor de servicios y tecnología de capital humano, con sede en Illinois, que sirve a un 70 % de las empresas Fortune 100. "Nos hemos centrado antes que nada en optimizar la infraestructura de datos", dijo. "Tenemos todos nuestros sistemas —finanzas, RRHH, en todos los países— en Workday, y eso ha ayudado a equilibrar los equipos".
Esa estructura de datos es crítica para posibilitar una clara toma de decisiones basada en datos. "Nuestra estrategia radica en garantizar que tenemos una fuente de datos unificada y abarca más allá de las finanzas", afirmó Rooney. "Y además debe sacar el máximo partido en toda la empresa".